近日，2018世界机器人大会在北京亦创国际会展中心开幕。大会以“共创智慧新动能，共享开放新时代”为主题，围绕国际合作与机遇、基础技术与创新、前沿趋势与探索、人工智能与融合、新兴应用与实践、市场前景与投资等六大部分发表主旨报告并进行高峰对话。其中，最受业内人士瞩目的2018世界机器人大会主论坛于8月16日上午正式开幕，现场大咖齐聚一堂，围绕机器人的技术创新与未来发展前景为观众展开一场精彩纷呈的演讲。 张建伟     德国汉堡大学教授

张建伟：尊敬的来宾们，非常荣幸主持今天上午的会议。我们要谈一谈机器人发展的未来，今天请到了来自行业和学术界的来宾，非常期待接下来的讨论。下面首先有请美国乔治亚理工大学教授Seth Hutchinson进行主题演讲“仿生机器人新突破：BatBot蝙蝠机器人”。

 Seth Hutchinson      美国乔治亚理工大学教授

Seth Hutchinson：各位早上好，感谢主办方邀请我参加此次精彩的会议，这是我第一次参加这样的会议，也非常期待能够和大家进行更多的交流。在座的很多都是我的同事，看起来好像是我们的聚会一样。今天我的演讲主题是有关仿生机器人，但我不会讲得非常抽象，而是谈一谈过去四年我们所做的一个具体的项目。过去是在伊里诺易大学，目前在佐治亚理工大学。

    这是我的团队当中的三个成员，阿里亚佐尼是我们的博士后，中间的乔霍夫是位博士生，宋成也是一位教授，我从他那里学到了很多。

    这是国家地理频道的一个视频，讲的是蝙蝠的飞行。通常来说，仿生的开发首先是观察生物的行为。我们有很多方式思考生物给我们的启示，可以看到一边会有人看到动物做了某件事情，然后思考我们应该做一个机器人来做这样的事情。另一方面可能会有科学家，看到这个动物后说要把它完整的地复制下来，包括肌肉和关节等等全部重新复制，看一看我们处在这个光谱的什么位置，怎样思考仿生机器人的问题。作为科学家和工程师，我们应该怎样解决这样的问题，这种仿生一方面是比较松散的，另一方面是比较紧密的。

蝙蝠的飞行方式和鸟类、昆虫不太一样，它的特点是什么呢？具体涉及到飞行机制，应该回 答的问题是需要复制哪些方面。如果需要复制飞行，大家看到我做的蝙蝠机器人之后都会提一个问题，你的蝙蝠有声纳吗？我说没有，因为声纳和飞行没有关系，我们复制的只是和飞行有关的部分，但一定是蝙蝠的特点，而不是鸟类或者昆虫的特点。

作为工程师，需要考虑的问题是如何把几何尺寸及其它参数进行复制。作为设计师，需要了解动力学和几何尺寸有什么关系，什么程度上我们可以把几何尺寸和动力学相分离？机器人是闭环控制，所以要确保其具有合适的控制架构，传统机器人的架构和便服机器人的架构不太一样，线性基础的方法是不适用蝙蝠机器人的开发。如何解决这些问题呢？通过蝙蝠机器人的开发作为具体案例，按照步骤介绍我们所做的这些工作。

    比如动力学的设计，一般来说，设计流程中到了某个阶段就会发现生物学已经没有用了，我们已经到了这样的阶段，这是因为我们所处的阶段是飞行领域的知识所无法衡量的。比如一个动物在屋子当中飞行的话，很难衡量和计算它的空气动力学。如果要把它拿去进行研究，比如在它身上放置感应器，这个动物可能就不愿意飞行了，所以还是很难的。

    再来看生物机制的复杂性，真实蝙蝠复杂性是很高的，然后再从工程设计的角度谈一谈这个问题。这是一个真正蝙蝠的动画，可以看到它的骨骼结构非常复杂。看到这种蝙蝠生物的时候，我们是和布朗大学的同事进行合作，所以只要看到这种蝙蝠结构都是来自于布朗大学的同事，他们是生物学家，可以看一看它的机制。这是一种非常复杂的机制，要在机器人硬件当中实施这种复杂结构几乎是不可能的，那样机器人会太重了，所以这种真实的蝙蝠的关节有一度左右和三度自由，甚至有六度自由。骨头上面还有一层膜，这种膜也是非常灵活的，所以非常难以复制。有些关节是活跃的，由它的骨骼来控制，有些关节是不活跃的，所以对此在机器人的结构上也很难对它进行复制，因为要考虑到机器人的各种电消耗和重量。

    仔细观察蝙蝠的骨骼细节结构，从肩膀到手和人类是类似的，但蝙蝠的差异在于手指更长一些，所以几何尺寸是不一样的，但它的骨骼拓普和人的肩膀到手指是很类似的。当你意识到这一点的时候，蝙蝠和人的手有很多类似之处，你就知道需要了解之前人们对机器人仿造人手的一些研究，可以利用它的方法，包括数学的方法来解决蝙蝠机器人的设计问题，下面几张幻灯片要做的工作主要是解决优化的问题。

    在此之前，需要理解它的生物机制。通过这则有关蝙蝠的视频，可以看到它翅膀上面有一些点，这些点是对它运动的记录，当把它置于风道中，可以计算它的空气的速度，也可以模拟不同的大小。我的同事中有很多非常专业的生物学家，做了很多这样的研究，也要从中提取一些蝙蝠飞行的特点。

    在分析翅膀移动的时候可以看到它们提取了17个关节，如果做主要因素分析的话，可以看到飞行的时候有三件事情，最后我们可以看到三种运动正在发生：首先是翅膀在拍动，左翅膀和右翅膀是在同时拍动。翅膀还有一个折叠的动作，两个翅膀的折叠动作是有先后次序的，不是同时的。它们的腿可以做上下运动，看起来就像飞机的尾翼一样。这是蝙蝠飞行过程当中的三件事情，可能有些限制因素，可以在动力学模型当中加入进去。

    在此基础上，我们设计了一个动力学的拓普模型，首先将全部的自由度进行捕捉，同时对其进行轻量化、低能耗处理，当翅膀变得越大的时候这种拍打的功能也会越来越困难，可能会带来很大的风阻，不够坚固的结构会导致某些部件掉下来。这是放在某人手上的示意图，在底部有一个发动机，这里同时发生着两件事：这种移动其实就是你所希望的移动状态，但同时又可以去抵挡一些来自不同方向的阻力，使其变得更加坚固，也在模仿它两条腿的上下移动。

    现在的问题是，这样的结构几何学应该是怎样的？如果看它的手指，它的手指角度应该是怎样的？它的骨骼关节连接应该是怎样的？有一些具体的几何学问题需要搞清楚，通过这张优化图，可以看到我们对它的角度和关节点都进行了优化，并对飞行轨迹进行预测，实际上设计过程当中自由度还是比较大的。采用这种方式，使得我们在驱动机器人的时候反而有了更大的自由度，总共大概有三度自由，还有三种自由度是属于被动型的，并且是受制于驱动器的自由度，这里用紫色的线条显示。大家可以想象这种传统型的动力学设计机制，最终要考虑到长度和角度之间的补偿关系。

    如何实现这样的设计并在动力学当中选择所有正确的参数，同时实现仿生学的飞行方式呢？很明显，这肯定是在有限条件下的数学求解问题。这是我们仿生学的同事之前在蝙蝠机器人选择的方式，会有一些虚拟标签在虚拟蝙蝠机器人当中，当然并不是现在看到的最终版本，而是一开始的原型版本。基本上要在里面找到蝙蝠机器人原型的标签参数，这部视频当中可以看到整个拍打翅膀的动作。我们把每一个标签都进行了标记，把所有座标的数据拿出来，建立这样的矩阵，然后会看矩阵当中每一列的数字，包括几何的参数等等，我们也是花了一些时间来研究这种数学。

