8月20日-25日，“2019機(jī)器人大會(huì)”在北京亦創(chuàng)會(huì)展舉行。8月22日，ABB（中國(guó)）有限公司首席技術(shù)官劉前進(jìn)在新興應(yīng)用與實(shí)踐論壇作了主題為《機(jī)器與人：從共存到共事》的報(bào)告。

不管是Alpha Go擊敗李世石，還是Google語(yǔ)音訂餐，包括各種游戲，看著可能很炫，但是為什么不能干點(diǎn)正事呢？有觀點(diǎn)認(rèn)為，讓計(jì)算機(jī)搬起茶杯要比打敗李世石困難得多，因?yàn)槊鎸?duì)的所有空間、路徑都是不可知的。

現(xiàn)如今，人類與機(jī)器人的關(guān)系，已從過(guò)去的競(jìng)爭(zhēng)變成了現(xiàn)在的協(xié)作，也就是從競(jìng)爭(zhēng)、共存、協(xié)作到未來(lái)的共事。例如在一些3C工廠，工人一天八到十個(gè)小時(shí)重復(fù)站在那里去做同一件工作，那么對(duì)這種工作，我們希望他可以完全被自動(dòng)化替代。同時(shí)，利用人類的認(rèn)知、適應(yīng)或者創(chuàng)造等能力去做更加有意義的工作。

而過(guò)去幾年中，火得不能再火的人工智能技術(shù)，他與機(jī)器人的結(jié)合，在工業(yè)互聯(lián)網(wǎng)的落地中起到什么作用，扮演的角色又是什么？

通過(guò)文中的分析，你就會(huì)知道其實(shí)有很多有用的案例，例如：物流場(chǎng)景中，不同工件的識(shí)別和抓取等，此外，通過(guò)將人工智能、機(jī)器人技術(shù)引入到工業(yè)互聯(lián)網(wǎng)領(lǐng)域，還會(huì)帶來(lái)一些新的變化，過(guò)去幾年的主要變化就是在認(rèn)知和理解方面所做的工作，現(xiàn)在我們看到強(qiáng)化學(xué)習(xí)推進(jìn)的過(guò)程優(yōu)化都是完成這樣的過(guò)程。

以下為劉前進(jìn)的主題演講內(nèi)容，雷鋒網(wǎng)作了不改變?cè)獾木庉嬇c整理。

很高興有機(jī)會(huì)和各位同仁交流，下面我分享一下ABB在機(jī)器人和人工智能方面的工作進(jìn)展，包括我們做的一些比較好玩的事情。

過(guò)去兩年，馬斯克創(chuàng)立了一家公司叫做Open AI，然后讓人類冠軍和計(jì)算機(jī)進(jìn)行比賽，比賽結(jié)果是260：0，機(jī)器完勝了人類，大家看到這種新聞可能已經(jīng)覺(jué)得見(jiàn)怪不怪了。

Alpha Go擊敗李世石，Google語(yǔ)音訂餐，包括今天玩的各種游戲，看著可能很炫，但是為什么不能干點(diǎn)正事呢？雖然是在玩游戲、下棋，其實(shí)背后更是一種挑戰(zhàn)，我們想把人工智能、深度學(xué)習(xí)和現(xiàn)實(shí)生活、工業(yè)等結(jié)合在一起。

看似簡(jiǎn)單的工作，對(duì)機(jī)器人可能很難

現(xiàn)實(shí)生活當(dāng)中，可能沒(méi)有那么多規(guī)則和狀態(tài)的約束，就像游戲當(dāng)中規(guī)定人類玩家冠軍不允許用這個(gè)，不允許用那個(gè)，但現(xiàn)實(shí)當(dāng)中沒(méi)有那么多約束、沒(méi)有那么多條件，所以我們面對(duì)的現(xiàn)實(shí)情況要比游戲復(fù)雜得多。人生不是游戲，真正工業(yè)場(chǎng)景中需要人工智能技術(shù)處理的任務(wù)更為復(fù)雜。

網(wǎng)上有幾句話比較有意思，比如摩拉韋克悖論，我們看到很復(fù)雜的事情，玩游戲、下圍棋，上周我也看到澳門(mén)人工智能大會(huì)也有人拿象棋進(jìn)行示范，盡管這些都是相對(duì)不難的，可以挑戰(zhàn)我們的認(rèn)知，但是如果想讓電腦像人一樣去做一些小孩的感知呢？

