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。 龚克      世界工程组织联合会（WFEO）候任主席、中国新一代人工智能发展战略研究院院长

龚克：女士们、先生们，大家下午好！欢迎大家来到2018世界机器人大会。今天下午我们的主题是“人工智能与融合集成”，正式开始之前，请允许我代表会议的主办方中国电子学会发布一项研究成果——2018-2019年度最具成长性的新一代人工智能技术。

    我们知道，人工智能在新一轮的科技和工业革命当中扮演着非常突出的角色，人工智能、大数据、物联网、互联网、云计算等相互结合、相互赋能，正在推动这个时代形成新的生产力，进入崭新的发展阶段。现在已经呈现出以深度学习和深化学习为代表的新一代机器学习趋势，以及跨媒体融合、人机协同、群智开放、自主操控等人工智能发展的新趋势。

    为了对人工智能的发展做前瞻性预判，把握全球技术创新的动态与发展趋势，中国电子学会根据国家出台的《人工智能发展规划》以及《进一步促进人工智能产业发展的三年行动计划》，调查走访了一批具有世界先进水平的龙头企业，通过与一批相关领域的专家学者访谈，系统梳理了有关智库和知名战略咨询公司的报告，遴选出十项最具成长性的人工智能技术，它们是：对抗性神经网络、胶囊网络、云端人工智能、深度强化学习、智能脑机交互、对话式人工智能平台、情感智能、神经网络计算、元学习、量子神经网络。

龚克：下面进入论坛环节，首先有请德国卡尔斯鲁厄理工学院教授Torsten Kroeger进行主题演讲“基于强化学习和智能传感器控制的工业机器人实时运动规划”。

 Torsten Kroeger      德国卡尔斯鲁厄理工学院教授

Torsten Kroeger：感谢主办方的邀请，今天我想和大家分享的是和机器人操控有关的话题。

    有些人可能看过这个视频，这是一个高速操控的任务，不仅个人可以去做，团队也可以去做，这是两个人在完成同个任务。如果我们看机器人的话，目前为止机器人还没有这么聪明，机器学习给了我们一个新的工具，可以让机器人去学习，尽可能完成这样的任务，当然也是尽可能从人类这里学习。机器人首先要将认知和行动连接到一起，把这几个控制单元设计好。

    为什么机器人还做不了这些事情呢？这是感知与行动之间的差异，机器人首先要有通过传感器获得感知的能力，必须要把视觉感知纳入到机器人当中。看一看人工智能，在过去的三到五年中，视觉感知和语音识别方面都发生了重大的突破，这些领域现在所拥有的数据量已经非常大了，比如监督式学习、图像识别，甚至现在有些视频数据能够被识别出来。神经网络现在甚至在实现云识别，包括语音的翻译方面有些已经做得比人类更好，比如Google Home、ALEX都已经做得非常不错了，每周这些领域都会有些新的进展。然而仍然有很多挑战，就是机器人和世界的物理互动，机器人和机器人在一起的时候如何能够保证安全，这个方面我们并没有足够的数据，后面我会讲到更多的细节。

    这是国际象棋，IBM的深蓝在1997年击败了当时的国际象棋冠军卡斯帕罗夫，这在当时就被认为是人工智能。但如果看一看人工智能的定义和现在的发展，想一想它到底意味着什么，那个时候系统可以玩国际象棋，但这个机器人是没有办法面对面地和我下国际象棋的。可能有些人会说这不是什么问题，找一个人替机器来走就可以。然而用金属、木头或者玻璃做的东西，对于机器人而言就可能无法分辨，机器人操控到现在还是存在很多挑战的。