    这里给大家提供的信息和数据可能太多了，关键的参数分析和计算它的具体值，我们是用PCA的方法进行计算。这个例子当中可能有两到三种模式，也是主要数值的输入，包括几种不同的自由度，取决于具体的条件。我们在这当中进行了优化，参数值定义为Alpha，然后看一看手臂结构的参数价值和驱动，这些都定义为不同的数学值。这个例子当中我们也进行了这样的矩阵计算，获得了这些数值以后，一方面要建立仿生学的蝙蝠机器人，另一方面是蝙蝠机器人之间的数值，然后就是优化求解的过程。

    我们使用了F-Lab的数学计算软件进行辅助计算，可以看到右边是我们的仿生蝙蝠，左边就是蝙蝠机器人，这是平行拍打翅膀的运动，生物蝙蝠一直都存在动力学的变化，至少从肉眼来看这两种拍打运动是非常相似的。上面的是非驱动状态下的机器人，可以看到它的自由度，下面的是实际的几何形状以及自由度，也就是在用电机驱动状态下的情况。这是机器人航空动力学的具体参数和情况，所以在机器人当中还是比较复杂的，里面是有很多的东西。

    机器人的大脑会消耗很大的能量，所以飞行时间也要取决于思考消耗了多少能量，可能有些夸大其词，但确实存在这样的问题。机器人的翅膀膜结构是很酷的，伊里诺易大学有些材料学的学生能做到降低其能量消耗，下行拍打翅膀的时候推动空气，最终可以实现这样的一种空气动力学的被动机制。如果过去看到过其它的工具也是有这样的情况，比如腿部做出这种运动的时候也会在下一次运动的时候出现这种空气动力学的原理。

    这里我们并没有对其进行数学建模，有些人不会相信这个验证的过程，但除了仿生学获得的这些航空动力学、空气动力学的想法之外，我们还想看一看大脑当中如何更好地控制蝙蝠机器人。现在我们的仿生学当中正在进行这样的研究，所以我们开始进行了工程学方面的计算，也会给大家看一些公式，可能看起来像符号，但这些公式并没有这么复杂。这里我们看到的是它的动力学的轨迹优化公式，基本上所有的这些都是从一开始机器人的教科书当中找到，就是常见的拉格朗日算子模型。

    这是空气动力学的参数，我们要搜集所有的信息，通过这样的机制进行求解，得到最优化的轨迹。这个机器人和其它我们看到的机器人手臂有什么区别？这里有很多的自由度，还有就是非驱动状态下的，因为翅膀在拍打的时候会有不同的动作以及非驱动状态下的参数。这里关键的问题是，我们设计出来的参数模型，可能对你来说是非常罕见的说法，简单来说就是让它保持最好的状态，不会从天空当中掉下来，也不会朝向不稳定的方向飞行。现在可以去求解它在某种驱动自由度下最优化的运行轨迹，这也能够给你一个方式去优化轨迹。

    我们进行了这样的一种轨迹的规划，里面当然会有一些限制，比如它的运动是周期性的，应该是稳定的，高度要保持，不要从某种高度坠落下来，然后我们用计算机输入这些参数，获得了比较合理的结果。

    控制部分最前面也有所提及，如果考虑其它的驱动运动与之相比的话，某种程度上来说，不管具体驱动运动的机制是什么，都有一些相似之处。当时我们参考了一些运动行走机器人的文献，就是要使用一个象限回归映像进行数学求解。很多的情况下这个机器人都会回到过去的位置，就是拍打翅膀的时候下行的动作，下次回到初始状态的时候就可以把这种动力学的公式进行线性化，之后就可以求解线性二次调节方式LQR，然后求解到回归映像当中。

    伊里诺易大学有一个非常大的场馆进行测试，可以看到它的飞行高度还是挺高的，到达某一点以后就又有一个非常优雅的落地状态。这并不是一个闭环的轨迹控制，而是拿着遥感去控制它的运行，从而能够控制空气动力学的状态，使其保持稳定。另外一个视频是在室内，花了很大的成本做这个网，但蝙蝠从来没有落在网上。大家可以看到，可能你觉得它们的控制数学算法一定非常厉害，但其实是进行了具体轨道的优化，也就是说如果在进行控制算法编程的话，最好是能够最大化地接近最优化的轨道。

    总结一下，我们一定要了解能够在仿生学当中得到多少，能够在工程学当中做出多少，通过数学的方法进行建模，从而能够获得最想复制的行为，不管有多大的自由度，最为关键的就是刚才说的这一点。 

张建伟：下面有请猎豹移动科技有限公司首席执行官傅盛进行主题演讲“真有用——推进中国服务机器人的产业崛起”。

 傅盛      猎豹移动科技有限公司首席执行官

傅盛：什么是下一个更大的机会？任何一个企业都是时代孕育生长出来的，所谓的创新无非就是在一个社会快速变化的时候抓住那个社会领域之间产生的缝隙，然后把需求发掘出来而已。个人并不认为我们有机会去做所谓的创新，更多的是做发现，发现这个社会需求的变化，然后在恰当的时候去做一件恰当的事情，让它自然地生长出来。

    猎豹移动在美国有几千万的用户，并很早就在硅谷设立了办公室，我自己也在硅谷生活过一段时间。我在中美两国来回跑，相对中国来说，目前美国的互联网服务实在是太落后了，要在那里上网买个东西一定不可能像北京这样几个小时就能送达。我们当时是想清楚了这个问题，四年前的时候我发现中国整个移动互联网的应用已经领先于美国了，当时在国内竞争太激烈，对手特别强大的时候，我们选择了国际化，并且在全球做了一个小型APP，专门清理手机上的垃圾和病毒，叫做“猎豹清理大师”，两年内在全球拥有了好几亿的用户，到今天为止，“猎豹清理大师”都有上亿的用户。今天就是这样，应用的研发和服务方面中国是全面领先美国的，大家可能都看过这样的例子，老外来到中国就不想离开，因为在中国拿着一个手机就能满街跑，很多国家都是完全做不到的，甚至落后的日本很多地方还是只能接受现金支付，每次去我都很头疼。

    回头来看，中国之所以有今天这样的服务，实际上就是互联网技术的极大发展。我们也经常去日本和台湾，有的时候我觉得这就是上一个时代的社会。在日本曾感受到，一个领域过于发达，就会限制下一个领域的崛起，中国正是由于工业化进程到了一半的时候有了互联网化，使得我们整个服务业大幅度升级。但这一波的升级也到了一个转折点，整个服务产业也会进入到瓶颈期。

    为什么这样说呢？我有一个好朋友叫沈鹏，他是美团外卖的负责人和创始人，离开美团创办了一家叫做水滴筹的互联网保险公司，我说你为什么要做互联网保险？他说你不知道，以前指挥上万个外卖员工的时候每天都会有外卖小哥遇到车祸和各种各样的意外，我们就在群里给他筹款，后来我想如果出去的话一定要做一家能够帮助这些服务人员提高生活待遇和基本保障的公司，所以就萌发了从做外卖去做互联网保险。

    今天的增长瓶颈在哪里？大家都可以看到，社会当中有很多人口红利。如果你是一家小店，你很容易做匠人精神，把服务做得很好，但十家店、一百家店、一千家店的时候没有谁能够保证这种服务还能够高水平地一致，需要大量的培训、人员的交替，这样才能做到。重复性的劳动当中要保持长时间的高水准也是很难的，大家可能不知道，我们的展台上有一个机器人咖啡师，能够模拟WRC高级咖啡师的手型来做咖啡，整个咖啡界如果一个咖啡师每天做超过三十杯的咖啡质量就开始变得不稳定，因为会疲劳，晃的手型就不会有那么高的水准，但机器人可以保证高水准。每个人都是由简入奢易，由奢入简难，享受了高水平的服务之后想要退回来是很难的，我们对服务就会越来越挑剔，但用人成本越来越高。这是属于企业的难题，如何能够保证越来越好的服务，却又用越来越低的成本？