去年有一部視頻*有意思，一個(gè)人搬著大箱子把門(mén)撞開(kāi)，并雙手使勁去轉(zhuǎn)把手，然后角落站著一個(gè)三歲小孩看著這個(gè)人試了兩次打不開(kāi)，他就直接走過(guò)去把門(mén)打開(kāi)了。試想一下，如果沒(méi)有訓(xùn)練和學(xué)習(xí)，我們的電腦是做不到這件事情的，所以讓機(jī)器人完成看似很簡(jiǎn)單、很基礎(chǔ)的工作其實(shí)是*難的。

今年的CVPR大賽上，英特爾CTO提到，讓計(jì)算機(jī)搬起茶杯要比打敗李世石困難得多，因?yàn)槊鎸?duì)的所有空間、路徑都是不可知的。

人機(jī)關(guān)系：從競(jìng)爭(zhēng)到協(xié)作

傳統(tǒng)機(jī)器人都是任勞任怨的機(jī)器人，就是不停重復(fù)高精度、精準(zhǔn)的工作，要是真正和人配合進(jìn)行人機(jī)協(xié)作就會(huì)讓機(jī)器人一下子變得親和許多，所以我們把它叫做協(xié)作機(jī)器人。

過(guò)去幾年我們經(jīng)常提到工業(yè)4.0，比如機(jī)器換人、設(shè)備上網(wǎng)、數(shù)據(jù)上云，這是工業(yè)4.0針對(duì)工業(yè)3.0的主要變化趨勢(shì)。我們所說(shuō)的自動(dòng)化和自主化需要有更高的水準(zhǔn)，但不是完全的無(wú)人化。

就像前面提到的，過(guò)去的十年當(dāng)中很多工作消失了，也有很多新的工作出現(xiàn)了，但人始終是不可替代的，因?yàn)槿嗽谶@個(gè)過(guò)程當(dāng)中能創(chuàng)造更多工作的機(jī)會(huì)和工種。同時(shí)，自動(dòng)化發(fā)展水平也是這樣，我們不是100%無(wú)人化的工廠，包括無(wú)人倉(cāng)庫(kù)、無(wú)人超市，背后還是需要有人創(chuàng)造更多的工作，包括一些新的工作崗位。

關(guān)于機(jī)器換人，更多的是替換藍(lán)領(lǐng)工人的工作，就是把人類原來(lái)重復(fù)的、低技術(shù)含量的工作通過(guò)機(jī)器進(jìn)行替代。如果有機(jī)會(huì)去到一些3C工廠，可以發(fā)現(xiàn)那些工廠的工作環(huán)境是*差的，讓工人一天八到十個(gè)小時(shí)重復(fù)站在那里去做同一件工作，那么，這種工作就沒(méi)有必要保留？我們希望他可以完全被自動(dòng)化替代，這樣可以提高效率，把人釋放出來(lái)，利用人類認(rèn)知、適應(yīng)能力或者創(chuàng)造能力去做更加有意義的工作。因此，人機(jī)協(xié)作一定會(huì)有更好的前景，也讓我們的生活變得更加有意義。

人機(jī)協(xié)作能夠達(dá)到什么狀態(tài)呢？一個(gè)真正協(xié)作的機(jī)器人，就是不用加上視覺(jué)和傳感裝置，就可以被動(dòng)地和人進(jìn)行合作，而且能夠很靠近人，和人產(chǎn)生互動(dòng)。我們通過(guò)傳感視覺(jué)讓大型機(jī)器人和人產(chǎn)生間歇性的合作，這是目前工業(yè)領(lǐng)域人機(jī)協(xié)作的狀態(tài)。

我們要對(duì)人機(jī)協(xié)作有更高的要求，那么工廠當(dāng)中協(xié)作需要什么狀態(tài)？我們知道機(jī)器有一個(gè)工作區(qū)域，可以在工作范圍以外有一種共存，原來(lái)說(shuō)是機(jī)器換人，現(xiàn)在變成人機(jī)共存，但光是共存是不夠的，還是對(duì)空間有比較苛刻的要求，有沒(méi)有可能人進(jìn)到機(jī)器工作的范圍以內(nèi)？未來(lái)不僅是共享空間，還要共享時(shí)間，就是在緊密的工作區(qū)域內(nèi)和機(jī)器完全互動(dòng)，機(jī)器人可以接受零件，完成整個(gè)工業(yè)流程。

人機(jī)從過(guò)去的競(jìng)爭(zhēng)到現(xiàn)在的協(xié)作，也就是從競(jìng)爭(zhēng)、共存、協(xié)作到未來(lái)的共事，真正和人一起去工作，這是我們對(duì)人機(jī)協(xié)作定義的狀態(tài)。