    我们来看实时动作规划，这个机器人可以避免和人发生对抗和冲撞，也是在躲避人类。这里的算法其实是非常简单的，就是在一个2.5D的空间当中，可以躲开很多的障碍，需要考虑到整个机器人的机身，也要考虑到它的空间和运动速度，然后用OTG框架。要让机器人识别外方动作的轨迹，能够实时地检测这些动作，然后就可以躲开。这里会有一个速度的矢量，机器人会躲着人的运动，也会受到一些限制。我们也在不断扩大这个算法的应用范围，现在这个算法还可以考虑到其它的因素，甚至考虑到扭矩，也就是可以让机器人完全避免和人之间的碰撞，甚至能够实时地、确定地做到这些事情。

    这个算法是在一定的空间内让机器人检测动作移动的路径，需要关注它的方向和速度，然后将机器人从一个状态移动到另外一个状态。这是位置、速度、加速度和自由度这样几个因子，还有力和路径的传感器，反应速度大概是500毫秒左右，能够反应出在某个动作下面需要转向哪个方向、转到什么位置，然后自动控制它的行动。

    这是一个相对比较简单的算法，就要考虑到现在目标的状态，通过计算考虑新的移动位置，所以这个控制周期当中从第一个位置到第二个位置开始进行移动。要把这个想法融入到现在的系统当中其实是非常容易的，这是算法当中所有的API，就是两个方法：一个Constructor，一个Destructor，也就是在现有的目标位置移动，这种API是非常简单的。

    这个视频是2011年拍摄的，可以看到我们的一个学生设计了这样一个可以打架的机器人，使用的就是这样一个算法，是为机器人设计了一个非常简单的算法，通过这样简单的算法，机器人应用传感器可以实现和人的互动，一个是攻击的模式，一个是防守的模式。

    我们再看一些其它的应用，这是应用于打钻的，也是基于传感器的，可以同时有8个钻头来做打钻的工作，也是一个非常成功的应用，比如太空望远镜的生产领域得到了应用，也被应用在了工业机器人上面，还有一些其它的应用，可能是在很多实验室当中。

    这部分是简单的、决定性的算法，充分利用实时的机器人动力学能力，下面再来谈一谈混合控制。混合控制意味着你有一系列的控制器，包括距离控制器、运动控制器等等，根据任务的不同，针对这些控制器进行配置，以便让你的机器人发挥最大的实用价值。我们有传感器、运动控制器、视觉控制器等等，需要从这样一堆的材料当中检出其中的一个，必须控制它的速度和力量，这样才能把其中的一片拉出来，不让它整个倒掉。

    这张图看起来比较复杂，我们可以看左边的内容，两个红色的框是运动规划算法：一个是位置，另一个是速度，下面还有力量控制器、距离控制器以及视觉伺服控制模块。我们找到了一种比较简单的方式，把它称为适应性的选择矩阵，这里有多样的控制器，包括位置控制、距离控制、力量控制和自由度控制。如果你的控制频率是1赫兹的话，可以确保它的稳定，因为总是有一个备份的控制器，其实这是矩阵当中一个新的维度，如果一个控制器发生故障或者出了问题，一般来说是没有备份，这里我们有一个备份的控制器，比如视觉伺服控制器如果不能发挥作用，看不见东西的话就可以有另外一个备份的视觉控制器开始启用。

    这个架构是Jango机器人开始使用的，遇到的问题可能是要求有很多专业的知识，因为做机器人的编程是非常专业的事情，而且也非常的昂贵，需要专家的知识，至少是博士水平的工程师。虽然是非常强大的，但也有一些限制，因为对公司和行业来说可能对这样的系统进行编程是非常昂贵的，所以我们的一种方法就是利用机器学习的五算法以及加强机器学习的方法。

    大家一定都读过视频和文献，这项工作就是学习机器人，我们和一系列人士合作，这里也要感谢他们。这个想法是让一个机器人自我学会怎么操控物体，当时我们所做的工作是非常简单的。我们要让这个机器人抓取物体，为了做到这一点就要学会协调摄像头和抓手，摄像头是512×512像素，加上两根指头的抓手，摄像头输入视觉图像，然后确定抓取策略，最后会预测抓取策略的成功率，很短的时间内进行计算，然后选择最有可能成功的那个抓取策略。