    三年前我在硅谷看到一些小团队做的AI功能，觉得非常的诧异。昨天是我从360离职十周年纪念日，离职的时候我做了一款图片软件，但发现美图有做了图片软件，后来有一天他们推出了“大眼睛功能”，作为产品经理我们都很懵，我们都是把照片做得越来越真实，他们怎么做得越来越不真实？因为当时没有这样的AI技术，要求用户点击鼠标，想要多大就多点击几下，为什么不能找到用户眼睛自己把照片放大？我们就研究了很多人脸识别技术，那个时候就有英特尔CV的技术库，只有百分之六七十的概率找到眼睛，无论如何提高不上去，后来我们只好放弃了。两三年前我们发现很多小团队做的产品能够把人脸识别得非常好，后来慢慢地知道有个东西叫做AI技术。机器人界有一个词叫做Perception（即感知），机器第一次有了接近于人的感知能力，无论是语音识别还是视觉识别都可以在某个领域、某个应用场景接近于人，甚至在某些点上超越人。

    这是一个非常巨大的历史契机，如果没有AI，摄像头做的所有照片在计算机里面都是简单的0和1的字符串，只有AI出现以后才知道这是一个人脸、这是一句话，使得服务机器人产业才有了新的机遇。当我想清楚这个问题以后，我在想所谓的机器人产业到底是一个什么产业？AI出现之前，我们讲的所有机器人绝大部分都是自动化的机械化工具，很难有自主的感知能力，所以更多的是执行很多程序，帮助其赋予一些预定的工作，很难和这个环境发生真实的、实际的、自主的交互，基本上AI出现之前我们谈的机器人，尤其是工业化的机器人，更多的是自动化的机器，更多的是千百次地重复一个被高度定制的行为。只有当AI出现以后，我们才有可能使得这个自动化的机器从工业产线走出来，奔向我们的生活场景。生活场景是比工业产线大十倍甚至百倍的场景，这样才能在一个半开放状态下和你实现互动，主动地感知提供服务，这是一轮非常关键的历史契机。

    工业制造方面，我们没有机会和领先企业竞争，但由于AI的出现，使得机器人变成了一个非常跨界的技术，只有机器制造空气动力学是不够的，只有AI技术也是不够的，除此之外还需要有互联网的应用。今天的服务机器人可以看成手机当中一个又一个的APP，我并不认为今天会出现一个可以跟着你到处完成所有任务的机器人，就算拿着手机也不能完成所有的服务，需要下载一个又一个专用的APP。通过这种垂直维度思考可以发现，互联网的思路重新考虑机器人，可以找到很多垂直场景的应用，就像有着实体的APP一样，只在这个场景下提供服务，我们就有机会把用户体验和机械制造、人工智能结合起来，做成一个又一个垂直场景的机器人。

    这是我自己的机器人公式，就是“AI+软件+应用+服务=机器人”。今天在某个维度特别突出的未必能够做出一款真正满足用户需求的机器人，我们在讲技术创新和黑科技，其实所谓的技术创新和黑科技的本质都是可以给用户提供服务。因为我自己并不算是真正科班出身的技术人员，2002年进入互联网的时候我就莫名其妙地得到了一个职位叫做产品经理，今天想起来，那个职位在当时应该说是互联网第一批产品经理的职位。我们并不懂产品经理应该干什么，但我们当时在想用户到底需要什么，如何把这些技术包装成用户需要的样式。当时遇到的最大问题是做软件的同事能够写出很好的程序，但用户不会用，可能就是界面不会点击，觉得这个简单的文字读不懂，后来我们才发现原来用户需求才是最关键的。

    后来我自己做安全软件，在只有几个人的情况下对抗几百人的传统杀毒公司。我们用了所谓的非常底层的一些技术，但快速满足了安全需求，使得我们做的安全软件在短短两年内就在中国拥有超过50%的覆盖率。此后，我又做了一款叫做“猎豹清理大师”工具在美国提供下载，虽然是看上去非常简易的应用，只是把手机当中的垃圾文件清理掉让空间变得更大，在全球广受好评。今天的机器人也是这样，一定要为用户提供他们真正需要的服务，把所谓的后面的黑科技变成可以非常简单使用的服务，而不只是一个技术参数。我自己和猎豹共同投资了一家叫做猎户星空的公司，专门负责打造全链条技术，然后再由猎豹移动过去十年历史当中积累的用户体验结合起来，打造真正有用的机器人。

    这里要着重介绍一下猎户星空这家公司，因为经过思考我发现，猎豹移动在全球做出几亿月度活跃的时候，安卓手机已经是非常成熟的生态系，只需要在上面做一个应用就可以让全世界的用户使用。但今天机器人不是这样，AI+硬件+用户体验，其实这里的每个环节都是很早期的。我们讲深度学习大家听得都很热，要是用手机来看，整个深度学习AI领域还是处在非常早期。这个时候很难在市面上找到一个符合需求的技术方案，所以当时我们下定决心，根据自己的需要去定制所有的这些技术环节，使得其组合起来能够变成在用户层面非常好用的产品，我们花了很大的力气打造语音识别、视觉识别、自主导航、机械臂技术。

    当然，这是这个时代给我们最大的机遇。很多人问你是做移动应用APP的，你怎么能做深度学习？好像深度学习只有大公司才能做，我说恰恰相反，深度学习给我提供了一个弯道超车的机会。以前很多感知学的不同专业差别是非常大的，人脸识别、翻译和语音识别，每个领域都需要专门的专家，但AI出现以后使得跨行的各个领域变成了集中的底层，神经网络模型都能够在语音识别、人脸识别、图像识别方面达到同样的效果。这就使得我们有机会用一个通用型的技术模型解决各个领域的感知问题，我们也看到了这样的机会，所以定义了机器人的眼耳口鼻手脑，每个环节分别打磨这样的技术。打磨的过程当中，我们又想避免自己成为研发型公司，所以在每个领域都去推出相应的产品，让用户检验我们的技术是不是真的好用。

    这是我们的人脸识别算法，之前拿过单模型的冠军，但仅仅如此是不够的。我们在美国也拿过一些世界挑战的冠军，这些都只能表明模型的能力，还是要在很多地方落地。这是互联网公司的优势，我们在全球有几亿月度活跃用户，美国也有最大的第三方直播平台，每天有几十万的用户开直播，直播当中其实都是人脸的数据，这就使得我们这样的人脸识别效果能够很快地提升。今天在猎豹所有的办公区都是刷脸，几千名员工每天上下班购物，包括会议室的预定，就连我要求特别严格的公司会议都是刷脸，不来的都可以罚款。

    我们还做了语音合成技术。其实语音合成不是技术突破难度的产品，而是去尊重用户体验的产品，我们用了大量拼接的技术一句一句地听，然后反复调试。

    由此开发了一整套的语音为基础的OS，大家可能不知道，今天美地的音箱、喜马拉雅的音箱、我们自己的小豹音箱，包括小米音箱大部分都使用了我们猎户的语音识别能力，而且已经有超过千万的用户每天使用我们的产品。我们认为所谓的语音识别的核心并不是所谓的多么了不起的黑科技，而是交互界面。乔布斯说过，每次交互界面变革都是产业革命的机会，所以从键盘到鼠标到触摸屏到语音交互，其实是一代又一代的交互革命，我非常看好智能音箱和咨询服务机器人，再也不用用户在没有见过的屏幕上面触摸了，而是用最自然的方式表达。目的不是为了和机器聊天，而是通过语音获取想要的内容和服务，我们也接入了大量内容。

    我们还做了室内导航的技术，如果一个机器人不能主动移动，其实就很难真正谈得上是一个机器人，和Pad没有什么本质的区别。我们在这里下了很大的功夫，最重要的核心不是能够移动，而是用很低廉的成本移动。我们用了激光+视觉的导航，激光的传感器成本大概只有几百元人民币，用了大量的算法优化使得激光和视觉能够配合，使得在室内的空间能够自主移动和避障。

    这是多模态的导航技术，仅有一个点是很难的，包括今天的视觉，我们解决不了所谓非常大的逆光的问题、玻璃的问题，其实就是用多个传感器进行相互的融合。我们加强做了机器人麦克风的阵列，因为一定要在嘈杂的环境当中非常精准地听用户的反馈。大家可以去展台上看一看我们的机器人，这个方面我们完全做到了高噪音下基本可用，不能说是100%保证每句话都可以听懂，但基本上对用户来说已经可用了。