工業(yè)場(chǎng)景中的人工智能

關(guān)于過(guò)去幾年一下子火得不能再火的人工智能，我們應(yīng)該怎么看待？過(guò)去幾年，深度學(xué)習(xí)領(lǐng)域有很多突破，深度學(xué)習(xí)網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)就像一個(gè)通用的函數(shù)逼近器，無(wú)論有復(fù)雜的工況、功能和函數(shù)，我們可以無(wú)限地逼近你、靠近你，達(dá)到一個(gè)立式的精度完成。就像現(xiàn)在我們做的人臉識(shí)別和游戲示范，能夠達(dá)到人類無(wú)法企及的高度，要在這些數(shù)據(jù)統(tǒng)計(jì)當(dāng)中產(chǎn)生知識(shí)，并和人類專家結(jié)合，這是工業(yè)當(dāng)中我們期望看到的，算法和專家結(jié)合起來(lái)之后能夠增加人類潛力，也有更多的應(yīng)用機(jī)會(huì)，這是我們未來(lái)希望看到人工智能的方向。

我們是把機(jī)器學(xué)習(xí)和深度學(xué)習(xí)在各種工業(yè)場(chǎng)景，包括光伏、風(fēng)電做了很多不同的示范，總結(jié)下來(lái)就是三類：

首先，是預(yù)測(cè)維護(hù)。根據(jù)設(shè)備的現(xiàn)場(chǎng)數(shù)據(jù)可以從歷史數(shù)據(jù)當(dāng)中預(yù)測(cè)數(shù)據(jù)會(huì)不會(huì)有什么問(wèn)題，不是等到故障以后再做緊急的修補(bǔ)或者定期的維護(hù)，電力行業(yè)一年一小修、三年一大修，無(wú)論設(shè)備有沒(méi)有出狀況，都需要維持好的維護(hù)團(tuán)隊(duì)，但是不能保證維護(hù)團(tuán)隊(duì)有足夠的經(jīng)驗(yàn)和知識(shí)處理維修工作，一個(gè)大的設(shè)備進(jìn)行維修以后很難判斷可靠性是，還是下降。

再者，資產(chǎn)健康軟件系統(tǒng)。過(guò)去一年我們?cè)趦?nèi)蒙電網(wǎng)推廣我們的軟件系統(tǒng)，叫做資產(chǎn)健康軟件，次實(shí)驗(yàn)是在2017年示范，覺(jué)得剛剛做過(guò)運(yùn)維應(yīng)該不會(huì)有問(wèn)題，結(jié)果上了軟件以后發(fā)現(xiàn)有七臺(tái)大型變壓器可能會(huì)有問(wèn)題，要不要挑出幾臺(tái)檢查一下？后來(lái)發(fā)現(xiàn)運(yùn)維的過(guò)程當(dāng)中不小心碰到了繞阻，導(dǎo)致繞阻出現(xiàn)扭曲變形，也會(huì)帶來(lái)一些隱患，可以說(shuō)是*好的和工業(yè)結(jié)合的狀況，我們?cè)谧龊蜕a(chǎn)運(yùn)營(yíng)過(guò)程相關(guān)的，能夠提高整個(gè)生產(chǎn)運(yùn)行的水平。

后是遠(yuǎn)程服務(wù)。通過(guò)遠(yuǎn)程了解故障，也有的專家保障設(shè)備的運(yùn)營(yíng)。這是我們?cè)?/span>2018年做的全球首例無(wú)人駕駛傳播，地點(diǎn)是在赫爾辛基，北海附近有些居民，我們?cè)趰u內(nèi)不停穿梭，新的電控系統(tǒng)和自主駕駛的功能這樣結(jié)合，產(chǎn)生一些新的功能模塊，不只是能做運(yùn)營(yíng)監(jiān)控、遠(yuǎn)程分析和艦隊(duì)管理，整個(gè)工作叫做運(yùn)營(yíng)，現(xiàn)在我們可以在全球建立一套網(wǎng)絡(luò)，針對(duì)所有海洋船舶提供服務(wù)。我們知道一艘大型運(yùn)輸船舶希望保障的可靠性，同時(shí)有的空間為運(yùn)貨提供服務(wù)，這樣就會(huì)產(chǎn)生兩難問(wèn)題，規(guī)劃好路線之后可以得到的燃油性價(jià)比，包括多的空間提供運(yùn)營(yíng)生產(chǎn)能夠得到的價(jià)值回報(bào)。