    我们大概做了两个月的实验，不是每次都成功，但有些是成功的。我们一共做了8万次的抓取，14只机械臂，可以看到有些视觉的表达。这项功能非常简单，我们会进行一个评估，就是当机械臂合并的时候没有东西就是不成功，有东西就是成功。我们还有一个优化的机制，可以看到机器人想抓住一个小东西，把这个东西放到了旁边，然后抓住另外一个东西，这是因为它做了优化，就是对成功率进行了预测，通过神经网络发现这样的移动会取得更大的成功。

    不同的物体有不同的抓取策略，比如这张幻灯片左上角是一些透明的物体，而在右边是一些金属的物体，所以这些决策都是基于数据作出的。我们还有使用一些新的、从来没有见过的物体，和之前使用过的类似物体相比，学习速度会越来越快。

    下面我们来谈学术角度的问题，这里想强调的是，这个系统的工作在设置应用当中是可以使用的，但如果改变一个元素的话，所有的一切都会出现问题，所以我们不要对机器学习和物理抓取过于兴奋，机器学习并没有捷径可循，只是从数据当中学习。机器学习意味着从数据当中学习，就是数据和算法，主要是关于数据的，因为和视觉感知相比，没有很多数据可能就是做一些比较简单的、参数比较少的方法。

    机器学习的算法必须要对一些典型性的数据进行训练，很多人可能会忽略这一点，应该是没有对数据进行转化，从而使其变成典型的数据。而对于物理抓取和物理操纵现在已经有很多的研究和方法，也有很多的知识，我们不要忘记这些知识，要把这些知识融入到新的基于数据的方法，充分利用它的潜力。

    这是我们经常会在KIT谈的事情，就是迁移学习，要把我们在物理世界当中获得的数据和模拟世界当中获得的数据相结合。毕竟仅仅是从模拟的系统当中获得的数据，并不能反映真正的物理世界，为了能够实现我们的工作目标，我们会做一些比较传统的系统参数。基于这些参数产生噪音模型，把这些噪音模型注入到模拟系统当中，即可以反映物理世界，而这样的模拟系统所得出的结果就更加贴近事实，也会对我们有更大的帮助，相信它会使我们向前迈进一步。

    最后介绍一下安全问题，大家都希望工业机器人和服务机器人能够跳出它们所处的区隔和人类一起生活，但从安全的角度来说要根据IEC61508的国际标准，需要实现的是故障率非常低，所以就要根据应用确定故障率。机器学习是软件的工作，我们在底层是硬件，中层是对安全非常重要的软件，最上层是一些不安全的重要软件。我们还可以选择的一种方式就是在中间插入蓝色部分，这是通过机器学习，虽然是不安全的重要软件，但它是可以进行机器学习的。如果再往前推进一步，还可以考虑把训练过的模型引入，我们有安全软件，可以在其运行的时候对它进行监控和监测，并及时纠正问题，也就是让这两种软件同时运行。只要蓝色部分能够保持在它的空间内就是没有问题的，因为它的空间被定义为安全，一旦跨越这个范围，橙色部分就会把它拉回来。

    与此同时，我们也看到一些新的研究出现，就是将对安全不是最重要的软件嵌入到对安全最重要的软件当中，使得这些非安全必要的软件通过机器学习来学习那些安全软件。首先是需要统计学的证明，就是证明在现实世界当中发生的事情。另外一种方法是通过机器学习的算法进行训练，以建模的方式实现。相信今后几年中会有更多的研究人员去研究这个话题。   

龚克：下面有请科沃斯机器人股份有限公司副董事长钱程进行主题演讲“下一代服务机器人：AI+IOT”。

 钱程      科沃斯机器人股份有限公司副董事长

钱程：很高兴在2018世界机器人大会和大家聊一聊服务机器人，包括和IOT相关产业的发展。就像刚才做的自我介绍一样，介绍了我是谁、我在哪里、我今天要做什么。我想以这样“哲学三问”的方式和大家讲一讲，从我们这样一个比较商业的角度来看未来服务机器人的方向是怎样演变的。