    我们用了多家的芯片技术为我们整个机器人提供足够的算力，“3.21”的时候在水立方发布了五款机器人，很多人问为什么要发布这么多款？为什么不只做一款？就是因为这个行业处在很早期，我们很难像智能手机一样通过一次大屏的革命就保证能够跑不同的APP，并且在不同应用当中满足需求，这是化整为零的策略，不同的垂直场景提供不同的服务，让产品和用户一起成长。用户的反馈越来越多的时候，慢慢地就可以抓住真正用户的需求是什么，能够知道不同的用户需求当中能够抽象出什么相同的东西，让它变成一个统一的产品。今天机器人行业还很难推出一款类似iPhone的产品，一个产品的形式就可以满足用户对移动电话和智能电话的需求。

    我们每个人在讲机器人、讲人工智能、讲语音识别的时候都会看到它出错的场景，因为今天传感器和各种摄像头、麦克风还不能达到人眼和人耳的水平，今天所谓的人工智能就算出来，其实并不能像人这样动态地理解各种定义场景的时候，很多时候的确容易出错。人工智能最大的好处就是能够保证一个标准以上就不会再掉下来，可以保证不断地重复。为了能够达到这一点，我们用了大量的传感器和芯片的组合，保证我们定义好的场景能够实现高标准的交互和服务。

    现在猎豹移动已经开始用这台机器人取代了我们的前台，当然，我们的前台离职率也很高，相信这是大部分公司都面临的问题，总是需要一个比较能够代表公司形象的前台，坐在前面的时候基本上都在找工作或者做网红，一旦看到机会就会离开。每个客人在来的时候都想介绍一下猎豹移动的产品和历史，过去做不到，今天能做到了，每个人开会来找我的时候机器人都会介绍一下中文的历史，整个接待水准可以做到一致化。“豹小秘”也在鸟巢附近的博物馆上岗了，用户愿意的话扫下二维码，可以给用户去讲每一幅画。

    除了信息咨询服务之外，我们也在思考有没有机会让机械臂从产线走到生活场景？因为这是一个巨大的，能够提供重复劳动的场景。以前走不出来的核心原因是什么？是因为太贵了，我们都知道一只机械臂动辄几十万、十几万、大几万的价格，让其很难进入生活场景，但为什么它会很贵？就是因为AI出现之前所有的机械臂动作都是要高度定制和快速，所以那个时候我们对机械臂最高的要求是它的精度，因为一旦到不了那个位置就拧不了那个螺丝，也会导致整条生产线停下来。今天由于有了AI，即便是误差稍微大一点，我们可以在最后让它重新做校正。

    这是我们做的事情，机械臂上加了摄像头，使得其在最后的时候校正自己的行为。举个例子，老太太的手哆哆嗦嗦，但还是可以穿针引线，因为有了视觉的识别，AI和机械臂结合起来我们就有可能用廉价的方案制造更多的机械臂，使得它的成本能够降下来。由于有了视觉，部署环境不需要那么苛刻，我们做的一款咖啡机，知道那个杯子掉下来没有，如果没掉下来会加大力度，这就解决了工业生产线非常复杂的部署问题。我们非常有信心把这款机械臂的价格非常亲民化，使其大量被应用，完成那些重复的劳动工作。

    这是我们做的“豹咖啡”，就在我们的展台，请了WRC高级金牌咖啡师去试校摇咖啡的动作，现在已经做到了不需要编程，只需要一个人来做动作，机械臂就会完全根据这个轨迹来做。我们做了一整套关于学习运动轨迹和用很多子动作拖拽就可以完成机械臂运动的软件，有了软件和AI，使得整个机械臂的运转变得更加容易。希望让每个小卖部都能够提供五星级酒店的服务，这在以前是非常难的，五星级酒店之所以是五星级酒店就是因为它的服务高标准一致化。一旦我们的产品在一个非常简单的垂直场景接待来客，介绍产品，能够实现用户满意度的话就可以大量复制，我们真的可以让每个小卖部就像五星级酒店服务一样不厌其烦、永远热情、保持微笑，有问必答，也希望让每个乡村品尝到金牌大师的咖啡。这在以前是非常难的，今天大家去一些地方的连锁咖啡机构，最大的难题就是招到好的咖啡师，因为需要培训，还要面临高昂的人力成本，而机器人只会越来越便宜、越来越普及，越来越让大家在追求梦想的同时享受越来越好的服务。

    我们希望做出真有用的机器人，不希望机器人是一个噱头，或者是一个黑科技，应该切切实实走在我们身边为我们提供服务，从一个小点开始变成和我们共同生长、共同生活的人类的好伙伴和伴侣，我们也希望猎豹移动有机会和大家一起帮助中国整个产业服务升级。 

张建伟：下面有请日本东北大学机器人系教授Kazuhiro Kosuge进行主题演讲“人机协作的最新演进方向与前景展望”。

 Kazuhiro Kosuge      日本东北大学机器人系教授

Kazuhiro Kosuge：今天要介绍的主题是关于人机协作的最新演进方式和前景展望，希望能够回答昨天在讨论当中提出的一些问题。

    很多年前我们有过很多讨论都是关于机器人如何能够服务于我们的社会，所以希望能够探索机器人最基础的研究，以及和社会价值之间的关系。其中我们得到的结论是，这些机器人能够提供服务，这些服务能够贡献于社会，所以从它的社会价值来说一共有三个方面：改善个人的生活质量，提高社区工业产业竞争力，还可以解决全球性的问题。

    这是基础机器人研究的课题，很多课题都有价值服务能够给到社会，比如从全球的角度来说，环境的监测、空间的探测、疾病的防控等等，这些都是机器人能够带来的社会价值，从社区的角度来说，机器人可以带来很多服务，包括农业、矿业、建筑业等等，生活质量方面机器人也可以带来很多价值给到我们的社会，最重要的一点就是很多发言人提到机器人是一个系统。

    我们需要很多不同的技术，所以通常要把现有的技术结合起来，但可能缺失了一些东西，如果能够制造这样的机器人，最重要的就是设计出这种服务，能够照顾老人，并且能够有可持续的商业计划。日本有很多新的机器人原型，但很少真的能够上市，因为没有找到一个商业方案。现有的有些技术还不足够应对新的应用，所以我们必须要用这些新的技术。有些时候我们可以找到基础性的机器人研究，也能够应用到服务型机器人当中，所以通过更好的应用和提供服务进行开发，这是我们讨论得出的一个关键内容。

    回到今天的话题人机交互，这里选择了两种人机协作的方式：一种是外骨骼，一种是共同工作机器人。外骨骼的概念是1960年出现的，但可惜的是没有得出实质的结果。1993年左右哈德米尔教授进一步改善了人类能力增强的概念，并且开始了这样的项目，主要是人类能力的拓展，也是更好地有控制器，并且对环境动力学方面有进一步的改善。2012年进一步进行了改善，也是在卡萨鲁尼教授授权以后，包括行走辅助系统和很多现在可以看到存在的系统。

康复方面外骨骼也是可以使用的，来自日本的桑凯教授做出了一个叫做HUB的系统，主要是用于运动康复，德国有些保险公司也在研发这种系统，并且建立了一些相关的企业。工业领域外骨骼也有一系列的研发，可以应用于工人身上，现在中国也有一些企业正在生产。

相信外骨骼的概念可以使用在很多不同的应用场景，现在这个概念已经非常流行了，我们也需要探索更多的应用。就像刚才说的，现在外骨骼系统还是有很多可持续的商业发展模式，昨天也有很多人在说这种共同协作的机器人，第一次是在1996年的时候成立了这样的公司，来卖给了三立这家企业，然后制造了很多类型的产品，为了避免一些安全上的隐患和问题，可以看到它的轮子部分，然后对运动有一定的限制，并且进行装配的相关工作。