機(jī)器人

和人工智能如何結(jié)合？

關(guān)于機(jī)器人的安裝和使用，現(xiàn)在的機(jī)器人使用的時(shí)候，雖然相比過(guò)去有很大的進(jìn)步，但還是有些復(fù)雜。

以前可能需要一個(gè)專門(mén)的工程師花幾天編程來(lái)做更好的規(guī)劃，交響樂(lè)師和機(jī)器人工作了七個(gè)小時(shí)完成了兩首曲子的編排，能夠像人一樣*優(yōu)美地把比賽盒滑來(lái)滑去，精準(zhǔn)完成比賽的過(guò)程。然而，現(xiàn)在我們覺(jué)得還不夠，未來(lái)希望可以不用工程師去教它，機(jī)器人在看到我們的產(chǎn)業(yè)線工人在做什么就會(huì)主動(dòng)了解這項(xiàng)工作，以及自己能不能完成。

我們把新的研究成果，以及機(jī)器人的安裝示范過(guò)程結(jié)合起來(lái)的難度在哪里？

大家知道，Image Light的識(shí)別率從70%到了90%，這是*好的例子，但是和機(jī)器人結(jié)合的話會(huì)發(fā)現(xiàn)現(xiàn)場(chǎng)工況很難標(biāo)注，沒(méi)有辦法預(yù)測(cè)所有的場(chǎng)景。上面我們提到DOTA游戲，重要的就是上下左右回車，實(shí)際上我們的工作不只是上下左右。更重要的是規(guī)律，要是能夠把規(guī)則完全定義好就是我們自動(dòng)化工人做的事情，但是一定會(huì)有域外發(fā)生，能夠依靠人工智能呢？完成依靠從大數(shù)據(jù)抓取數(shù)據(jù)的AI來(lái)做件這事情嗎？

因此，數(shù)據(jù)和AI結(jié)合的話會(huì)有很大難度，包括三個(gè)不同層次：

層次，可以把現(xiàn)在我們深度學(xué)習(xí)做的一些工作來(lái)做位置識(shí)別，準(zhǔn)確知道機(jī)器人抓取要到什么地方，我們也做了很有意義的示范；

第二層次是技能，就是做了什么工作，然后指導(dǎo)機(jī)器人完成，甚給出一個(gè)起始點(diǎn)和終點(diǎn)以后根據(jù)過(guò)去我們所做的數(shù)據(jù)強(qiáng)化學(xué)習(xí)完成某個(gè)規(guī)則。經(jīng)過(guò)一段時(shí)間的強(qiáng)化訓(xùn)練以后，發(fā)現(xiàn)我們可以達(dá)到這種效果，就是600多萬(wàn)個(gè)不同種類的空間之中，機(jī)器人強(qiáng)化學(xué)習(xí)可以達(dá)到96%的識(shí)別率，之后我們會(huì)有更好的辦法，希望達(dá)到99%以上，甚再有新的東西出來(lái)以后能夠簡(jiǎn)化學(xué)習(xí)的過(guò)程；

第三層次是應(yīng)用程序的端到端學(xué)習(xí)，自己學(xué)習(xí)背后的機(jī)理、經(jīng)驗(yàn)和知識(shí)，抓住以后可以變成規(guī)則。

通用函數(shù)是不可解釋的，雖然可以很粗暴地達(dá)到一定精度，但是你不知道它的時(shí)候就不能用，這對(duì)工業(yè)來(lái)說(shuō)幾乎是不可接受的，所以我們希望能夠有更好的辦法讓它變得更加可解釋，更加容易泛化，也更容易合作。

在湛江，ABB有一家合作的公司，這是國(guó)內(nèi)的海鮮制品公司，其產(chǎn)線基本是全程自動(dòng)化，除了一個(gè)環(huán)節(jié)。當(dāng)我們?cè)诒貏倏统曾P尾蝦時(shí)，要先把皮去掉，如何讓不同形狀大小的蝦讓機(jī)器識(shí)別，既能保證足夠的肉又能夠把皮剝掉？這個(gè)環(huán)節(jié)必須由人完成，所以給人0.5平米的工位，人就站在那里八小時(shí)不停地把蝦扒出來(lái)放到指定位置。不說(shuō)這個(gè)工作很辛苦，光是味道就會(huì)讓你覺(jué)得很難受。