    谈到机器人，这是一个很大的概念，今天我们在世界机器人大会看到了各种各样的机器人，展馆当中有工业机器人，以及巡检机器人、飞机场、医院或者银行看到这种机器人，它们可以保障公共的安全。当然，我们也可以看到最近非常火的儿童陪护机器人，可以说机器人的发展越来越好。

    我们是做什么的呢？科沃斯在2000年初就在进行扫地机器人领域的研发，2008年第一款扫地机器人“地宝”推出，我敢说在座的各位当中也会有我们的用户。历经十年的发展，今天扫地机器人可以说是全球范围内普及率最高的家用服务机器人了。除了这些以外，我们还涉足擦窗、空气净化等等领域。

    教授们的演讲都有非常深刻的学术意义，但对于我们来说要更现实、更落地U拉。正是因为这样，大家可能会觉得扫地机器人是不是没有那么深奥？是不是不算机器人？其实我们一直在内部开玩笑，这么久以来，消费者对这个产品的期待是从来都没有变过，从充电座出发打扫一圈再回到充电座，技术是在不断迭代，我们也在不断改变产品的内容和技术的内核，不断地在使用新的技术，但消费者的期待还是很高。每个新产品带来的都是截然不同的挑战，确实没有那么简单。

    我们知道今天机器人行业正在快速蓬勃发展，更多的挑战和创新都在快速进行，我们的分享也离不开扫地机器人的视角。是什么样的技术让我们认识到除了扫地机器人以外，甚至可能带来家用服务机器人和大型IOT产业的变化？这就是基于激光雷达SLAM来做全局定位的地图绘制和机器视觉的人工智能，这两项技术在我们来看正在快速推进整个行业的发展。

    今天无人驾驶行业正在快速发展，特别是特斯拉，蔚来汽车也要到美国上市，受到的关注度是越来越高。无人驾驶智能汽车以及移动机器人的发展本质上有很多相似之处，也是为什么整个机器人移动的发展也在快速推进。

    第一个核心任务就是安全高效地从A点到达B点，这个过程当中大家期待的就是简单直接，最核心的就是不要碰撞。在座的很多用户可能会觉得机器在跑的时候会撞一撞桌桌角角，好像没有那么聪明，其实这种碰撞本质上是非常重要的机器人信息输入，告知它外部的环境在发生什么状况，前方无法前进需要转弯调头后退。当然，机器人在家中撞一撞大家还是能接受的，但无人驾驶汽车肯定一点都不能撞了，撞一下就会出大事。

    第二个核心任务就是如何从A点到达B点，机器人依靠的是复杂的传感器系统解决对环境的感知。汽车和机器人一样，运用的是激光雷达和机器视觉技术，只是规格不一样罢了。汽车运动的传感器可能高达100-200米，而且还要穿透雨雾雪和沙尘暴。家用机器人可能没有那么大的挑战，只是挑战有点不一样，成本的压力是很大的，因为消费者把这个产品带回家，毕竟不希望花太多的钱。再就是体积的大小，需要确保它在地面穿过沙发和床进行移动。

    第三个核心任务就是定位和导航依赖高精度地图。家用机器人是基于SLAM及时完成高精度地图的绘制，完成基于这种地图绘制的定位和移动。因为今天家用机器人正在经历非常大的突破，和智能驾驶汽车一样，都是基于传感器的SLAM技术。这本身并不是简单的技术，需要行业内不断创新，包括传感器和后面的运算，这种运算的效率好不好、运算的成本直接影响到整个机器的体验。

    未来我们可以想像，车联网会带来巨大的价值，可以疏通城市的堵塞，可以让我们快速从A点到达B点。如果一个世界是多机器人同时移动，并且也是相互之间联网，相信这个信息地图也会为社会带来巨大的价值。