    这是通过人类能力增强制造的产品，我们有不同的方式实现这种人类能力的增强，但非常遗憾的是，我们没有能够成功地让它进行商业化。尤吉教授带领的小组进一步改善了这个概念，并且非常成功地把它开发成了技巧辅助，起了这样一个名字，并且非常成功地把它放入到了丰田生产组装线当中，现在美国也有一部分企业在使用这个产品。

    为了能够更好更有效地使用这些机器人，我们仍然需要这样一种技术建立这种系统。我们要考虑人机协作的问题，很多人都会说我是做了一些非常奇怪的研究，这些研究安全吗？所以我经常会开这样的玩笑，开发出了帮助人们做工作的机器人，这是一种移动机器人，可以帮助我们搬运一些东西，开发的过程当中我们也到了很多，利用这种辅助机器人，但有些工作它做不了，因为机器人还不知道怎么和人合作。这是非常重要的一点，大多数的机器人应用都是基于具体的场景，不是通用场景的机器人。

    我们学到的经验是，机器人要知道它所设计的场景是什么样的，也要知道怎样进行这样的工作，人希望得到什么样的援助和帮助，因为机器人可以做很多事情。大概在2000年的时候我们就在做跳舞机器人，希望了解人和机器人之间进一步的协作。这是最著名的机器人在2005年做的示范，它是一个女性机器人，可以和人跳华尔兹。幸运的是，我们吸引了很多公众的兴趣，也被选为2005年最令人称奇的发明和设计之一，也在日本得到了很多设计发明奖。

    现在我们面临的是人和机器人之间互动的挑战，当时我们开发的是女性机器人，意味着我们要让机器人和人的脚步协调。很多人会问我在日本跳舞的人当中女性比男性更多，跳舞机器人在日本会有什么样的市场？核心技术是怎么让机器人了解人类的意图，如果女性跳舞者比较多的话，我们开发出了男性机器人，男性机器人必须要知道怎么引导人类的舞者，但人类又如何了解机器人的意图呢？这是我们面临的挑战。

    后来我们开发了一个跳舞教学机器人，由于机器人和人肯定还是有些不一样的，我们设计的机器人是根据人的运动经理设计。我们要知道怎么让对方知道自己的意图，所以我们进行了研究。这是3D的移动示意图，我们观察了人类舞者的方向性改变以及移动情况，发现在传统的华尔兹舞当中有很多类似的移动模式和方向转变模式，也就意味着我们对COM这种模式的追踪，COM模式指的是跳舞当中的上下移动，我们设计出了这样循序渐进的教学模式，基于这种模式来设计跳舞教学机器人。

    实际上我们也进行了很多的测试，用了一些学生来做实验，发现这个系统是行得通的，未来我们一定会给这样的跳舞教学机器人找到一个适用的领域。回到跳舞机器人的话题，之前有一次我访问了一个汽车工厂，可以看到里面用了很多机器人。我们相信机器人其实是在做很多车辆集装的工作，但也可以看到很多的人在做零件的集装工作。之前有一次我去了一家日本公司，这是他们的一条生产线，小零件都是靠人来装配的，工作也很辛苦，所以我们决定要开发一个机器人，可以给工人转送这些工具，这样可以提高工作效率、减少工作错误。

    同样的问题也存在，机器人需要知道用户的需求和意图，知道把什么工具提供给他们。这个项目当时推出的时候正好是在经济危机之后，很多国家企业的产量都减少了，我们给他们提供了机器人之后把他们的效率提高了20%。现在我们还在继续这样的研究，之前的一些系统是基于工人的统计数据，现在我们希望采用机器学习机制，包括对工人工位所在的位置进行建模。这是实验室的一些实验，我们需要不断更新这种模型，同时也进行了运动轨迹的监测监控。

    我们的样本测试是从起始位置开始，工人要做多个任务，第十次实验之后我们就不再需要模型了，设计生产线的时候我们就考虑到了工人的移动。这是我们的第一次实验，下面是第十次实验，更新十次以后可以看到通过不断的学习，冗余的时间被极大地减少了，还有工人常规的移动，对此我们已经写了一篇论文。整个系统可以适应工人的移动，这是非常令人兴奋的。

    相信现在很多电脑系统的速度都非常快，可以利用机器学习的方式，和机器人合作将会被加强，通过使用AI技术可以进一步加强人与机器人的合作。现在我们希望把这个系统应用到其它的部分，这是一个总装线，我们把它称为B-PaDY，有意思的是，这里有一家公司希望应用到他们的总装线，但最后的效果并不好，因为对它进行了改装，我们希望让我们的系统原貌呈现。为了保证工人的安全，我们也开发了几种技术，但还需要等待一段时间才能进到这个工厂里面去看。

    最后的结论是，人机协作系统主要有两种：第一种系统是非常原始性的，就是非常初级的系统。我们也开发了一些新的概念和应用，它们将会有很多工业上的应用机会，相信这个领域将会存在，而且会生产出更多这样的系统。现在不少制造商都向市场上提供了这样的协作机器人，现在可以应用在集装箱流水线上面，所以可以促进人机协作，希望人工智能增强人机合作技术，并且带来新的应用。 

张建伟：下面有请上海发那科机器人有限公司总经理钱晖进行主题演讲“智能机器人改变世界”。

 钱晖    上海发那科机器人有限公司总经理

钱晖：大家好，我是来自上海发那科的钱晖，刚才几位教授介绍了科研领域方面的机器人和人工智能技术的进步，我想为大家介绍的是工业领域机器人怎样改变我们的生产和生活。

    工业机器人正在大量进入工业制造领域，工业制造领域也正在使工业机器人发生着巨大的改变。工业机器人的发展最早是依托于汽车工业，汽车工业的快速发展为工业机器人的成长提供了巨大的生产空间，并且在汽车制造过程当中进行冲压、激光焊接、铝点焊、热熔接、涂装等整个生产过程，可以说当今时代汽车制造业是自动化程度最高的行业。

    可以看到机器人也在让物流和电子消费行业发生巨大的改变，正在开始大量进入生活场景当中。工业制造领域机器人正在极大地改变我们的世界，截止2017年中国的机器人安装台数已经达到了49万台，略微超过了累计安装台数第一的日本市场，七大工业国正在剧烈改变制造业的场景。中国近几年也是工业机器人发展最快的市场，不只中国，全球市场都在发生剧烈的改变。

    机器人到底应用在什么行业呢？可以看到主要还是在汽车行业。近几年随着电子工业的发展，机器人在电子工业得到了迅猛的发展，金属、化工、塑胶和食品，正在逐步进入消费领域。工业机器人是如何改变世界的？我们可以看到智能机器人的发展历程，九十年代开始全世界都在研究怎样使用智能技术改变机器人，当时的作业机器人到2000年重点发展视觉机器人，再到2010年随着力觉传感器的引入也有大量力觉机器人被引入，现在机器人更多的是在视觉和力觉这些传感技术的基础上会有更多认知和决策上面的进步。

    最早一代的视觉科技让机器人具备了看的能力，现在机器人的视觉从工业场景应用来讲有三类：一类是二维视觉，另一类是立体3D视觉，还有最新发展的利用广域传感器技术的3D视觉。这些技术可以使机器人看到工建的位置、大小、颜色，包括在空间存放的位置，使机器对整个工建或者周围部分区域的环境具有了感知的能力。

    我们来看一个具体的3D视觉在工业领域应用的例子，可以看到这些复杂堆放的工建，传统上工业领域应用的话是无法进入自动化生产的流程，由于3D视觉的发展得以使机器人在空间位置识别这些杂乱堆放的工建，使机器人戴上柔性手爪以后识别不同的工感，这样的技术已经大量地被应用在工业的生产现场，为我们的制造业带来了巨大的利益。这样的例子是在汽车厂杂乱堆放的曲轴，不再需要人工安装在流水线上面，带有视觉的机器人能够快速地看到现有的工建，然后识别出它的位置，

    这里使用的是最新的3D广域传感器。具有视觉以后，我们的机器人在作业的过程当中还需要能够感知周围对力的感觉，特别是装配和接触的过程当中针对作用物体、目标物体施加了多少的力，这样传感器的感知也是智能机器人所必需的条件。可以看到3D力觉传感器或者六自由的力觉传感器是对力的感觉所必需的、非常重要的传感元器件，发那科开发了大量不同系列的传感器，可以配置于不同场景的应用。

