丁汉：女士们、先生们，大家下午好！非常高兴有机会主持第二阶段“基础技术与创新”论坛。下面首先有请英国帝国理工大学教授、英国皇家工程院院士、《Science Robotics》期刊主编杨广中教授带来主题报告，题目是“科学机器人：挑战及机遇”。

杨广中：

非常感谢有机会和大家探讨科学机器人的挑战与机遇，我想以《科学机器人》主编的身份和大家谈一谈机器人在今后的发展方向，产业化应用的机遇和挑战。

    《科学机器人》是一本很年轻的杂志，成立于2016年12月。大家可能会问，现在有这么多的机器人杂志和刊物，为什么还需要有一本专门为机器人服务的期刊，尤其是在科学杂志的子刊上面？《科学机器人》杂志的宗旨是Science for Robotics，就是用基础科学支撑今后机器人的发展，还有就是Robotics for Science，通过机器人推动我们的基础研究。接下来我举几篇文章作为例子，和大家解释一下《科学机器人》所要主推的一些方向。

    刚才讲过，我们期刊是在2016年12月首发，这是当中的一篇文章。这只小兔子叫做“丛林宝宝”，弹跳界当中如果和它的身长对比的话，它是弹跳力最好的。我们的机器人要从生物界得到灵感和启示，然后做出更好更优化的机器人。这是伯克利大学团队的一篇文章，重点就是怎样从弹跳的角度在动物界学到方法，叫做Power Modulation，我们不光是要跳起来，还要在跳的过程当中优化姿态，从而弹跳得更好。实际上按照结构来说，这是一种比较传统的机电结构，但是从弹跳的功能来看，弹跳之后需要运用Power Modulation，也是受到了很多动物界的启发。

    这是最近伯克利大学发表的一篇文章，讲的主要是软体机器人，和传统的机械电机方向反应比较低，产生的力距也相对更小一点，采用新材料把生物当中的基本原理总结出来，然后用新材料来实现。蓝色的区域是现在的软体机器人Body Mass与所能够达到的速度进行比较，红色的区域是昆虫界能够做到什么，所以我们距离真正昆虫所能达到的能力还有距离，但是通过软体机器人可以实现。

    当然，《科学机器人》不光是从简单的原理当中发现新的方法，我们也非常崇尚机器人的应用，上天、入地、下海，包括今后的制造Building。这是MIT的一个系统，叫做Digital Architecture，主要难点叫做Micro-mini System，通过大的平台粗犷地定位，然后用小的机器人精细地操作，这是机器人控制当中非常困难的问题。再从数字建筑的角度，通过材料和机器人融合，各种建筑应用场景会有很大的帮助。

    我们推崇的不仅仅是实验室研究的平台，更重要的是在极端环境下得到应用。这是Micro-gravity微重力的情况下做Grasp和Maniputation，因为这种环境下很多情况都会发生变化，但是重力影响相对比较小，通过这种角度进行推进也是我们所崇尚的。

    综上所述，过去的两年半时间当中，《科学机器人》的确在各个不同的领域提出了方法和挑战，也得益于各个团队的支持，软体穿戴机器人、仿生、建筑以及其它方向，软体机器人是把能够自行修补的材料应用在机器人当中，这些都是我们的研究方向。

    下面我把去年《科学机器人》在机器人应用方面的十个挑战和大家介绍一下。

    核心实际上还是基础技术，我们把新材料作为今后机器人发展的一个非常重要的方向。为什么是把材料学作为今后机器人发展的重要方向？过去的五六十年当中机器人的发展更多的还是依赖于传统的制造技术、传统的机械、传统的马达，今后我们更走向微型化、智能化，对材料的考量需要进一步的探索。

    四个核心科学包括新材料和制造，仿生和共融，还有就是能量的传输和获取。大家可能会问能量的传输和获取为什么和机器人的发展有相当大的关系，后面我也会进行简单的阐述。再就是集群机器人，通过有效的合作完全一些复杂的动态。

    周边的就是智能化的部分，就是在未知环境下进行自主导航，人工智能、人机交互、机器人伦理和保密。外圈我们提出一两个今后比较重要的应用方向，包括医疗机器人，如何在常用的人机交互，就是Social Robotics。

    为什么我们要做仿生技术？刚才说过仿生机器人的作用，Bi-hybrid对于今后的生物材料如何兼容起来是一个很重要的发展方向，大家可能都知道组织医学，实际上这是一个静态的结构，就是怎样把细胞在生物框架当中进行有效的繁殖和产生结构，但这是相对静态的环境。大家都知道细胞的成长需要外部的激励，包括化学和生物各个方面，所以从这个方向要达到Functionality、Fabrication和Multi-function Integration。

    按照能量基础科学的支撑和系统合成应用，很多方面都有一个非常重要的研究方向，这也充分体现了机器人今后的发展有两条并行的道路：怎样用基础科学支撑机器人的研究，怎样用机器人推动基础科学研究。

    刚才讲到能量，今天展览会大家也看到了很多系统基本上都是离线的，就是有自己的电源系统，无论是电池还是其它能量传输，这些都是非常可喜的。“丛林宝宝”就是一个有线系统，控制和能量的获取还是通过线来达到，如果我们能够把电池能量的获取全部与无线结合，那么对整个重量、材料和Dynamics都会有很大的挑战。自动驾驶当中也有几个非常重要的技术突破，导航是非常重要的一个方面，但是高容量、高性能的电池快速充电，能够得到长期续航，这些都是非常重要的研究方向。

    今后的机器人发展方向肯定是人机交互，现在从实验室的平台来说，人机交互已经走到了非常前面，通过植入式和穿戴式的电击都可以进行有效的人机交互，包括怎样理解人的主观意识、怎样进行无缝连接、怎样从事Imaginary Task。另外一个重要方向就是Ethics和Security，后面的演讲者也会做这方面的重要阐述。

    下面我把医疗机器人作为一个例子和大家介绍一下，就是医疗机器人今后的发展方向。今天展馆当中大家也看到了很多医疗机器人系统，包括达芬奇系统和北京中关村产业园自主研发，并且能够投入临床的机器人系统，这些都非常可喜。

    医疗机器人主要还是解决的是现在还有很多开放式手术，微创手术现在发展得非常快，如果我们能够得到早期诊断早期治疗，今后很多诊断都可以通过微创的角度进行有效治疗。微创手术如果不用机器人，手术的复杂性、操作性、灵活性、安全性，这些都会是非常大的问题，也是我们在九十年代和过去二十年左右手术机器人的发展。手术机器人在过去的二十多年是真正从实验室走向临床，今后手术机器人肯定会走向更小更精准。

    这里我们列出了一些手术机器人的平台，右上角的是用于腹腔的机器人，右下角是骨科机器人，主要是以定位为主，左下角是进腔道的机器人，左上角是其它放疗机器人。整个机器人领域布局的话，从头到脚从软到硬，这些布局都是非常完善的。

    为什么说机器人对精准手术非常重要？首先是可重复性和精准性，还有就是能够自定区域，并且把增强现实和术中术前的影像导航缓步融合在一起，实际上也更加精准，尤其是癌症手术的治疗方面，边界的定位和切除对病人的康复都是非常重要的。

    具体都有哪些方向？刚才讲过更小更灵活，再就是Better Access和Better Vision，希望今后几年在WRC的展台上能够看到有更好、更新一代的机器人。

    我们可以把医疗机器人定义为六个系统：五级完全是自主机器人，就是Robotic Surgeon，零级叫做主从系统，一二三四级都是不同的角度，二级的很多缝合手术完全可以由机器人自动完成，四级有些Decision-making也可以由机器人来做，就是医疗机器人从不同的级别、不同的手术应用场景，自动化的角度也会有不同的考量。

    实际上机器人能够理解我们的意念、理解我们在做什么是非常重要的，微创手术当中内窥镜一般由助理操作，这就牵涉到医生和助理之间的交互问题。怎样通过非口令式的交流，也不用事先编好的程序，机器人能够理解下一步需要做什么、怎么做、在哪里做，这是通过实时眼动Tracking，就是双幕实时检测出来，通过一系列的手段，滤去一些不常规的转头、眨眼或者和其他人交流，真正了解你的主观意愿。交互的时候你会觉得机器人懂你的意思，实际上是活机器人，没有通过语音、没有通过手势，这样的机器人从智能化的角度就更向前迈进了一步。

    这是最近我们在哈佛发表的一篇文章，基本上能够在血管瓣膜置换的时候边界反流，看不见的时候通过传感，看得见的时候不能进行血管成像，怎样通过这个角度把导航自动做起来？这里就展示能够继续怎样去做，看不见的时候能够用传感信息融合，传感器和Tissue触碰的时候能够看得出一点，实际上这对导航来说还是非常困难和具有挑战性的事情。

    现在的机器人越做越小，也是为什么从材料的角度来说我们对它的要求越来越高。现在从毫米到微米再到能够走向纳米级，也就是我们所说的微纳米机器人。现在微纳米机器人主要局限于实验室角度，就是概念的级别，因为有不同的驱动方式，可以用化学物质，比如双氧水或者通过磁场、声波、超声，还有就是可以用Biological Host，就是用无害细菌作为载体把药物带到病灶，能够达到的作用叫做Delivery Surgery，进一步把微纳米机器人用到和临床相近的角度，不光是导航和可视性，然后把影像全部融合在一起，影像技术就是通过Photo Acoustic Imaging进行，这些对靶向都会有非常重要的方向，大家可以看到，这是治疗当中药物通过微纳米机器人打入病灶。