    回到今天的主题，汽车在逐渐加入传感器，扫地机器人经过十年的发展与时俱进，今天SLAM技术已经可以帮助机器人解决非常多的问题，可以很聪明地在家庭的环境当中完成扫地任务，更新更高效的传感器带来的是截然不同的体验。举个看似很简单的例子，人在打扫的时候会因为特定环境的不同变更我们的行为方式，比如我们在家中三室一厅和厨房，最能够改变打扫方式的可能就是卫生间和厨房，因为油污和水污是不存在于卧房当中。当然，如果我们抖抖被子毛絮会比较多，所以嵌入的都是特殊的标签，打扫的方式是不一样的。这是我们人因为感知差异带来的行为的不同，这件事情对人来说很简单，但对家用机器人来说是一个巨大的挑战，因为它自己并不知道房间的特性，导致无法因为房间的差异满足需求。

    科沃斯机器人可以通过人工智能的算法将地图进行优化、门框进行分区、一张地图可以区分房间和房间的差异，使用当中可以分房间进行清扫，也因为SLAM和人工智能技术的升级，扫地机器人完成这项工作也在升级，我们来看一段视频。    

钱程：通过这个视频，可以看到刚才我描述的一些状况，比如要让机器人到厨房、洗手间清扫，可以分辨厨房在哪里、洗手间在哪里，厨房里面做完饭以后扫地机器人去清理做饭遗留的污渍和小孩遗留的铅笔屑，这是刚才讲的安全高效地从A点到达B点。目前这项工作是完美的人机协作过程，机器人进行房间的绘图和基于SLAM自身的定位和移动，我们为其提供A点到达B点的指令。

    科沃斯致力于提供全球最佳的室内SLAM技术解决方案，让家用机器人做到我是谁、我在哪里，下一步更重要的是让它逐步脱离人给它的定义，自身决策要往哪里去、要做什么。这是基于IOT大数据和人工智能技术发展解决方案，通过机器人自身的发展，让机器人在空间当中通过移动建立起数据地图，协同IOT设备建设基于服务机器人的LBS系统。今天每个人手中都有一台智能手机，通过移动互联网的发展，最好的好处就是互联网的所有信息都在我们手中随时掌握，更重要的功能是手机移动互联网带来的LBS功能，将我们与实时的位置信息进行绑定，现实世界当中定位出每一个人的存在。

    今天很多人来到展馆可能是通过滴滴打车或者摩拜单车，中午如果点外卖可以在手机上看到附近100米、500米、1公里之内都有什么餐馆，这些都是因为LBS定位功能的强大，把物理世界和网络世界连在了一起，这也是移动互联的时代，我们大家身在其中，享其所好。这样一个小小的案例，可以想像出如何重新定义未来人、机器人和IOT之间的协作。下一个十年我们会看到IOT大爆发的基础上更多的数据不断被完善，人和自己的手机就是这个领域最强的产品，改善网络连接的一切，但是在万物互联的时代带来的LBS价值必然是可以移动的机器人。

    具体的服务机器人+IOT的时代会有什么改变呢？今天想给大家带来两个案例：一个是移动的扫地机器人带来的附加功能，目前我们在家中的扫地机器人除了可以通过刚才描述的地图来扫地，另一个意想不到的功能就是可以在完整的家居平面地图上植入WiFi覆盖图。在座的如果有很多IOT的从业者，让消费者在家中最重要的就是联网产生连接，保持连接以确保数据传输。随着大家把越来越多的产品带到消费者的家中，这是一个特别重要的前置关键因素，没有联网就没有一切。

    随着“地宝”在移动的过程当中不断学习WiFi分布的优劣，可以通过算法推荐出最佳的路由器摆放位置，现在摆放的位置如果不够好我们可以提议换位置，或者这个路由器无法覆盖到房间最佳的面积，甚至需要购买第二个或者第三个，可以真正为用户提供更智能的家庭网络覆盖方案。此外科沃斯今年下半年发布的最新产品，更是基于人工智能的机器人，通过机器视觉和深度学习以及智能设备之间的协作。