    这是机器人的手腕上装载了六自由度的传感器，可以感知机器人在交叉过程当中的力，这样的过渡配合是机器人传统上需要非常有技术的劳动力或者工人来完成的工作，智能机器人可以非常方便地完成。

    有了传感器、视觉和力觉以后，未来的机器人特别是工业机器人，更多的是需要走向开放的空间，能够在开放的空间和人一起工作、和人一起互动。最近协作机器人大量走入应用场景，大量走入生活场景和工作场景。车子轮胎的安装过程当中我们使用了协作机器人，发那科的协作机器人具有三大安全功能：第一是触碰停止功能，机器人接触到人或者其它外界物体的时候感受到触碰力，机器人可以自动停止。第二是退让避让功能，就是把作业空间腾出来给人和其它设备来用。第三是触碰回退功能，机器下压的时候如果触碰到我们的手可以自动回退，保证手不会被挤伤，或者不会受到伤害。

    大家都知道，现在协作机器人正在大量走进生产现场和工厂，和我们的工人共同作战，为我们的制造业提供更高的效率。这是工厂当中实际的场景，传统来说这样的组装滚珠钢丝作业需要三个工人，或者至少两个工人加上一台设备，现在由一个工人和一台协作机器人互相配合进行这样的作业，协作机器人负责把这个重的工建取放过来，工人负责复杂或者比较精密的装配工作。这些元器件安装好以后自动压装进去，压装以后协作机器人会把工建放回货架上面，人在这个阶段就可以去做其它准备工作，所以这是比较典型的人机协作装配的例子。

    由于协作机器人近期逐步被导入工厂制造环境，所以更多的应用场景正在探索当中，我们也在和工业界的各位同事一起探索人机协作应用的场景，希望更多的应用场景被开发出来，使得原来的人工生产能够做到人机协同。

    超大型机器人在发展的过程当中也被纳入到需求当中，负载2.3吨的机器人是世界上最大的超载机器人，可以在大型的空间当中搬运目前的机器人无法运送的工件，现在已经用于汽车行业，作为车身和整车已载的机器人。我们也在探索大型或者巨型机器人更多的应用场景，怎样改变这些重的、脏的或者累的空间，使用我们的大型机器人。

    这是一台巨型机器人，可以轻易举起一台完整装配的整车，未来可以用于整车装配之后的运输，以前可能需要人工驾驶员来开，以后机器人抓起来就可以放在销售店里面。

    制造业的梦想，或者发那科的梦想是打造全自动、全无人化的工厂，这样的工厂当中由机器自动运行，通过计算机来操控整个计划和规划，人员没有或者人员很少，我们的理想就是为工业界打造这样的工厂。为了替客户打造这样的无人化工厂，发那科在自己的制造工厂当中大量地使用机器人。发那科的工厂当中使用了3,600台智能机器人，可以进行二十四小时的无人化作业，甚至有些工厂已经达到了720小时的无人化作业。

    发那科的工厂当中绝大部分工作都是由机器来完成，工人或者活人主要做的就是对设备的调整、维修、维护、保养，包括计划方面的工作。这是机器人出厂之前的自动测试和调试，完全机加工的工厂可以实现720小时的无人化生产。最新的工业互联网IOT技术近几年得到了非常巨大的发展，工业物联网IOT技术怎样和我们的生产制造现场、生产需求结合起来？其中有一部分就是智能化服务，或者IOT物联网的服务。

    针对IOT的解决方案，发那科给出的是ZDT（零停机时间），目前就是整个基于IOT和云的远程智能化服务平台，通过机器人和云端的连接能够为遍布全世界各地的机器人提供远程的、智能化的、无人的服务。ZDT的功能包括故障预警、预防维护和对远程的优化，通过工业机器人和工业互联网的结合，发那科正在为全球的用户提供远程的智能化服务。

    未来的工业机器人会是怎样的呢？大量的新技术发展导入以后可以看到最近的科技发展，前面也有很多的教授或者行业的同事介绍了，比如人工智能的发展，这样的技术未来会怎样改变我们的工业制造或者制造行业？发那科也在这方面做了大量的探索，人工智能和制造业如何结合。要把人工智能用在散乱工建拾取的应用场景，常规来讲，散乱工建的拾取是非常复杂的工作，如果是工程师半程的话工作量非常巨大，难度也非常高，目前除了用人工智能还没有更好的解决办法。我们尝试的解决方案是用人工智能的深度学习技术，通过3D视觉技术相结合和拍摄，通过人工智能的深度学习对每张图片、每个工建的难易度进行标定，然后通过不断拾取不断完善每个图片的难易度，深度学习神经网络输出的是每个图片上面工建绿色的数值，数值越高越容易被拾取，或者拾取的成功率是非常高的。

    随着机器学习样本数的增加，可以看到整个拾取的成功率在不断快速地提高，整个拾取样本数达到1,000个的时候，整个准确率或者成功率达到了60%，样本数达到5,000个的时候成功率达到了90%，90%的成功率在业界已经大大超过了最好的熟练工程师编程的水平。人工智能技术或者机器学习技术赋予了我们分布式学习的能力，1台机器人学习5,000个样本可能需要8个小时的时间，为了缩短或者加快这个学习的过程，我们可以使用4台机器人同步进行分布式学习，连接起来进行数据或者经验的共享，原来8个小时的学习时间通过分布式共享式学习可以降低到2个小时。

    工业机器人正在改变我们的制造业，随着更多新的技术，特别是人工智能技术的导入，包括人工智能应用的场景在不断开发、不断完善，更多人工智能的技术会导入到制造业当中，将会进一步或者继续改变我们的世界、改变我们的制造业，我们也欢迎在座的有志于制造业的同事能够加入到这些场景和技术的探索，为我们的制造业和人类创造更多的价值。 

张建伟：下面有请以色列理工大学教授、以色列Mazor手术机器人公司创始人、美国国家科学院外籍院士Moshe Shoham进行主题演讲“医疗机器人市场现状及未来前景”。

 Moshe Shoham      以色列理工大学教授、以色列Mazor手术机器人公司创始人、美国国家科学院外籍院士

Moshe Shoham：非常荣幸来到这里参加世界机器人大会，我来自一个非常小的国家，昨天我了解到中国是以色列面积的340倍，希望我们的发明和想法会对你们有吸引力。

    医疗机器人主要包括三个方面：外科手术、康复和体内设备，即非常小的可进入体内的机器人。比如外科手术方面，大家都知道达芬奇系统可通过屏幕看到具体动作，这是阿尔戈医疗技术公司打造的可令人重获行走能力的康复机器人，可以帮助残疾女孩完成马拉松，虽然花了三天的时间。这是著名的达芬奇系统，也是一个多向安装系统，每年大概有100万的外科手术量，市场价值是400亿美元，主要应用领域是微创手术，但有很多的竞争对手，而且有数千项的自有和授权专利，但目前也有很多的竞争对手。有些对手很有可能进入达芬奇系统同样的领域当中，可以看到它的一些竞争对手。

    商用医疗机器人在神经外科、整形外科、心脏外科、放射疗法等等，这些都是目前这个领域的一些系统。现在有些机器人可以进入腔内工作，但现在没有太多的公司真的能够把医疗机器人商用，没有太多的公司能够把这种机器人用在全世界每日的工作当中。

    达芬奇系统是远程操作，实际上是复制外科医生的手部动作，它的动作和力量都是可以调节的，所以就是远程操作，其它的系统可能是以影像为基础的，也就是在做手术之前已经做完了规划，在做手术的过程当中机器人会引导遵循你的事先规划。

    这是基于影像和图像的，或者是基于事前规划的操作，不是远程操作。来自法国的MediTech ROSA是用于神经外科，也是在大脑当中进行精确定位。这是膝关节置换手术，外科医生和机器人进行协作，如果出现了外科医生的手术工具超出了合理范围的话，机器人会做出制止。