    注重新材料新制造的同时，我们更注重怎样用传统的机械做出一些不传统的应用。这是哈佛的一个团队做的一套系统，就是怎样在深海得到生物样本。大家知道深海生物样本非常纤细，稍微多一点力都会把生物样本损坏，我们怎样通过一个相对比较传统的，但是又非常巧妙设计的机械结构，能够获取非常Delicate的生物样本。这种驱动并不是有很多自由度，所以从这个角度来说也是我们自己希望的，就是从传统机械的角度做出不传统的设计。

    怎样真正把实时信息应用起来？这是UIUC做的仿生蝙蝠，真正在实时计算以及其它各个方面融合起来，做出来的系统就更具有挑战性，因为各个边界条件包括能量、姿态变化、控制和实时计算全部都融合在一起，要求也会更高。

    刚才讲过我们运用Bi-hybrid System，就是生物材料和人造材料进行融合。我们知道生物材料有一个天生的驱动性，就是可以提供能量，所用的能量非常经济，实际上这对今后植入式机器人是一个非常重要的方向。我们也做了很多前期研究，这是日本东京大学做的一套系统，就是形成肌肉细胞的实时驱动，优点是达到相对比较长时间的驱动，也就奠定了Bi-hybrid System今后应用的前景。

    关于人工智能在机器人当中的应用，大家都对这些应用场景非常熟悉，今后机器人应用更多的是人机融合，机器学习不是通过简单的编程，而是通过实时的、针对应用场景的学习和自学习的功能，Learning from Demonstration是机器学习的重要方向，今后操作者、控制者和应用的场景，不管是哪一个领域，更多的主要是决策的功能，怎么做、做什么，具体操作的时候从精度和控制的角度更多的还是由机器人去做，这样把机器人的精度、可重复性这些优点和人类的决策能力、从经验当中学习的能力更有效地结合起来。

    这是我们前期发表的一篇文章，就是机器人怎样自己在简单的游戏当中自我学习，并且能够Formulate自己的Strategy，这些都是我们需要拓展的。

    今天大家看到了很多仿人双足机器人的例子，这也是最近几年有了很大的发展。这是东京大学做的，完全是通过人造肌肉驱动，然后才能真正做起来，所以从这个角度来说难度更大，但是对机器人的灵活性有更好的应用场景。

    最后用一两分钟时间把仿生机器人展示一下，大家都知道折纸和剪纸，这是通过蛇皮的蠕动把软体机器人进行驱动。实际上这是我们对生物功能的深入理解，同时我们又学习了不同的软体机器人的操作系统。更重要的角度就是人机交互Social Robotics，机器人在儿童教育、老年自闭症都有很好的场景，也就是我们所称的辅助机器人，可以从假肢的角度不仅提供功能，并且能够提供触觉，完全是从电机的植入加上触觉的功能、人造的皮肤，再加上人机的交互，我们做出来的假肢越来越职能，更加接近人体自身的功能。

    总结来说，过去的两年当中科学机器人在不同领域进行布局，我们提出了十大挑战，当然也不仅局限于这十大挑战，新的材料、仿生和人机融合等等很多方面都会有更多的拓展，我也非常希望在座的各位今后能够在这方面受到启发，做出更好、更强、更智能化的机器人。

丁汉：下面有请瑞士苏黎世联邦理工学院机器人系统实验室主任Marco Hutter带来主题演讲，题目是“足式机器人迈入真实世界”。

Marco Hutter：

非常高兴能够在接下来的半个小时和大家讲一讲足式机器人的话题，今天早上我们也听到了现在最令人感到激动的领域是移动机器人，但是要看解决方案的话都是在街头通过有轨方式拿出来的，未来如果能够有这种解决方案，让接地不再成为障碍的话就会有更多需求。

    这些机器人都是有手的，现在很多设备都没有办法进入这些环境，需要派人进去做这些肮脏困难的工作。过去的十多年我一直在和我的团队合作开发这种系统，刚开始是作为研究，也是在瑞士苏黎世联邦学院，最后成立了一家公司，我们即将走向下一个阶段，就是实现科技成果转化商业化，现在我们正在建立一个机器人能够跑的系统，而且也是可以在现场实地工作。

    为什么这个领域如此激动人心？实际上足式机器人领域是整合了很多机器人的细分领域。首先要了解环境，而且要在评估环境当中冒的风险，并且认识和使用正确的足位，最后要与环境进行交互，只有在这种情况下做得好才能成为非常好的足式机器人，能够很好地适应不同现场的地形。

    如何解决这一挑战？足式运动是复杂的组织问题，可以解决如何运动，什么时间下脚，力在哪个方向，因为有很大的局限性。这里我们不做数学的介绍，就看一下从A点到B点。一般的优化算法是不断调整适应行为，直到这个机器人找到解决方案。现在我们有合适的技术解决这一问题，10-100毫秒就可以有些复杂的行动，克服所有不同的障碍。

    目前我们使用的最常见的算法就是差异性控制政策，能够控制机器人，我们可以做不同的模型应用，实现线性的气动学。我们会集成整合这些局限性，然后会有自己的方程不断进行迭代，变得越来越好。真实世界的情况不是完全理想的，也有不完美的情况，包括计算力的限制、环境的不确定性和柔顺性的问题，机器人可能会摔倒、卡住，或者在很滑的环境下机器人自己就开始滑了，所以需要应对这些问题。

    介绍几个去年我们做的研究亮点，比如如何应对湿滑地面，我们有一个概率检测，可以检测面对的是什么场地，如果地面很滑的话机器人就会像人一样有一个力的分配。我们也会采用频率控制，这样的话能够有更高的频率，机器人能够更好地应对不确定性，包括驱动器方面的问题，更加流畅地和环境进行交互，因为有更高频率的输入，我们发现机器人能够很好地在复杂地面进行运动。

    我们不仅可以优化机器人的运动方式，也能够优化如何处理这些干扰，可以实现输入和反馈的优化，这些需要在规划当中做好算法，也需要很多不同的做法。我们把很多数据都拿过去训练算法，算法是控制机器人，数据是通过模拟拿到的，我们是有很好的模拟电子网络，同时能够培训很多的机器人，达到这种程度只需要两分钟，实际场景当中训练就要花上好几个小时，因为有运动政策的设计。拿到真实的场景当中会发生的情况是失败，系统虽然有建模，但并不是基于现实的，因此很多人面临困难，只在模拟场景下管用，真实情况下是不管用的，因此我们不仅要有系统的动力学，也要考虑通讯延迟以及其他因素，包括地面接触建模的不确定性。

    为了应对这些问题，我们发明了一个真正的系统，也在真正的系统上拿到了很多数据，然后进行电脑上的培训，所以连接的是两种情况。真正的媒体使用的是一些原则，然后把这些物理的技术放在强化学习的模拟环境当中培训，进行算法的学习，然后再部署到真正的系统当中。去年我们就发现情况变得非常好，能够更好地去使用，能耗也更低了。算法执行非常高效，只有20毫秒就可以在个人电脑上完成，基本上也算不了什么。

    按照传统的控制方法，这些行为是完全不可能执行的，机器人知道自己摔倒了，需要重新站起来，这是一个博士生制造的机器人，也是一种新的移动水平，这些系统都是和人类动物的移动更加相似，相比过去有很大的进步。当然，实现这一目标需要更多的信息，包括不同个体的行为结合起来组成复杂的行为进行学习。

    我们要把机器人带到真实的世界，就是感知环境，机器人也有很多不同种类的传感器，比如雷达传感器，这样分辨率是非常高的，视频也是3D模拟，非常准确，可以在局部进行环境制图来做光学规划，这样机器人是有数据去做规划。我们可以看到机器人在为环境制图，实时走步，就像没有障碍一样如入无人之境，结合感知和行动规划，而且是实时在机器人本身有的系统来做。

    这些只是一个解决方案，也有更多的解决方案，我们自己肯定是知道不走那边要走这边，而且知道区分草和路，所以希望机器人也能够有类似人类的能力，能够认识地面不同的特点，然后感知前面的地形是什么情况再做导航规划，使用不同感知系统的话，通过比较简单的触觉培训，然后会有视觉感知，下载之前就知道这样的环境，因此可以明确确认前面的地面是什么样子，不同的地面带来的影响是什么程度，所有的这些都可以让我们的机器人走入真实世界。

    过去几年我们看到了许多不同的应用场景：

    搜索救援是一个非常广泛的话题，涉及许多不同的内部挑战，包括地下矿的检测检修，地下有1000米深的矿的话肯定不希望让人每天下去，勘探环境和工业检查环境，搜索救援一般来说是非常不同的情况，很难给机器人很大的自主性，因此我们做的是部署机器人，然后让一个人远程操作，基本上就是3D的环境描述，搜集所有机器人的传感信息，然后部署机器人进行导航。

    这是矿山当中的机器人应用场景，我们使用行走机器和环境进行互动，机器人做的就是进入这些废水管，原来是人们要进去，现在机器就可以做这些工作，判断需要做多少修理，是不是需要更换水泥，这些都是非常滑的管子，其实人清理起来是非常困难的。人们进入地下空间爬行，然后可以找到环境当中自己想找到的东西，我们可以知道距离工业应用是越来越近的。

    这些是我们和Andy Robotics一起做的项目，属于一个北海的海上平台，包括不同功能的传感器和摄像机，完全可以在这个环境当中自我导航，进入所有非常小的空间之内，然后通过这样的图让自己进行导航，再做灰尘的侦测和清理。机器人可以检测压力表，如果不对可以重新进行调整，有了问题的话检测管道，可以进行非常昂贵的检查，这些只是一个开端，还有很多工作我们可以开发。