    下半年我们会发布最新的扫地机器人，第一款拥有机器视觉、物体识别功能的扫地机器人，通过摄像头在移动当中识别物体，并且在原有的SLAM基础上输入新的指令。比如遇到新的障碍物就及时避让，或通过物体在环境当中建设新的环境理解力。    

钱程：这款产品是将两项技术融合在一起，一项是雷达探测地图，另一项是其加上的摄像头，通过不断的移动不断地获得新的数据加以训练，让它变得越来越聪明。未来我们希望真正做到的不是由人告诉机器人要在这个地方做什么，而是通过它自己来定义。还是用刚才厨房的案例，这个机器人在经过厨房的时候，通过识别厨房当中的特定物体，可以定义出这个房间就是厨房，不需要我们在手机上来改房间的命名，自己可以知道这个房间就是厨房。如果家中有宠物，可以识别狗狗的一些物品，可能需要扫地机器人在扫地的时候放大吸力，把宠物的毛吸进去。其实它的变化非常多，包括行走过程当中识别到地毯，我们知道在上地毯的时候调大吸力进行深层清洁，并且把拖地功能关掉。

    这些变化都是通过新的数据输入让机器人作出决策。目前发展最快的智能音箱，通过语音技术发展得越来越好，扫地机器人通过定位和视觉发展得越来越好，还有消费者快速升级并且改进的智能门锁。未来家中有更多智能门锁这样的产品，同时可以和机器人联网，如果这个时候家门被撬开有人进来了，机器人可以通过SLAM地图及时定位到我们的位置，并且打开视频功能让远在外面的大家及时了解到家里的情况。这样一个小小的案例，我们可以重新想像未来怎么定义人、机器人和身边所有IOT产品之间的协作关系。

    下一个十年，我们将会看到IOT时代的大爆发，在此基础上数据不断地被增加到这个网络当中。数据如果只是来源于一个IOT，其实这是数据孤岛的状态，通过更多智能设备交融的交互体验和机器人在移动当中形成线，最终这些数据产品连在一起的是一张网。随着机器人在一个领域内的发展，改变的不只是它和IOT产品之间的价值关系，同时改变的是在一个区域内IOT产品之间的相互关系。万物互联的时代，除了人在移动，中间填补和获取价值之外，更有价值的是机器人在这张网上的移动，作为智能最高、引力最强的产品，除了独有的移动性和人工智能的载体，空间当中不断通过移动建立起数据的网络，以机器人为核心的LBS功能不断被发掘出来，改善万物之间的联系，这是我们畅想未来互联网时代的家庭智能设备以机器人为中心。 

龚克：下面进入主题论坛环节，有请美国斯坦福大学教授、国际搁起人研究基金会主席Oussama Khatib，俄罗斯机器人协会主席Alisa Koniukhovskaia，以色列机器人协会主席Zvi Shiller，日本机器人学会副主席Minoru Asada，IEEE RAS副主席、中国科学院沈阳自动化所机器人学研究室副主任刘连庆，澳大利亚机器人与自动化协会主席Denny Oetomo，阿拉伯机器人协会主席Ismail Yasein。

 高峰主题论坛嘉宾

Oussama Khatib：非常荣幸来到这里，和大家共同探讨机器人发展的未来。我们的主题是未来三十年全球机器人的发展，答案是很明确的，更多的机器人正在进入我们的生活，更多的人机合作正在出现，也会有很多和此话题相关的内容需要讨论。但如果我们要前瞻未来的话，首先要知道机器人发展的过去和现在。

    实际上在2000年的时候我们就试图概括机器人行业发生的一些事情，当时已经有五十年的发展史了，我们在旧金山召开了一场千禧年的会议，会上我们做了一部非常有意思的回顾视频，把它称为“机器人的五十年之旅”。可以看到工业行业有越来越多的机器人，包括可以行走、可以打球的机器人，再就是移动机器人以及可以自我平衡的机器人，蹦跳机器人、抓取机器人，机器人与人进行互动，本田公司开发的机器人可以攀爬。