    怎么来看过去、现在和未来的医疗机器人？过去首先要把人的身体切割开来，然后才能进行手术，今天我们首先要用影像学的方法进行观察，然后再进行切割。我们的想法是未来首先观察，然后做计划，让机器人事先你的计划，事先的方式会比人手更好，这是我们的愿景。

    下面给大家看一看我们开发的机器人：左边是达芬奇系统，右边是MACO系统。

    这里做的是臀部置换手术，我们开发的是一个很小的机器人，相比其它的相关机器人要小一些，因为可以握在一个人的手里。为什么要做得这么小呢？我们要让机器人进入脊柱，脊柱有很多神经血管不能轻易碰到，要想让机器人做这样的工作，会比外科医生的手做得更好一些，所以这是我们的一个应用。

    这是脊柱融合手术，可以看到里面打入了一些螺丝钉，它的空间是非常小的，如果超出这个范围的话就会破坏脊柱，病人就会瘫痪。可以看到这个人因为植入根钉错误导致瘫痪，也就是说如果是徒手植入这种根钉大概有10%的概率错位，3%-5%的病人会因此终身瘫痪，所以要让机器人把根钉放入正确的位置，相信机器人会比人更精确。

    这个系统左边叫做工作站，下面的是Spine Assist。希望这种植入首先做好计划，右边是由机器人来引导。可以看到机器人有一个手臂，根据之前计划好的轨迹引导外科医生。

    机器人在应用中主要有三个优点：更加精确、微创，侵入是非常少的，而且大量减少了辐射，因为机器人只要在手术开始的时候使用X光，手术过程当中是不需要X光的，因为知道它的位置和它的轨迹。目前全球的临床应用很多国家都安装了，包括在中国，已经有超过3.5万例，同时也有22万的植入物，我们要看的是大概一半都是做的微创手术，平常只有12%是微创的方法。

    下面介绍一下我们的天机，到了2018年1月已经完成了2,000多项整形手术，做的和我们公司是一样的。这是针对帕金森症的患者治疗，安装于头部的机器人，我们已经做了几千个这样的案例，另外也有很多的文献是关于这个系统的精确度。另外一个系统是在临床实验当中，效果是很好的，这是适用于筋皮疗法的灵活导针。

    大家知道每天我们都需要把一根针放到精确的位置，比如这是脊髓麻醉和应急麻醉，但即便把针向着你所确定的方向插入，由于人体组织器官的灵活度，可能因为变形导致不能刺中，所以必须要非常精确。这是人的肺部的例子，可以看到插入的例子，理想的外科手术医生希望能够进入，因为里面会有骨骼和其它组织，这种针是无法弯曲的，所以必须确保取出来再去插入另外一根针达到理想的位置。

    这里我们需要使用一种柔性的针，和传统的不同，属于非常灵活的、柔性的针，并且能够驱动针头的部分，甚至可以实现弯曲，遇到任何组织、任何骨骼的时候都没有问题，能够达到预计的目标。CT扫描下的例子可以看到整个手术过程，绿色部分标出了想要碰触的地方，红色的是不想要碰触的地方，机器人可以使用这样的一种弯曲的模式实现，并且躲避所有的障碍物达到目标。这并不是直觉性的，一些人类的外科手术医生也无法去做，可能你想让它去左边，但它去右边了，所以取决于组织的柔软度以及插入的深度，做起来是非常复杂的事情。

    这里可以看到其中的一些结果，比如可以达到这个目标，误差是低于1毫米的，有些时候肺癌的治疗过程当中癌细胞太小了，所以没有办法进行活检样本的抓取，需要等到稍微长大一点才能进行活检，患者的存活率也是和癌症发现是否及时非常相关，希望能够通过机器人进行抓取活检，更早地发现这种疾病。

    绿色部分是目标进入的地方，不希望进入的是红色部分，也可以看到整个轨迹，也可以看到机器人如何把针插入进去。目前已经碰触到了这个目标，而且目标是在移动的，可以一直跟随、追踪这个目标，这也是人类做不到的，只能是由机器人来完成。

    这是另外一个例子，就是可以到达2毫米的目标。要是看整体手术过程的演进，过去是开放型的手术，现在想做微创型的手术，未来我们希望机器人能够做这种很小的机器人，机器人能够进入人的身体进行手术。昨天也有讲到小型、微型机器人如何完成这种手术，未来前景非常大，因为可以做活检，包括进行辐射检查等等很多任务。

    下面给大家看一个非常小的机器人，现在已经有一家企业在做这个产品了，大概是有1毫米直径的大小。如果对比人的手指尖，或者对比人的眼睛，可以看到这是非常小的。好像一个小虫子，只有1毫米大小，但可以通过非常小的人类体内管道，如果是这么小的东西在体内，加上一些想象力，达到可以进入人体的大小。

    这是脑积水的疾病，很多时候都是小孩，就是在他的大脑内存在脑脊液非正常累积，可能需要去置换这部分的脑脊液。有些人要在十五年当中更换十次，每次都要进行开颅手术，我们需要做的是植入一个非常小的机器人，进入到脑室当中，从而能够保持不会出现这种堵塞的问题，现在也仍然处于临床实验的阶段。有些已经是商业产品了，还有一些是孵化器和研发阶段，再就是科幻项目，类似接近科幻非常小的产品，也可以进入人的体内。这是欧洲撰写的，医疗机器人方面有很大的机会能够领先世界，也会在这个部分大量投资，以色列和欧洲一共有15个合作伙伴项目，我们也是其中之一，希望能够推进这个项目。

    这是美国从互联网到机器人的路径图，要到2019年实现，包括列举的大学。文章中提及五年的时间将更好地使用机器人进行微创，那个时候是2009年，现在我们可能已经实现了这个目标，十年以后就会有游泳式的微型机器人，现在可能还没有实现，十五年以后就会有完全自动化的外科手术辅助机器人，现在还达不到完全自动化，但这是我们前进的方向。

    未来可能会有自组装的机器人，能够进入人体进行自组装，这是一个非常了不起的目标，就是从非常小的，并且在体内自己形成机器人来完成工作。

    总结一下，现在有大量的研究机构都有关于医疗机器人的项目，这个数字还在不断增加，上百家的大学和高校都在这样做，只有一些做到了真正能够放到手术室当中，可能不超过十家公司，很少有公司能够主导市场，这些新的企业正在等待专利继续开发，也有一些成功的体外机器人的应用，比如Notes，还有很多体内机器人的研究，就是能够进入身体内，但还没有任何一款正在商用。结论就是，现在这个领域是敞开的，未来也会有很大的发展，非常希望大家能够加入进来。 

张建伟：下面有请ABB协作机器人全球产品经理张晓璐进行主题演讲。

 张晓璐    ABB协作机器人全球产品经理

张晓璐：谢谢大家，今天我会把大家从医疗机器人带回制造业机器人，然后介绍一下关于我们使用的手机、我们开的车、我们穿的鞋在未来将如何被制造出来，机器人如何帮助我们。ABB不仅仅是做机器人，也做交钥匙的一体化解决方案，还有数字产品及软件，这就是为什么我们有非常宏观的对未来的工厂，制造业到底需要什么。

    我们看到了很多趋势的出现，比如客户面临的挑战，制造商面临的挑战，现在这种低小量化多品种，很多客户都想定制这种产品，我们可能不想要同样的东西，但想要不同的颜色、不同的选择，这就使得制造业从一种大量的变成小批量多品种的，这是带来了新的自动化的复杂性挑战。产品生命周期更短、上市时间更快，每年可能都要更换一次手机，每次都有新的iPhone、新的三星产品上市我们都会更换。有些行业的周期更短，所以这也给制造商带来了很大挑战，如何能够面临这样短期的周期以及上市更快的状况。

    生产更加接近终端用户了，特别是在中国，当我们想要什么东西的时候，我们希望很快就能够送过来。当然，生产商需要把他们的生产更多地靠近自己的消费者。即便是在高成本的欧洲和美国，这也同样带来了很大的挑战，因为他们没有很缺少这种高技能的工作人员，以及如何降低和控制成本。再构造关注可靠性以及质量，如何能够让成本以及生产效率有一个很好的水平。