    （播放短片）

本次演示的不是完全自主的机器，我的助手手里有一个摇控器，正在遥控这个机器狗，但是现实情境当中它是完全可以进行自主检测的。我们来看它的特点和功能，最重要的部分是移动力、四肢，不是速度而是爬楼梯能力。我们在不同的组合有各种各样的配件来爬不同的地方，即使是扔到水里一个小时也没有问题，包括爬不同的障碍物，也有前方后方两侧的传感器，可以知道旁边有没有人，地表地面的地形，包括足尖的地是不是平等等，感受到的和它的数据进行匹配，外接天线可以让它更加精确地知道自己所处的位置。我们有很多不同焦距的摄像头选择，完全黑暗的状态下机器人仍然可以自己进行证明，完全独立地进行检测。无论具体情况怎么样，我们都可以安装具体传感器开展工作，现在可能还想不到，但是未来一定会想到我们的设备还能再做哪些其它工作。

    我们的机器在本周都会开放展览，如果大家感兴趣的话可以来到我们的展台B202看一看我们的实体。我和Animal C一起感谢大家，有请Animal C给大家跳一段小的舞蹈。

丁汉：下面有请以色列本古里安大学生物医学机器人实验室主任Ilana Nisky带来主题报告，题目是“人类感官运动遇见手术机器人——机器人辅助手术中以外科医生为中心的设计和控制”。

Ilana Nisky：

非常高兴来到这里和大家聊一聊我们的研究结果，我的大学所在地是沙漠地区，也欢迎大家来访问。现在我们有很多医学上的机器人，比如帮助外科医生和康复的，以及假肢和培训类型的机器人。虽然每个应用不一样，但是也有共同点，就是都要有人和机器人的实体互动。

    具体说到手术机器人，需要外科医生决定要做什么，然后要有病人，所以机器人是有很多优势的，每年都会进行机器人手术。现在也有新的科技可以进行远程手术，但是还有很严重的限制，比如没法收到及时的反馈，也没法知道如何改善机器人使用的限制。我们需要理解机器人的运动，并且也要进行优化，不过这些都是手术视频，里面可能会有一些令人不适的血液和器官内脏的影像。大家通过这部视频就可以理解，你们想接受哪个外科医生来做手术？我们不知道哪一个是医生，但我们很容易区分哪一个是专家，以及如果操作不精确的话手术的后果是什么。

    手术运动的质量决定外科手术的质量，所以一定要让手术运动符合规定，这样设计更好的机器人才能实现。怎样定义这些动作？机器控制可以帮助我们更好地界定手术运动的轨迹，包括大脑如何控制运动以及外部世界的科学。虽然每个人的手术动作不一样，所有动作的方式都是有类似的，比如我要拿咖啡首先要伸手，然后形成一个中形速度的轨迹，就是先快后慢，然后在大脑当中的决策会影响到我手上的轨迹。

    看一看人的感官系统，有的时候系统是非常差的，比如很复杂的非线性造点，而且会有很大的延迟，但是我们还是能够用手做一些非常独特的运动，比如走的过程当中和站的过程当中有自己独特的运动，所以非常有用的是要理解大脑是如何应对这些挑战，并且把这些知识用于改善技术。我们研究室的研究人员要做的就是让手术医生在科研过程当中发挥核心作用，使用神经科学理解大脑，改善机器人辅助手术，同时学习与机器人的互动交互更好地了解感官运动，这样的话就是良性循环、互相促进。

    关于手术质量的评估，我们想知道哪个手术做得更好，现在的做法主要是让手术专家来观察手术大夫的运动，然后通过问卷调查表来评估表现，这样的话根据对组织的保护或者真的运用等等，但是我们需要能够更加量化，机器人就能够帮助我们实现运动的量化，并且提供严格的标准描述运动的质量，因此我们的第一项研究就是希望尝试着了解手术技能包含哪些内容。

    这是达芬奇手术机器人，可以看到参与研究人员是坐在手术师要坐的地方，手术台上有有一个检测屏幕，要求参与人员从一个点到一个点来活动，所以每一个参与人员本身都是这方面的专家。我们发现即使是简单的任务当中技术专长非常也是重要的，新手明显不如专业手术大夫，运动的标准也是非常简单的，根据指端误差、运动时间和整体效率，包括最后的成果是什么样子。

    图中绿色代表的是新手，红色代表的是专家，可以看到运动的方向，即使是最简单的运动专家也会做得更好，而且这是手术过程当中很重要的运动方向，手术专家已经在内部对手术机器人运作很熟悉了，所以是非常简单的工作。我们知道手术专家需要了解主操作臂的运动学，如果主操作臂能够更好地适应的话就能够成为更好的手术机器人。

    接下来我们要了解更为复杂的一些运动，就是手术线和手术针，需要和人体组织进行交互，机器学和临床系统是一样的，但我们使用的是控制软件，大家可以看到运动背后不用任何运算就知道，专家的运动是有自己的结构特点，新手上面没法体现这种特点。当然，这种专家的特点是可以进行量化，并且可以看到方向也是非常重要的，可以运算不同的标准量化专家和新手运动的规律性然后进行对比，更加了解人体交互组织运动标准，有了这些信息以后我们就可以描述手术师的专长，接下来看一看如何培训手术大夫和外科大夫，带来更好的手术表现。

    我们做这项工作是希望能够设置数据标准，很多手术大夫的确有些规律性，做出曲线运动的时候是在放慢速度，就是和运动的速度有关系。显然这是一个非常严格的运动定律，即便是非手术运动也是一样，同样符合这些基本的文化定律。回到刚才我们说的手术质量的评估标准，这种力学指数也体现了手术大夫的技能，我们需要了解大脑如何控制运动，然后得出现实当中的一些标准，接下来就是把运动的理解控制手术机器人。

    为了了解这项研究，我们需要明确透明度这样一个词，这是做远程手术系统量化决策，传统的透明度是依赖于这个系统，完全忽视用户和环境。在我个人看来，现在我们希望更多地关注用户，因为说到最后这个系统的目的是服务用户，所以我们对透明度的定义，特别是对机器辅助手术来说，应该是要量化与人体组织交互的感知以及行动。当然，这种描述是可以使用的，但还是需要数据标准去描述这样的透明度定义。

    为了拿出相关数据，我们使用的是心理和物理定律，这里特别关注的是夹持，这是我们研究的第一步，每个手术过程当中都会有很多阶段，手术师需要夹住人体组织然后进行穿透或者某种程序，非常重要的是用的力不要太大，否则会破坏组织，也需要确保这个组织不会掉下去。我们把情景放到实验室，可以看到学生在做远程手术系统，使用的是Raven手术系统，设计的任务就是抬起物品，然后在空中停下来。

    我们在夹握之前会了解手指开放大小，这样就能够与物体的大小相称，虽然我们对物体大小的感知可以通过韦博定理明确，包括针对比例确定，但是这种开放式的半径是和这个定律有些差异和不同，需要确保拿到的东西不会掉下去，所以夹持力需要基于之前和各种物体的交互，而且也要防止因为摩擦掉落。

    简短来说，我们的想法就是希望量化在多大程度上某种任务的完成符合最根本的物理定律，然后基于这些物理定律定义自然运动，这样就为我们定义设计参数，可以把参数用在对系统的控制上，就是要有意放缓手术设备的运动提高准确率，但是不应该放的速度太慢，否则的话这项运动就不会太自然，用户运动到最后就不太符合实际的物理定律。

    有些人可能会问这样一个问题，为什么不做自主机器人？未来我们的确可能会有自主手术系统协助手术大夫，即使我们有机器人来做手术辅助，希望人类手术医生还是在现场以防万一。现在无人驾驶汽车也是这样的情况，汽车完全可以实现无人驾驶，如果出现一些意料之外的情况，控制权就会移交给人类驾驶员。

    无人驾驶汽车这项研究是我们和斯坦福的同事一起做的，就是针对运动学习以及安全无人驾驶车辆交接，大脑会在不同的情况下做运动学习，某个人在我的手上施加一个力，然后我就知道如何描述我手上的力，然后相应地做出反应。如果我们调节方向盘的力或者规模，汽车会做什么反应，开车的前几分钟司机会有一些力的调整，就是简单的变换车道，控制车辆来看方向盘如何做出响应。为什么要进行力的施加？刚开始就是停车场的速度肯定需要施加很多的力，但是高速公路上速度很快，所以对方向盘力的变化就会造成车的方向变动，因此把无人驾驶车辆放在一边，再讲手术辅助的机器人。

    远程手术也是一个很有希望的领域，比如手术大夫在以色列的老家，病人在北京，第一个手术研究在2011年已经做完了，就是通过光纤来做，今年年初中国也通过5G网络做了这项研究，技术上是可以做的，但是还有很大的挑战。远程手术还是很难的，一个原因就是延迟无法避免，信息传输虽然已经达到接近光速，但仍然有这样的问题，比如纽约和北京可能需要10毫秒信息才能传过去，但是我们知道大脑能够解决这些延迟，因为在我们自己的感受器官当中信号从大脑到手上是有毫秒级的延迟，人是没有问题的，所以想和大家分享一下我们怎么解决大脑延迟的问题。

    刚性是一个力学机械的概念，比如一个水果是熟还是生都有自己的硬度，外科医生也通过刚性硬度判断一个器官，所以机器就有这样的问题，比较两个不同弹性的东西判断其中的硬度，实验当中我们发现这些东西还是非常惊讶。信息出现延迟的话就会影响大家对软硬的判断，也就是关节和互动，用的哪一只手都会有影响，但是我们的感受是会被信息的延迟产生偏见，所以人要做出自我的调整才能在恰当的时间进行正确的反应。

    听起来我们大脑当中是有两个体系：第一是由信息延迟产生的有偏见的体系，第二是根本不会产生偏见的体系，这样两个体系是相互联系的，听起来是很有意思的，同时也很有用，现在我们就可以理解怎么去优化我们对手术机器人的设置。既然有延迟，感受上的延迟可以由系统纠正，动作上的延迟是不应该由系统纠正的，也不应该由系统纠正。