我們的科學(xué)家到了現(xiàn)場(chǎng)看了實(shí)際情況后，通過(guò)不同的照片標(biāo)注、識(shí)別、確定精準(zhǔn)度，后可以達(dá)到98%的精度，這樣就是后一個(gè)環(huán)節(jié)通過(guò)自動(dòng)化，這位同事就在現(xiàn)場(chǎng)聽(tīng)報(bào)告。拍下一張圖片當(dāng)中有幾十只蝦，通過(guò)算法推理一下子就把蝦的抓取點(diǎn)標(biāo)識(shí)出來(lái)，交給機(jī)器人之后完全可以完成剩下的工作，“機(jī)器人抓蝦，不抓瞎”。

這是物流場(chǎng)合大家經(jīng)常碰到的場(chǎng)景，就是不同的工件混合在一起進(jìn)行抓取，難度在哪里呢？

因?yàn)樾螤畈灰?guī)則，傳統(tǒng)的機(jī)器視覺(jué)很難做到，而且是堆放在一起的，即使是不同規(guī)則輸入庫(kù)里，怎么保證產(chǎn)生新的形狀，知道哪個(gè)先抓，哪個(gè)后抓。這是目前工業(yè)機(jī)器人領(lǐng)域能夠把混合、堆疊、識(shí)別做到的水平的一個(gè)案例，也是目前我們做到的Case。

工業(yè)人工智能，或者是把人工智能做得有意義的事情和機(jī)器人進(jìn)行結(jié)合。傳統(tǒng)的方式是用一個(gè)完成的模型，然后我們執(zhí)行感知分析和控制邏輯，這是傳統(tǒng)工程師在做的工作。人工智能引入這個(gè)環(huán)節(jié)會(huì)帶來(lái)一些新的變化，過(guò)去幾年的主要變化就是在認(rèn)知和理解方面所做的工作，現(xiàn)在我們看到強(qiáng)化學(xué)習(xí)推進(jìn)的過(guò)程優(yōu)化都是完成這樣的過(guò)程。

工業(yè)人工智能我們希望做的不僅是認(rèn)知和理解，具體解決也可以帶來(lái)更多的突破。一個(gè)工廠當(dāng)中的自動(dòng)化系統(tǒng)一定有些場(chǎng)合、有些場(chǎng)景不是我們工程師提前預(yù)測(cè)到的，之前沒(méi)有預(yù)測(cè)和發(fā)生過(guò)的事情我們能怎么做？能不能讓機(jī)器自我學(xué)習(xí)，處理一些之前沒(méi)有預(yù)料到過(guò)的狀況，沒(méi)有發(fā)生過(guò)的事情，可以有些基本的識(shí)別和判斷，給出可以解決的方案出來(lái)？這是我們期待工業(yè)人工智能未來(lái)所做的工作，這個(gè)過(guò)程當(dāng)中人是永遠(yuǎn)存在的，不僅是監(jiān)測(cè)整個(gè)生產(chǎn)過(guò)程，隨時(shí)可以取代自動(dòng)化系統(tǒng)，介入、*作和完成。這是我們自己對(duì)工業(yè)人工智能的定義，從自動(dòng)化到自主化，希望未來(lái)我們能夠有真正完全自主化的工作環(huán)境，也為人類創(chuàng)造更美好的環(huán)境。

人機(jī)關(guān)系的改變，從過(guò)去的競(jìng)爭(zhēng)到現(xiàn)在的協(xié)作，以及未來(lái)可能真正和人一起去工作，這些轉(zhuǎn)變將會(huì)給人類的生產(chǎn)生活帶來(lái)極大的便利。傳統(tǒng)機(jī)器人都是任勞任怨的機(jī)器人，就是不停重復(fù)高精度、精準(zhǔn)的工作，而協(xié)作機(jī)器人的出現(xiàn)，可以真正和人配合著一起工作。

現(xiàn)如今，工業(yè)互聯(lián)網(wǎng)的概念愈發(fā)火熱，各種新技術(shù)層出不窮，而人工智能、機(jī)器人的應(yīng)用將進(jìn)一步為工業(yè)互聯(lián)網(wǎng)賦能。隨著層面對(duì)產(chǎn)業(yè)升級(jí)、創(chuàng)新、經(jīng)濟(jì)新動(dòng)能的進(jìn)一步強(qiáng)調(diào)，工業(yè)互聯(lián)網(wǎng)作為智能制造的基礎(chǔ)平臺(tái)，將會(huì)在整個(gè)制造業(yè)發(fā)展過(guò)程中起到越來(lái)越關(guān)鍵的作用。