    我们也看到了人与机器的互动协作，更多的人都在和机器一起工作，如何找到一个很好的平衡？也就是在灵活性以及安全效率之间的平衡。机器人将在未来的工厂当中扮演什么角色？首先是会带来更高的制造效率，特别是针对现在还没有使用工业机器人的产业来说，大多数的工业机器人现在安装的都是在汽车产业和电子行业，所以还是有很多其它行业，包括服装、鞋业、化妆品、食品饮料和消费品，可以更多地使用机器人帮助他们改善生产效率。再就是可靠性以及可获得性，现在和机器联系在一起，能够拿到这些数据，并且进行非常高级的数据分析，这也能够帮助我们防止宕机，并且更好地规划维护，改善整个生态系统。现在我们不仅连接到了机器人当中，甚至每个设备还有垂直的一体化，可以和客户在一起带来更高的效率，给到整个的生态系统，也可以带来更高的价值链上的价值。再就是敏捷性，机器人和传统的硬件制造相比也已经带来了更高的敏捷性和灵活性，因为机器人可以再次部署，也可以完成不同的任务，但这种协作的机器人的灵活性、敏捷性是更高的。

    未来的工作场所也会变化，特别是对中小型的企业来说是非常好的，或者之前没有使用过机器人的制造行业。那些有非常大规模的制造工厂会部署更多的机器人，意味着更高的生产效率以及更高的灵活性。生产线可能三四年就变化了，人员也必然要变化。机器人可以做各种各样的工作，这是传统的生产完成不了的，因为一条生产线很长时间内只能制造一种产品。不管选择的是哪种模式，我们一定会看到这种4D工作，比如无聊的、危险的、脏乱的、复杂的、有挑战性的，所以一定会有更少的工人去做这样的工作，而是有更多时间去做高价值的工作。

    我们来看一个ABB机器人的应用，这是非常好的例子，协作机器人能够非常紧密地和工人协作，原来纯粹都是由工人来做的，每天坐在那里去做重复的工作，现在这种产品可能没有足够大的生产量，生命周期也比较小，也就不需要一条完全自动化的生产线，通过这种协作机器人可以帮助人类有70%-80%帮助人们来做，工人可以监管2个工作台，并且能够把生产效率从50%提高到100%。我们需要这种特别设计的机器人，这是非常轻量型的，比如YuMi，也需要和人在很近的范围保证安全。

    再来谈一谈协作机器人，什么叫做协作自动化，和传统的工业机器人有什么不一样。

    首先是安全性，协作机器人是走出了笼子，没有任何藩篱，所以要对你的应用做风险的评估，但在很多情况下需要跟人直接进行互动。这需要一些特殊的设计，比如轻量化，YuMi的接触力也应该会保持在一定的范围内，这样不会对人造成伤害，同时也要便于使用，所以要有内在的轻量化的设计。

    当然，安全并不是唯一的要求，另外一个非常重要的要求就是要便于使用。我们不需要那些专门的编程人员来使用这些机器人，便于移动，编程也非常简单，比如可以抓住机器人的手，让它从这里到那里进行移动，这是非常简单的方式。

    生产力也非常重要，因为消费者使用协作机器人的时候主要的目的是减少人工，因为没有足够的人手，所以生产效率非常重要。协作机器人可以把以前不能被自动化的任务自动化，产品批次比较小的话协作机器人可以做一部分工作，人去做另外一部分工作。

    整个流程需要简化，不管客户在生产什么样的产品都应该感化流程，小的公司可能会生产比较小的产品，这些产品不像大型工业机器人那么大，小型机器人就可以了，需要感化它的流程，这样会有更多的公司、更多的人使用协作机器人。

    我们来看一个意大利应用YuMi的例子，YuMi和工人的协作使得生产率增加了一倍。我们和这位女工人在聊的时候，她说之前工作一天会很疲劳，现在工作量很轻，还可以进去做些别的事情，YuMi是她的好帮手。协作机器人不是取代人的工作，而是帮助、协助人来提升和加强生产效率。我们看到越来越多的中小型企业也在采用机器人自动化的手段，不仅仅是小型机器人可以作为协作机器人，我们的ABB安全机器人也可以用于大型应用。这是一个中国的汽车工厂，人工把零件放上去，走了以后机器人就会进来安装一些零件。由于这是人和机器人共享的开放区域，通过这种方式工人只做一部分工作，另外一部分工作交给机器人去做。

    我们已经谈了很多今天已经看到的发展，未来会有什么发展呢？这里列出了三点：首先是通过示范教学，我们可以思考一下在工厂当中怎么教印刷的工人，一般是由老师来做示范，再由他们去学习，如果错误的话就会得到纠正。现在我们要用机器人来做这件工作，希望可以向机器人提出示范，然后让机器人知道怎么完成这样的任务。再就是先进传感器，传感技术现在正在变得更加成熟、更加发达。比如自动驾驶汽车使用很多的传感器，机器人领域也可以使用更多的传感技术，使得机器人意识到周围的环境。因为今天工业机器人并不知道它们周围发生着什么，它们是没有视觉的。我们看到很多潜在的AR和VR应用空间，怎么对机器人进行编程，使其可以做些售后的维修维护，折价应用在未来会越来越多。

    这是一个真实的应用，也是去年在意大利做的，可以教会YuMi怎么指挥音乐会。抓住YuMi的手臂，YuMi可以重复它的活动，这是非常简单的应用，可能我们不知道其中的复杂性，但是对一个职业指挥来说知道这个移动的复杂性，但我们可以看到未来是怎样的。这里我们使用的是3D视觉，可以让机器人去拣一些小的零件，也是让我们看到怎样利用3D视觉使得自动化变得更加容易，因为如果之前做过自动化的项目，需要知道怎么把这些小瓶子放到一个位置，然后工业机器人才能拣起，这是一个很大的挑战，有了3D视觉系统以后就会简单很多。工人面对一堆产品的时候，即便是3岁的孩子都可以从里面挑出不同的产品，但对机器人来说还是很困难的，所以视觉传感器会使得自动化更加简单。

    我们来看几个例子：

    这是今天可以用AR进行问题解决，YuMi和我们的客户遇到了问题，可以把菜单打开，包括零件的图表，这样解决问题的专家可以看一看哪里会出问题，也可以远程地去解决问题，比如客户的工厂是在一个遥远的地方，距离最近的ABB工程师很远，遇到了一些解决不了的问题，我们可以做的就是工程师看一看客户工厂里面的情况，通过AR的方式来看看，一起来解决问题。

    这是VR的应用，就是针对一个设计进行验证，我们对这样的产品在VR当中进行了模拟。比如在上海做这件事情，工厂是在乌鲁木齐，你的客户并不需要到上海来看，乌鲁木齐就可以通过VR的方式验证这个设计。我们的机器人工作室当中还有一个机器可以进行物理世界的模拟，所以对机器人的移动是特别有利的。

    由于VR和AR设备价格变得更加低廉，应用也会更加广泛。未来我们会看到不同尺寸的协作机器人，既有大型的也有小型的，可以和人共同工作，也可以提升生产效率，还可以与数字化的产品相结合，利用及其学习防止故障和失败，提升生产效率。

回到刚开始提到的那些挑战，现在我们已经有了一系列的产品，包括软件、硬件和机器人，可以支持客户应对这些挑战，我们将继续在这些方向开发，更好地支持我们客户的需求。我们谈到了大规模生产到大规模定制，今天的消费者希望的产品都是定制化的产品、个性化的产品，如果去汽车工厂的话，人们希望能够选择他们的颜色以及各种各样的配件，我们穿的衣服和使用的设备都需要定制化。这里我们会看到瑞典的一个客户，他们的耳机也在中国销售，协作机器人是对其进行着色，甚至可以在上面画图。我们还有很多定制的案例，这些使得机器人距离客户更近了，客户也希望知道YuMi能够帮助他们进行这些工作。