    大家可以看到这是一个非切入性的微创手术，我们想找到大脑当中对安全感知负责的部分，这是上皮细胞当中的一部分，但是今天我们不谈神经科学，只是谈手术机器人。实验是想研究视觉信息如何被延迟，刚才谈的是力的延迟，现在就不说力的延迟了，而是视觉信息的延迟，就是让两个人玩电子游戏。拍子的移动也是有毫秒级的延迟，慢慢地玩就会慢慢地改善自己对视觉延迟的状态，后来就会慢慢地没有延迟了。

    作为研究的结果，这种动作开始产生了变化，所以我们给了他们一个目标，就是让这些人做一个全新的运动，玩过这个游戏以后动作也会产生变化，变得不适应正常的运动了，所以我们一方面可以理解这里是有延迟的影响，要是再有一个新的游戏，那个游戏已经不是有延迟的游戏了。我们控制系统的时候也要有这个概念，并且要进行量化，就是让设备在自己的能力之内进行自我调整，从而解决延迟的问题。

    最后我要讲的一点和手术机器人没有关系，但当我们在研究视觉延迟的时候要让受试者参加不对称运动和半空间忽视，受试者的感受是不同的。科学家想用这些研究神经感知上的东西，同时也想创造这个人适应不对称视觉以后有没有新的变化，然后我们就做了一些假设。大脑的两个部分是如何互相交互和通讯的，这样会产生一个概念，就是怎么理解两个大脑半球的功能，深入理解以后才能产生解决方法。

    总结一下今天讲的内容，我们想去理解人的行动，把它应用在机器人控制里面进行手术技巧的评估、手术机器人的提升，同时过程当中理解大脑工作的机制，这也是令人惊喜的。

丁汉：下面有请香港科技大学教授李泽湘带来主题演讲，题目是“机制创新、核心技术突破与新工科教育”。

李泽湘：

谢谢会议的邀请，实际上直到昨天晚上，我还是没有理清楚这一次我到底要讲什么，能够对在座的各位年轻的朋友有所帮助。展厅当中我们也看到了很多年轻的创业者展示自己非常有趣的产品，希望能够通过今天的讲座分享我的一些想法。

    过去的几年尤其是最近一两年当中我都感觉有些问题，似乎存在但是又说不出来，就是怎么很精确地把我的问题定义出来，然后把我的思考能够和问题衔接起来。一个星期之前我刚好去了一趟以色列，他们安排我去看了一个以色列的孵化器，但是在去的路上心里确实感觉很沉重，因为两边都是穷山恶水，山上都是光秃秃的，我就想跑到这里看什么呢？一个山包里有一个很小的工业园，可能和湖南乡镇的工业园差不多，所以我以很犹豫的心情进了这个孵化器，进去以后他们在医疗农业方面的水平之高让我非常惊讶。

    当时我就和工业园的创始人在聊，因为他经常会来中国，我就问他你熟悉不熟悉深圳一家医疗设备方面的公司，我们在深圳把他们当做成功的典范，早期在纳斯达克上市，那边撤回来在中国又重新上市，股价翻了大概十倍。这位创始人对我有些不屑一顾，就是在中国这么大的市场，政府那么多的支持，又有深圳这么好的条件，如果一个公司销售自己的产品少于一百亿美金不能算是成功。这给了我很大的震撼，因为深圳这个公司的创始人办这家公司赚了很多钱，但是更多的钱是搞房地产赚的。

    昨天晚上我把这个问题定义得更加精准了一些，就是核心技术突破的最后一公里，怎么通过机制创新和人才培养达到这个目的。

    为什么这样讲呢？过去的二十多年我比较深度地接触了中国的几个行业。丁汉是机床行业的专家，半导体设备尤其是封装设备行业，十几年前我就和丁汉一批人推动半导体的制造，我第一个失败的创业公司也在这个领域。当然，工业机器人我做了几十年，看到这些客户起起伏伏，最后都碰到最后一公里的问题。实际上这在我们国家整个基础产业还是一个普遍的现象，所以我梳理了一下。

    这些现象产生背后的根源在哪里？我也总结了一些我自己的看法，通过几组数据针对三个行业进行简单的梳理。

    我们知道中国的机床市场从2000年就开始快速增长，已经连续很多年都是世界第一大市场，而且还不是简单的世界第一大，第二名、第三名、第四名、第五名、第六名、第七名加起来也没有中国的市场大，这种需求就是一个公司发展最根本的条件。有些新的需求在这个大行业当中，最近这些年是电动汽车，全球70%的手机都在中国制造，尤其是苹果IPhone之后很多手机外壳玻璃都是通过机加工实现，当时有句话是把全世界CNC Machine放在中国都满足不了一个客户的需求。

    那么在这样一个大前提下，机床行业又是什么样的结局？媒体上看到早期中国政府布局的国家十八罗汉，现在几乎全消失了，沈阳机床曾经是世界第一大机床厂，大连机床是可以与其比肩的另外一家公司，这是国企机床行业的表象。国企是有机制问题，我们来看民企怎么样，花了很多时间调研民企，就是宁波的海天。尽管机床的规模也不小，十几个亿，但是档次、性能和指标在宁波很多做模具厂的，也就是用来做粗加工。

    这些年来国企也好、民企也好，采取的一个战略叫做先做大后做强，实际上这是一条不归之路。做大就意味着牺牲产品的质量，牺牲技术的突破，所以我没看到一家公司是这条路走通的，有些公司先做强再做大，这条路反而走通了。我花了很多时间去大连机床厂看到产品，机床产品种类很多，而且其它的产品包括导轨主轴电机都做，这也是中国这些机床产业的通病，一个产品没有做好马上就要扩大到很多个产品。

    让我更加惊讶的是，这家风景漂亮的机床工厂对面有一家德国厂和一家日本厂，所以那里没人的时候它的隔壁同样的员工也是来自大连机床厂，完全不同的精神状态，订单供不应求。所以从一个机床厂出来进入另一个机床厂，有点像从国统区进入延安，但很可惜，倒过来了。

    我们的十八罗汉因为机制问题不行，所以我最后跑去了捷克，这些机床公司曾经也有自己的公司人员，改革以后又私有化了，虽然没有那些控制技术，但还是做得相当不错，这也就可以反过来印证朱镕基当时的国企改革没有推下去，使得这十八罗汉最后变成十八死汉。这些面向市场竞争的领域，国企应该怎样继续改革？实际上现在国企在机床领域最多扮演了一个备胎的角色，而且是非常昂贵的备胎。

    除了机床领域，还有半导体和芯片领域，包括固金、焊相，中国的半导体芯片消耗占到全世界的60%，而且过去这么多年都是20%的增长，要是芯片别人已经占据了位置，我们还有一个很好的产业，就是半导体照明LED。这个产业起来的时候，2002年我们只有几十亿，今天我们已经达到4000多亿的产业产值，但是很可惜，我自己也在这里有一个创业公司叫做比瑞最后失败了，四十五所就在旁边也失败了，现在还留下那么几家，但是规模和国外相比是1/10或者1%的差距。

    我们来看工业机器人，因为汽车和手机产业都有很多需求，2012年开始工业机器人成为全球最大的市场，而且未来还会接着保持。3C出来的时候工信部在合肥举行了工业机器人研讨会，王天苗根据奇瑞的艾福特数据把工业机器人的成本做了剖析，结论就是不掌握核心零部件，我们没办法做这个产业。后面我又花了很多时间调研同样安全组织的价格组成是怎样的，提出几个建议：高度集成、驱控一体，发展自己的减速器产业，再就是避开大陆，汽车已经太晚了，但是3C产业还有希望，所以自动化就是在这样一个背景下起来的。

    2011年开始到现在已经八九年了，这些企业到底走得怎么样？都有碰到什么问题？这段时间我也做了总结，有些进入了最后一公里，但是最后一公里怎么走，我们都有哪些想法？这里我们把中国和国际品牌做了一个对标，大家可以看到我们也有那么一家或者两家公司产品已经接近最后一公里，还有很多刚刚已经讲了，右上角的基本上没有什么我们的品牌。这是第一梯队，第二梯队大家都知道，包括捷克，第三梯队是很多机床界的朋友和我讲的，我们自己在第四梯队。

    过去四十年来，利用中国的市场我们有极少数企业能够突破最后一公里，硬科技领域有华为大疆，互联网企业有腾讯阿里头条，当然也可以把最后一公里不是用国际品牌对标，而是拿客户期盼作为对标。当然也有少数接近最后一公里，更多的企业主要针对市占率，如果把国际品牌和客户的期盼作为一个参考项，我们发现有这样三类企业：一类企业逐步逼近最后一公里，经过艰难的奋斗突破了客户的期盼，进入到了国际一流品牌。另一类企业最后一公里基本上跟不进去，只是消失的那一公里，非常的艰难。更多的上去之后又下来了，这就是我们看到非常多的企业，短期内取得了成功，但是在各个方面犯了很多错误。

    我自己这些年来也一直在总结反思，因为我犯了很多错误，有的时候都睡不着觉。通过大量的总结案例，包括深圳二十年创办的一些公司，松山湖过去四年创办的五十家公司，通过很多客户进行调研。我自己也到世界各个地方拜访学习，包括日本、东欧和中国内地，希望能够找到一些理由。最后我的总结是，一家公司要突破最后一公里，成为国际一流阵营的公司，必须满足十个条件，当然这不是充分条件，但至少是必要条件。

    首先要有强大的本土市场需求，还要有热情和激情，并且有远见卓识的创始人，知道自己的标杆和目的在哪里，围绕客户的需求定义产品和服务。我们知道三个行业都是硬科技，必须要有非常好的团队，工匠精神和科学精神，不能总是拿客户当小白鼠，就像Science Robotic，通过科学的原理来做这件事情。做好打持久战的准备，聚焦和持续的投入。想要进入这个行业的年轻人，看一看自己是不是达到或者接近。

    按照这十条的标准，我也给很多国企和民企打了个分，大家不见得认可。三分算是及格，低于三分就有问题了。我们极少有这种复合型的创始人才，包括对技术、市场、产品、管理都有综合的了解。国企大家眼睛不是看着客户，而是看着领导，这是一个致命的问题，也是高校致命的问题。民企不断分化、不断山寨，做得好一点团队又出来了。国企有团队，但大家都有两份工，白天在企业上班，晚上在外面上班。民企有积极性但没有团队，工匠精神不说了，科学精神头痛医头，脚痛医脚，这是教育的严重缺失。持久战不断迭代，因为不迭代的话产品是出不来的，但我们的国企干部频繁更换。民企只有一代人，因为在欧洲我们看到很多公司都传了三五代，我们的大部分二代已经搞金融和房地产去了。科学的管理、机制缺失、贪污腐败、管理粗糙。深圳有一家有名的机关公司搞了产业园区，股票也开始出问题了。

    这些就是我们存在的问题，问题的根源在哪里？怎么解决这些根源？任正非讲过靠教育，但教育到底应该怎么做才能解决这些问题？这是德国和瑞士把大学连接起来的桥梁，就是科技创新中心，里面有瑞士的解决方案，也有很好的机床公司，左边还有很好的大学。我们大学的水平恰恰很差，右边的产业很差，中间也没有桥梁，这是我们最致命的东西。一个城市或者一个地方要在这些领域突破，创新的生态怎么去构建至关重要。

    大学的问题在哪里？现在学校当中要选工学院、理学院或者管理学院，选择电机系或者机械系还有更多的分差。进去以后就要按班就序地学习数学和专业基础课，到了四年级做一个表面的毕业设计，试图把前面的东西融合起来。美国的课程体系都是四门课，我们的课程体系是七八门课，这样会有什么问题呢？卡耐基梅伦1995年做了一个调研，那个时候我读大学，每个学期是五门课，调研结果是课上得越多的学生成就越差，就是这样一个基本的道理，大学当中普遍严重迷失。

    我们可以看到老师都是灌输，讲完课就走了，学生把东西背下来、记住了，能考试就行了，但是斯坦福有一个老师开了一门课对斯坦福改变很大，苹果、特斯拉的很多工程师都是从这门课毕业的，这是一门项目课程。为什么要开这样一个项目课程？就是按照传统模式毕业的，既会考试，也有高分，但是毕业以后不知道怎么解决一个新的问题，设计一个新的系统，所以要对教育改革。哈佛大学的教授也讲到传统灌输教育知识的方式价值已经是零了，因为每个人都有一个手机，知道不需要背百科全书。

    我自己在香港科技大学也得益于一门机器人课程，学生不同专业在一起动手设计制作调试一门机器人，学到了创业所需要的Soft Skill和Professional Skill，包括大疆的创始人等等。红杉花了几百亿美金以后获得了一些经验教训，进行什么创新必须要有什么素质，包括好奇心和激情等等、科学的方法、创新者的素质、好奇心、跨团队的合作，能够把不同的东西连接起来，这些都是学校可以通过合适的教育体系赋能的。

    这是美国的一个小学校的校长给出的工程教育新样本，所以要解决的就是怎样让学生掌握一定的学习型知识，怎么具备创新者素质，怎么找到自己的兴趣，遵循自己心中的梦想。学生的平均薪水超过MIT毕业生，没有研究生、没有博士，按照我们的话就是二本的学校，但是闯出了一台创新人才培养的新路。可以看到设计课程是核心，然后就是四年每个学期学的课程，相比传统的课程体系完全颠覆了。

    过去的二十年我国机器人高端装备产业从无到有、从小到大，尤其是市场应用领域确实迈出了很大的进步。极少数领域我们也有一些企业能够突破最后一公里，进入国际一流品牌。但是很多的细分领域我们要更上一层楼，必须进行机制创新和人才培养。现在很多大学把新工科做成形式化，不是大胆地去探索，到底新工科对产业的发展、解决产业的问题应该怎么做，完全还是关起门来就看领导的眼色在那里做事，这和做产品一样，是注定很难成功的。

丁汉：下面有请意大利比萨圣安娜大学教授Paolo Dario带来主题报告，题目是“仿生机器人科学与工程技术前沿”。

Paolo Dario：

这是我第五次来到世界机器人大会，见证了大会五年的进步，我也感到非常高兴。今天想和大家介绍一些关于生物机器人以及生物学、科学和工学之间前沿的东西。

    首先想澄清一个误解，“机器人”这个词是用错了。很多人认为机器人必须要有身体，其实机器人不一定要有身体。工厂使用机器人是非常现实的，无论是数据还是科学的角度都是切合实际的，但身体是一个实体的、物理上的词汇。在我看来，正确地考虑、分析机器人的情景，我们要知道机器人的实质是什么，机器的背后是科学和工学，所以自然以及生物学的词，不管是动物、大气、土壤、海洋，以及机器人真正的领域。

    当然，这种方法很多人都会遵循，尤其是人类历史上经常会遵循这种方法，但大多数情况下都是失败的，为什么？因为我们没有足够的知识、没有足够的材料、没有足够的能源，可以从很多生物系统当中提取出灵感，但是新的科技、新的技术、新的意识都出现了，研究者现在可以产生出不同新的智能进行机器人的研究。智能不光是AI，而是在身体、感官和连接当中，是在生物体当中存在的，最后智能是一个自我的行为。

    仿生学和生物学是新的机器人使用的前沿，也是加入AI的应用，所以这里讲的都是生物机器人和仿生机器人方面我的个人观点，我认为这一定是机器人最具有革命性的前沿。

    我来自芬奇镇，距离我自己的生物机器人研究所只有三十公里。达芬奇逝世已经有好几百年了，大家也在纪念他的诞辰，但是达芬奇仍然给了我们很大的灵感。当然，斯坦福也是一个非常有意思的生态系统，也在开展创新，但是里昂纳多达芬奇是一个科学家、工程师、艺术家，这是非常有意思的一个现象，也是非常现代的楷模。里昂纳多达芬奇找到了这样一个看法，就是建造了很多系统设备，很多都是从大自然当中获得灵感。自然要让运动发生在动物身上的话，不用给设备就会自然发生运动，但在机器上是不一样的。

    我自己在《科学机器人》杂志编辑委员会担任职位，指出了机器人学面临的很多大的挑战。个人认为大学的主要角色是培养人才，卢尔斯定律是非常可预测的，没有什么新奇的发展，但是有些颠覆性的、最不可预测的创新，谁能想像扎克伯格能够建立脸谱公司，或者谁能想到在脸谱公司工作，乔布斯、Google和Twitter的出现没有人能够预测得到，这是不可预测的创新，而是可预测的创新。个人认为大学的决策非常重要，需要展望长期的未来，不是三五年的未来。

    我个人也尝试了一些对未来机器人学的尝试性预测，那就是从工业机器人到第二波服务机器人，然后到第三波革命化的、非常新的互联互通集成机器人，未来可能就是我们的预期，比如伴侣机器人，就像《我，机器人》电影当中出现的场景一样。

    科学是非常重要的，大家可能低估了这一点。现在诺贝尔得主是要做科学研究，也有这种远见和对未来的感觉，这种知识能够帮助开发很多消费品，市场上可以看到科学带来工程学的深度创新，现在已经深入千家万户，人工智能、机器人和仿生学也是非常重要的。生物机器人和仿生学不仅仅是动物或人，实际上在这里包含了很多大的范围，比如海洋和植物，这些生态系统元素非常重要，我们要通过他们理解并且解决当今世界的一些问题，然后把他们的原则用来开发医疗机器人、手术机器人、恢复机器人，或者是做生物医学机器人，并且可以开发人工器官和人工假肢。

    这些机器人不是使用在通用的领域，主要是用于做科学研究，当时我们感觉很疯狂，但在当今世界这种情况还是可以接受的。当然，有些机器人主要是用来解决实际的问题，比如这里列出我们自己做的研究所的一些研究。仿生学出现于1958年，目标是理解或者解释像生物一样的系统，可能是模仿一些自然的特点，但是有一个科学的研讨会去做相关的报告，当时研究的基础是比较简单的。这里提出的理念是机器不仅可以实际使用，而且可以右玉科学研究。

    仿生学出现的背景也是非常特殊的，因为当时处于冷战，美国和苏联有这样一个希望，就是将海豚或者鸽子用于间谍工具，当时有几年的时间是为仿生学提供了大量资金，后来有些投资下降，因为出现了一些问题，但我自己和一些同事是在1989年办了一个历史性的研讨会，就是关于新的仿生学的研讨会，包括福田教授和其他领军者都在场，的确是预测了机器人学的未来，讨论了非常根本的科学性问题，今天仿生学眼睛和耳朵已经在临床环境当中使用了。

    我们知道现在存在一个日益不断扩大的趋势，就是开发非常先进的器官，这些器官在体内是非常优雅的，虽然自主性还不够，但的确是仿生的器官，而且也有很多成功的案例。比如仿生学的假肢，几年前我碰到一个人有两个假肢，也有好几个孩子，几年前看到他就像一个健全人一样行走，这也体现了仿生学假肢的进展。生物机器人和仿生学的确是和工程学相关的科学，也进一步得到了认可，比如欧盟有非常强大的倡议，也被称为欧洲研究理事会的工作，资金达到两百亿欧元。

    我的一个同事是在生物机器人研究所，拿到了这样一个资金，可以做基础研究，也就是机器人学的基础科学研究，这也进一步证明了逐步的机器人已经认识到是一个科学领域，之前有发言人讲过，的确有传统的情况，但是科学机器人其实是有90.0Impact因子，这在《科学机器人》等等相关期刊当中是最顶尖的，而且也是很鼓舞人心的，就是对这种机器人的做法来说非常重要，而且我也参与了这项工作，曾经作为医疗机器人和仿生机器人的相关刊物主编，IEEE也参与了这项刊物的工作。

    我们可以把这些点联系起来，包括生物机器人的变化。首先是《科学机器人刊物》作为一个新的进展，而且我们也开始了一项新的课程，非常成功，就是仿生工程学，教育新一代的工程师，让他们了解或者知道今天我跟大家讲的内容和知识。之前我们讲到了内窥镜，但是要提醒大家这样一点，就是我们要了解生物界的行为，通过了解虫子的行为解决健康方面的重要问题，就是直肠切除手术，虽然非常重要，但是会造成很大的创伤。

    我们建设开发了一个无痛的直肠切除手术，现在已经在临床当中使用，也得到了美国药监局的认证，就是从生物和动物当中获得灵感。我们刚刚完成一个欧洲的项目，也是一个封装的做法，这不是严格的仿生学，具体的驱动是机械化的，但是采用的是无创的做法。大家可以看到传统的结肠镜检查力度是非常大的，但是封装的力度是很低的，也就是无痛的。之前李教授也有谈到，我自己担任一个团队的领导，是在北京理工大学引领团队做封装机器人。我们有非常宏大的目标，也希望解决癌症这样的问题，同时希望造福全世界。

    这是一个非常复杂的系统，比如很多驱动器接口，但是我们正在做检测。实际上非常有意思的是进入一个新的领域就可以开发和生产很多不同的知识，也可以和学生提出很多新的想法，不仅是在机器人领域，而且可以去做一些可调整的机器人。比如可以进入人体的机器人，这是麻省理工提出的方案，或者是属于某种电子鼻子，放在胶囊当中诊断癌症，这是未来的方向，也是要投资于微型的流体，进行微生物菌群的分析，然后看一看肠胃里面细菌的情况。

    我个人的梦想在八十年代是发展一些非常先进的假肢，就像电影《星球大战》里面的情景。作为工程师，我们总是想把梦想变成现实，需要理解问题然后开发出机器手，希望让元件变得更小更轻，同时有大量不同的传感器，实际上这是很多机器人都在思考的，包括替代性的应用都是越来越多。很多当时的学生都变成了教授，他们都建立了自己的公司和实验室，同时把这些非常有难度，很大胆的想法都在变成事实。

    这是一个植入性机器人，可以控制假肢，现在不光是机器人，接口也在进化，就是从中枢神经到技术的控制，神经科学、神经工学等等都是得以发展，就是去理解信号如何在变，也会开发出新的人工手臂。这种人工手臂不光是机械手臂，而且是构成人的神经系统的一部分的手臂，我们可以做这些工作，这是在《科学与自然》杂志上发表出来的一篇文章。这是一个真人，不光可以控制自己的假肢，也是整个项目的负责人，这个病人不光能够感觉到不同的材料，能够让有残疾的人重新自己行走，也就是使用机器装置，可以让盲人重新看到影像。

    下一步会出现什么？所有的这些都是关于很大的愿景，比如很像人的机器，或者是仿人机器人。应该由大学来做这些工作，大学必须要有伟大的梦想，也许未来二十年都实现不了，但是我们不能停下梦想的步伐。大学是教育的地方，所以首先需要教育人要有伟大的梦想，理解仿生学最基本的原则。这些不光是观察生物，我们想发展科学，所以要了解系统的不同在哪里，因为有多种多样的系统。这个领域和机器人有什么区别，对于机器人科学很重要，但是在工厂当中总是有结构性的环境，自然会有十亿百亿的结构，下面一定有共同的结构，能够把这些结构提取出来，用在机器上就是伟大的发现。

    我们可以从自然获取很多灵感，人形机器人复杂吗？还是太简单？对于机器人我们需要做的就是把问题简化，不是要把东西做得简单。最新的想法是环境的互动，认知也是来自于环境的感受，形态学和仿生学都很重要。这是一个非常智能、也非常有恢复力的机器人，模仿的是昆虫，或者是另外的一个机器人。

    我们刚才说过很多关于能源的能量，有的时候对能量的角色思考不足，为什么很重要？怎么管理能量和能源？怎么让系统更加有效和高效？我们不可能发明出浪费能源的机器，或者材料也值得思考，有没有什么新的材料可以用？也就是要有革新的理念，这种解决方案是非常令人印象深刻的，其实力学安排是非常简单的，用的都是比较常见的粉末，成本也是非常低的，软体机器人也很重要，都是一片一片的材料组成的。

    这是我的同事Shiva做的项目，想要理解八爪鱼怎么改变自己的触角角度，怎么通过这么少的神经元做出这么复杂的动作，用的就是所谓的Embody Intelligence，这些都是可以用于新的简化原则的机器人身上，比如桥接，事实上这些解决方法会产生巨大数量的应用场景。这是我们做的机器人在海底行走，也是由《国家地理》拍摄，手术上也可以使用，比如软体机器人可以用来做微创手术，通过软体机器人帮助人们的生活起居很重要。当然，通过控制和传感器都很重要，但是带有智能的机器人也很重要。

    大家可以看到软体机器人的世界是非常广阔的，有着巨大的潜力。这是《科学机器人》获奖的一篇关于软体机器人的文章，形态、挤压和抗压能力会形成新的领域。我们正在发明新的由植物启发的机器人，这是一个非常大的项目。

    我们面临的巨大挑战是非常多的，但是我个人的选择是这个，如果我们畅想一下机器人的未来，一定要去学习那些最优雅的动作，比如一个有激情的舞者或者一只猫的步伐，这些一定是最有挑战，并且最值得我们去研究的。就像达芬奇所说，意愿不是足够的，我们必须要动手去做。

丁汉：接下来进入“机器人技术在现实世界新兴应用中的挑战”高峰对话，有请美国斯坦福大学教授、国际机器人研究基金会（IFRR）主席Oussama Khatib作为主持，同时有请以色列机器人协会（IROB）主席Zvi Shiller，俄罗斯机器人协会（RAR）主席Alisa Koniukhovskaia，中国科学院沈阳自动化所机器人实验室副主任、IEEE机器人与自动化学会（IEEE RAS）副主席刘连庆，美国机械工程师学会（ASME）秘书长Thomas Costabile，德国慕尼黑工业大学机器人研究所所长Sami Haddadin，国际机构学与机械科学促进联合会（IFTOMM）副主席Giuseppe Carbone。

Oussama Khatib：

事实上，六位专家将会讨论不同的挑战，其中既有机器人协会的代表，同时也有来自学界的代表，讨论的过程当中大家会发现很多新的想法、新的主意，我也非常荣幸能够担任本次讨论的主持人。今天我们处在一个新的机器人时代，机器人一开始是用于工业领域，一天的时间我们也说了不少，但是现在我们发现机器人和人的距离越来越近，也是通过触发式的设备作为接口，这就展示了现在既有人类也有接口。

    机器是自主自治的，可以应对很多挑战，同时还是需要人类的认知干预，这在很多情况下都是常态。我们要超越这些工业机器人，但还是需要超越这些处于结构化的环境。这些机器人都有提前做好编程，我们要让机器人进入这样的环境，那么就需要新的、不同的机器人传感器和编程方式。机器人需要保证交互的安全性，能够知道人类的意图，并且也会支持人类的任务。

    大家都知道Ashima，可以做除了行走之外的很多其它事情，比如能够完成任务，可以真正帮助人类在家政服务领域，比如上菜倒饮料等等，那么我们应该如何为这些机器人编程？现在我们做的基本还是使用同样的技术，制造业领域使用的都是预编程的技术，但在未来是不管用的，我们需要的是有人情味的解决方案，比如小孩子是如何去做这项工作的，这就依赖于我们对技能的理念，今后我们也会更多地听到大家去讲如何获得技能，如何把这些技能怎样放在机器人身上得到体现，现在我们正在从一个结构化的应用场景进入最具挑战性的场景当中，这是人类非结构化的世界。

    由于人类的感知并不准确，依赖的是触觉和柔顺度，除了在工业领域的僵硬机器人，我们也需要柔顺机器人，能够让我们构建新一代的机器人，这样可以在非结构化的环境下去运作，所以柔顺度是带来了很多挑战。刚才看到可以有很多半柔性材料去做，然后可以使用完全不同的办法解决这一问题，比如做了传感器检测到接触的柔顺反应，这些技术在多年都得到开发，而且也有很多不同的原型。世纪之交也有原型，之后会有不同的机器人得到商用，包括交互的能力、操作的能力、合作的能力，也能够确保安全。

    现在我们谈论的是下一代的自动化，以及如何实现4.0，唯一的办法就是能够提供机器，支持人类在很困难的场景下去做，这些场景下只有通过人机合作才能完成。我们考虑机场的操作肯定是有一个固定的设备，然后有机器人在非结构化的环境下没有固定的东西，所以人类有两只手在运动的过程当中，需要捕捉到这种技能，而且要有两手的协调。这些挑战会越来越大，因为我们正好进入了这一领域，要让机器人进入非结构化的人类环境，与人类的交互需要更好的对人类的理解，人类和机器有很多的控制和建模，可以使用很多机器人学的建模对人类进行模型的建造，然后看如何构建人类的运动，得到人类在运动过程当中的数据标准，这样就能够通过观察和获得反馈进行建模。

    这些机器人到了最后会走到什么点呢？医疗领域是一个大的应用领域，卫生健康不仅是唯一的应用场景，我们有很多的应用场景，比如服务领域、工业领域，而且还有实地机器人，所有的这些应用都有一个共同点，那就是要有共同的核心研究，相关的研究涉及了很多的领域，包括设计、材料、传感器开发、规划、控制、推理、评估、感知，我们如何去做机器人的建模和交互，最后也要把接口做出来，然后和人类实现触觉的交互。因此机器人学是非常复杂的，包括很多不同的交互频率，包括行动和感知，这种环境也是基于一系列的跨学科领域，就是有不同的领域参与，通过这些不同的领域都结合在了这些不同的层次。

    我们进入新千年有着许多不同的进展，包括机器人发展周边促进的技术，现在已经使用在新的机器人上面，同时机器人学已经有将近六十多年的工作，也已经达到了一定的成熟度，这是我们已经看到的场景，很多场景都是在医疗健康领域、辅助人类增强能力。这是主要的机器人学的发展，我们也可以看到很多的进展，过去这么多年在医疗干预的过程当中，我们在北京展览会上大家也会看到更多的案例，包括很多非常棒的现场机器人的发展，大家可以看到他们带来了新的系统，设计理念也是非常新的，能够让机器人进入深海从远程做任务。

    这里我想邀请我的同事为我们讲一讲不同的挑战和理念，然后就开始讨论，如果大家有问题的话也请踊跃提出，我们非常愿意讨论您提出的问题。我们会讨论非结构化的环境挑战，设计的新范式以及能源问题，也需要更多的自主自治，如何实现人类水平的技能，这是机器人学的一大挑战，包括如何确保安全，怎样带来更真实、更可靠、更安全的支持，很多方面都是和社会的预期有关。很多人担心机器人，或者机器人在媒体上有怎样的报道，我们的确有这种责任解释清楚我们讲的到底是什么，如何处理政策问题，如何去做宣传，如何应对合作与竞争方面的挑战。

Guseuse Carbone：

非常高兴来到这里，今天我在这里代表的是国际机构学与机械科学促进联合会。我们有四十三个成员国，当然也包括中国，还有意大利，我自己是意大利分会的董事会成员。

    这里我想简单地和大家介绍一些关于康复机器人的关键点，特别是聚焦在中风病人，中风是老年人经常出现的疾病之一，很多人都患有中风，欧洲有超过一百多万的中风患者，多数患者一年之后的幸存率都比较高，达到会有75%甚至80%，但是多数都会有后遗症，所以有必要让他们去做一些康复活动。由于人口老龄化增加了中风患者的数量，同时我们缺乏人力资源，也缺乏能够治疗中风病人的人员，包括缺乏国家医疗体系的资金帮助这些病人，到了2060年的时候我们没法提供足够的资金服务所有的中风病人，因此有很大的机械化需求，必须要由机器解决这些病人的问题。

    目前我们在做一个欧洲的项目，第一阶段通过成本优化的方法解决家庭护理，即使是欠发达国家也可以实现，所以找到新的方法、新的范式解决这些情况的问题，治疗这些病人。现在仍然有些关键问题没有得到答案，其中一个主要问题是安全性，人和人有互动，必须要由安全方式进行，怎么解决仍然是一个没有答案的问题，现在很多人都在讨论，减少成本提高这些解决方法的可接受性，不光是从病人的角度，而且是从医生和理疗师的角度，有的时候不是很愿意使用这些新的设备，因此我们还是很努力地工作，找到新的方法、新的想法、新的概念、新的范式、新的发展，能够确实产生影响和被商业化，造福这些被疾病困扰的病人。

    我们给大家一些不同的解决方案和范式的例子，来看一些照片和视频，这些都是我们开发的原型。这是欧洲的一个自助项目，是由线缆驱动的解决方法，没有刚性的部件，可以让安全性得到提高。刚才我们讲过安全的重要性，也可以用线缆连接的方式建立成本，因为线缆是比较便宜的。我们可以继续研究这个角度，实现新的解决方法，比如一千欧元就可以买到这样的设备，然后把它带到家里进行家庭护理和家庭治疗，或者是远程的方式，进行由医生在医院的监测。人的关键操作就是抓这个动作，帮助人恢复自己手抓的功能，所以还是有很多挑战没有解决，也都可以在我们的工作当中有非常大的影响。

    这些只是我们讨论的开始，真实世界当中改善的领域还是非常多的。

Thomas Costabile：

我们也有不同的应用标准，今天介绍的是我们的五个核心技术。大家可以看到中心是机器人和科学，这是我们最关键的领域。我们觉得一定要保证不同应用的安全，安全永远是要考虑的第一要素。我们和十八个不同的组织合作，也有成千上万的志愿者，今天我想讲的是不同的无人机可以安装不同的机器人组件进行设备检修和维护，出现宕机或者位置难以接近。我们设计了一些非常小的机器人进入这些大的管道或者水箱，这样可以作为设备继续运转。移动的地面机器人、潜水的检修机器人，或者检修的UAV驱动机器人、维护修理机器人等等，这样会造成许多新的变革。我们的解决方法是移动机器人，很多工程师和科学家都在开发新的安全方法，接下来我想和大家探讨一些问题，如果大家想提问的话可以联系我的邮箱。

Sami Haddadin：

我是德国慕尼黑工业大学机器人学院的院长，刚才我们听到了很多的挑战以及很多的概念，其中的一个挑战就是一体化，我们都看到了巨大的进步已经发生，过去的五到十年当中AI发展很快，也有看到一些成就，比如Google Deep Mind参加围棋大赛，自行设计自己的步法击败了人类冠军李世石。这是三四岁孩子很容易做的一些动作，身体本身是有很多内部的智能，可以应用在中枢神经里面，最近的案例是使用大数据方法，很像围棋大赛，比如Google或者其他企业当中就有开放的AI，他们想做的实际上是用大数据的方法解决一些机器臂的问题，就是很多身体智能可以用AI、机器学习和大数据方法结合机器人里面解决。

    目前我们可以看到很多计算的资源，比如从A到B进行移动，最后你做的事情只是一两岁的孩子能做的，所以我们又回到围棋的游戏当中，希望让更多的机器和数据计算都更好地融合在一起，理解怎么正确操作，不光是做编程，要让机器人有更多的能力，不光是用大数据，而且要用机器人做新的工作。做起来不像一两岁的孩子，而像成人的身体智能，完全通过自主的方法移动，机器人可以低于0.01的概念进行，也会击败一个人或者一个学生，机器人进行学习以后可以比人的表现更好，也是机器算法和机器人学习的第一步。我们将会进入一个新的时代，就是机器人和人工智能的结合。

Alisa Koniukhovskaia：

作为委员会，我们的工作主要是连接和桥接，总结挑战并且回答挑战，帮助机器人的公司，也给政府更好的建议，就是创造出更好的机器人公司发展的环境。一个关于机器人的问题就是走向国际，一定要找到外国公司之间的联系。另外一个主要的挑战就是市场信息，因为如果我们没有足够市场信息的话就不可能做出正确的决策，无论是政府还是投资者都无法行动。公众意识也是一个考量，公众意识太低的话，比如打开新市场、开放新市场都会有问题。普通人并不明白什么是机器，只知道有机器这个东西，所以要更好地教育未来会怎么样，所有的这些工作都是有各种各样的挑战。几乎所有的公司都有自己的挑战，比如大学的挑战是如何跟企业接口导向自己的研究，同时企业是开放市场和竞争方面的挑战，还有和投资者的合作，政府如何创造更好的环境，那些公司也都有挑战，要有新的客户和新的市场，做好新的解决方案的产品。国际合作也是非常重要的，我们如何开展合作，我们可以做研究、做科学、做投资、做教育，也可以举办活动，所有的这些都会带来挑战和机遇，因此我们需要去做国际合作，探讨机器人领域的发展。

Zvi Shiller：

大家好，我是以色列机器人协会的代表，这里就不讲以色列了，而是要讲机器人，专门讲一个小点，也就是智能机器人。

    我们来看机器人的演变和机器人学过去四十年的演变和发展，开端于八十年代工业机器人的应用，很多人说当时是单体的机器人，设计就是要单独地在已知的环境下工作，要是不了解的环境下，比如火星当中机器人的运动就会非常慢。2002年的时候机器人第一次进入人的家庭，价格不到两百美元，当时我的理解是这样的，机器人进入家里就不会想离开了，你也不想让机器人离开，这就开启了一个新的纪元，就是机器人变得更小、与人类更亲近。现在人类已经进入了个人机器人时代，意味着机器人将与我们很亲近，2014年Becster开发出来的目标就是与人进行安全的互动和合作，iPad也有很好的接口能够让人类和机器人交互，未来人和机器人的交互会有更多。

    现在我们已经接近2020年了，大家都对机器人非常感兴趣，之前也有发言人提到了，我认为现在已经到了这样一个时代，未来的机器人可以称之为智能机器人。什么是智能机器人？个人认为首先是交互性的，不再是单独工作，可能机器人能够与人进行交互，机器人之间也可以进行交互，而且是自助的，要想成功的话还是需要集成人工智能和机械学。我自己是一名机械工程是，不会说我自己尊重机械工程是，我对他们不是特别尊重，他们有这种理念，智能机器人很智能是因为他们有智能软件，很多人说我们不需要投资机械学，应该投资于软件和人工智能，这会使得机器人变得智能，我是不敢苟同。

    机器人在软件和硬件上都需要智能，因为机器人有无限的潜力。首先我们可以看到一切能用的东西到最后都是按照机器人的方式运作，比如可以把这个设备从那里拿到这里，未来智能手机可能会跟着我，我就不需要戴着它了，未来如果手机电话响了的话就会走到你身边，不是你过去找他们。餐厅婚宴有很多椅子，有些人要把椅子放好，最后再撤走准备下一场婚礼，为什么不让所有的椅子都成为机器人？可以自己到不同的地方，然后自己撤离，自己把自己叠好存好，这样房间就可以准备下一场活动，两天以后我也会讲这个椅子的案例。

    当然，我们不需要对人工智能的发展担心，因为它们的能力会让机器人更智能。现在市场已经准备好迎接智能机器人了，因为已经对智能手机感到厌烦了，我们都在使用智能手机，很多人说够了，下一步应该是智能机器人了。我们可以看到机械臂是非常灵活、非常智能，软件也需要控制，最智能的还是硬件。中间有一个非常智能的传感器，会有两千个光束，就是雷射激光的设备，右边是家用机器人，看起来并不智能，生产不到一千美元，所以必须智能，这样才能去做一些工作。

刘连庆：我是刘连庆，来自中国科学院沈阳自动化研究所，现在是IEEE机器人与自动化学会的副主席。IEEE是世界上最大的学术机构，现在应该是在160个国家当中有50万Member。这是目前已有的在美国授权的专利，专利和授权一样会有很多Reference，第一名就是IEEE，大概是第二名的三倍，这是说明IEEE是引领学术前沿的重要学术机构。IEEE也有非常多的Branch，机器人自动化学会就是其中的一个，我们主办了IROS会议，今天重点介绍一下我们遇到的挑战，包括汇报一些最近大家的思考。

    今天很多嘉宾和老师都在讲智能，硅基是不是智能最好的载体？智能是不是只能从数据得来？右边显示的是现在做人工智能的方法，基本上输入的是数据，输出的也是数据，我们在数据和数据当中寻找智能。所有的信号都是数字信号，如果是研究脑科学的就要问一个问题，生物界是不是所有的信号都是数字信号？答案是否定的，应该是数字信号和模拟信号共存的，是不是都是从数据和数据当中获得智能？答案也是否定的。

    我的女儿只有两岁半，我经常观察她，她是不断地对一个动作的模仿当中学会了骑自行车和开瓶盖，所以输入和输出都是动作，输入和输出的过程当中人是可以获得智能的。这也得到了神经学家的认可。我们的智能应该是分为三个层次：首先是Perception，其次是Cognition，更重要的是Action，所以智能和动作是相关的，有了好的智能就能展示好的动作，相反，有了好的动作能够塑造好的智能。

    这是一个猩猩在学怎么砸开一个坚果，看着它的妈妈，自己也拿着一个东西去砸，但是砸不开，看到妈妈用了更硬的石头，所以用了石头把坚果砸开了。我的女儿也是和动物界一样的模仿，你可能会说猩猩是高等动物，但我们来看一个低等动物。这是一只鸟，也可以对动作的不断重复过程当中实现最基本的智能。

    什么样的载体能够促进智能发展？我们难道只能从数据当中获得智能？我们要把硅基载体换成钛基载体，就是要从动作当中获取智能，这是智能新的获取方式。

Oussama Khatib：

刚才我们谈到了安全问题，也会有更多的商业产品推到市场，所以我想谈一谈认证和标准体系的设置。

Thomas Costabile：

的确有很多从业者在做标准制定，昨天我们也看到了很多场景展示，机器表演非常安全，我的同事有硅这种智能性的产品，也是非常安全的，安全应用和安全设计都应该考虑，全球背景下我们首先的使命就是保证安全。

Oussama Khatib：

还有一个问题就是媒体的角色，讨论到机器人的时候，社会媒体的角色应该是什么？

Alisa Koniukhovskaia：

是的，社会的期待是很高的，受到媒体和书等东西的影响。过去的一百年当中很多书都是关于机器人的，现在科技是把这些概念变成现实。可以看到我们对机器人的期待有的时候是基于错的基础，人们经常以为机器人的样子是不对的，他们看机器人的媒介是电影，有的时候并不是正面的英雄，比如经常是一些反面的人物等等。媒体上人们对机器错误的想像应该是负有一点责任的，媒体经常会写一些文章，比如机器人会替代人们的工作，其实这对机器人是负面影响，因为人们会不相信机器人，不认为机器人是帮助我们提升生活水平的东西。

Zvi Shiller：

人和社会害怕机器人很正常，因为小时候我们成长起来就是这样的观点，我们的工作是生产更多的机器人，然后把他们带到人们的家里，让大家看到它们是很有用的，不是很吓人的。过去的二十年当中进入人们生活的机器人并不多，所以我们需要发明一些简单的东西带到家里，价格低廉、推向市场，这是唯一好的让人们减少自己对机器人的担忧害怕的手段。

Oussama Khatib：

完全同意，确实应该向消费者大力传播和发展，同时机器人当中有很多是设计专业机器的，比如走向深海、走向矿山，我们还是需要一些机械能够解决复杂的问题，同时与人的技能相关联、相结合。人的决策是根据自己的经验和专业技能做出的，机器是很难预测的。Sami之前和刘先生都谈到过智能以及构筑新的技能的概念，两位能否多讲一讲智能的机制？大脑模型以及最基本的开发，机器人有没有做这些东西？机器学习、神经数据，能不能带来新的模型元件，帮助加速技能的获取，这样我们就可以往前再走一步了。

Sami Haddadin：

传统的技术很清楚，可以跟踪一个问题，就是在空间内跟踪，随着时间优化，这是传统的机器人，遵循一些流程，比如喷涂焊接等等，有些环境当中很多定义没有完成，比如范围很小，或者感受能力不强，事件不能被预知，情况不能知道，这个时候需要现场进行捕获，我们把这种东西叫做技能，所以会有适应、学习和体验这些概念。

    这是一个新的学习方法，不是从数据到数据，而是从动作到动作，就是让机器人体验世界，虽然不是完美的，但是可以获得一些信息，这样他们的技能就会进行适应，丰富自己的工作范畴，然后进行普遍化的处理。机器学习的崛起可以在很大范围内丰富资源，我们可以提升竞争力，因为我们是在实体世界当中生活。

    当然，这种解决方法肯定不能是一千万个机器人，但是我们应该把机器人感受世界和人感受世界进行联系，这样不管是机械元还是其它东西都可以进行联系，时间的广度以内我们就可以使用一些算法和环境当中的体验，把这些东西变成新的技能，通过合理的时间、合理的数据实现这一点。目前的挑战在于怎么利用问题的结构来做数据的学习，可能这是唯一一个我们能够走向技能概括化的方法。

刘连庆：我认为与实体世界的互动很重要，刚才说过，现在我们正在开发的AI是基于硅的，材料很重要，我们用3D打印技术来打印大脑，当然只是一堆神经元的组合，可以进行信号刺激，之后形成自己的功能连接。我们也做过一些测试，深度学习是一个很好的东西，也是一个很好的技术，我们认为互动很重要，但是也应该注意到材料本身。现在太多的人用的都是硅的AI，为什么不能用新的方法呢？也许不对，但我们至少应该尝试一下。

Oussama Khatib：

关于人机互动不光涉及到安全问题，也涉及到机器人理解人的意图的能力。机器总是提问题的话肯定是很烦人的，所以机器人能不能自动捕获人的意图？

Giuseppe Carbone：

我们想做一些人的情绪性的东西，这样回到上一个讲者的观点，实际上我们依赖的东西是基于电脑系统，所以后面主要的逻辑不是人的逻辑，未来应该转化到由人的角度的结构和架构的方法，这样才能真正去做机器人情感的分析和设计，肯定是新的挑战、新的范式，也就是新的、像人的类人人机互动。

Sami Haddadin：

我们要让机器更加聪明的同时也要让人更加聪明、更加智能，我们可以设计更好的机器，但除非人理解机器的工作才能实现它的安全。目前我们的课程就应该加入这个环节，也就是更智能的机器、更智能的人。

Zvi Shiller：

关于自动驾驶汽车肯定是要避免撞机、保护生命，但是谁的生命？有的时候没法选择，比如车特别多的时候，你在正常驾驶，一个人突然跳到了路上，你到底是保护跳过来的人还是保护车？

Oussama Khatib：

我们确实需要人和机器的共同努力，机器和自动驾驶汽车肯定要帮助道路上自动化的发展，但我们仍然需要驾驶员的大脑，也仍然需要人的大脑去做一个决策，比如几张纸飘到车上的话你怎么办？人和机器之间这一点很重要，如果我们能够创造一个机器的肌肉和人的大脑的联系，这样会让人和机器人的合作取得成功。

Thomas Costabile：

如果出现失败的话，应该由谁负责？

现场听众：

非常感谢，我是一个学生，刚才听了大家谈论了人工智能和安全问题，我知道机器人技术分成六个级别，也是根据不同的智能水平，第六级意味着机器人有和人类一样的情绪，最终我们是不是会达到第六级呢？因为机器会进步，但会有一些伦理上的考量。

Sami Haddadin：

德国汉诺威启动了机器人四种基本运算，而且也发明了一种密码，所以我觉得这是我们领域的老祖先之一，也提出了一些非常有意思的机器，就是我们要表现人类的感情，实际上最复杂的机器就是风车，能不能想像一下更复杂的机器，到了最后可以进入里面？机构会做自己的工作，然后可以把它拆解成不同的零部件，只是机器学或者电子学的实体的东西，我们用它进行组装，然后做成一个设备，所以它没有灵魂、没有精神。

Oussama Khatib：

在座的嘉宾可能都想分享更多的经验，但是时间已经不多了。到了最后其实会是人类与机器合作共存，一个机器完全自主可以接管世界，这种情况至少在我们有生之年不会发生。

（全文结束）