    我们在旧金山进行了庆祝活动，深刻感受到目前的发展速度其实是在加速的。过去的二十年有了更多的发展，也有很多机器人行业的进展，所以我们又拍摄了一部新的视频，叫做“旅程继续”，可以看到今天机器人领域加速的发展，包括很多新的展开和新的发展，现在机器人可以和人体进行互动，安全性提高了，抓取能力增强了，能力更强了，速度更快了，包括导航机器人、社交机器人、类人机器人。

    机器人的发展正在加速，我们可以期待更多新的进展，而这些进展也是由更强大的运算能力支持的，还有新材料、制造方法和制造工艺的支持，可以使其更加整合传感器，提供更多的能力，也会将一些复杂的系统通过各种方式进行连接，最终也是由于算法发展的进展，可以使得这个领域变得日益成熟。

    谈到机器人以及机器人领域的时候，我们至少可以找到三个主要的领域，就是医疗、工业以及服务机器人。这些领域当中我们是有很多研究的，也会看到它在各个领域的应用。机器人是一个跨学科的领域，也有很多的学科领域牵涉其中，从设计、材料、传感、运动、规划、感知和建模等等，人机互动也需要对人进行建模，这些东西加在一起的话就会成为机器人的领域，而对研究者来说其实必须是跨学科的，这里的专家体现了各个不同学科的背景。

    关于机器人未来的发展，之前我们也听说了智慧生活的概念，实际上在机器人的世界当中我们需要的是环境智能，也就是传感器在我们的环境当中会和我们的机器人进行互动，通过增强现实的方式。机器人与人的连接协作变得越来越重要，这些新的机器在我们的社交当中也在变得越来越重要，同时让我们更有能力走出行星、走向宇宙。所有的这些都意味着挑战，希望这些挑战可以给我们动力，让我们应对这些挑战。因为我们现在生活所需的机器人环境并不是工业结构化环境，而是非结构化的环境，也会有很多新的概念，还有很多能源的问题需要应对，怎样对机器人在不同的层面进行编程，还要确保机器人是安全的，包括很多道德伦理的问题，期待着各位针对这些问题进行讨论。 

Alisa Koniukhovskaia：我对人类与机器人进行沟通是很感兴趣的，也很期待这些技术改变人们的生活模式。互联网和智能手机都深刻地改变了我们的生活，想一想二十年前是什么样子，现在机器人可能也会给我们带来一些新的变化和可能性。人类会不断探索各种未知与可能性，我们也希望未来机器人能够更加易用，并且能够更好地帮助我们探索这个世界。 

Oussama Khatib：比如走出家门忘记带手机了，可能就会匆忙地跑回家里拿手机，就像是忘记一件非常重要的东西，未来机器人可能就会是智能手机这样。 

Alisa Koniukhovskaia：现在互联网就像我们记忆的一种延伸，书籍也是我们记忆的一种延伸，可以使得我们的生命在世界上得以延续，只是另外一种形式而已。 

Oussama Khatib：我们现在探讨的一个挑战就是我们认知机器人的方式和过去已经不一样了，现在这些机器都是要和人互动，其实这样会有很多挑战，能否谈一谈这个方面的挑战？ 

Zvi Shiller：作为机械工程师，我把机器人当做一个能够移动的机器，当然，是可以非常智能移动的那种。现在有很多的设备是无法移动的，就像这张桌子一样。未来任何能够移动的东西都可以成为机器人，以后我们可能会忘记智能手机，家里所有的东西都会变成智能机器人，未来的智能手机也许都能够移动，比如我的手机放在那边，我叫它的话它就会自己过来。如果从更长期的角度来看，最终这些机器都能够成为我们在科幻片当中看到的那个样子，这些应该都是会实现的，只不过是时间的问题，无论是机器人还是机器，至少发展到现在已经远超过我们几十年前的预期了，最终我们肯定能够实现现在想不到的一些东西。 

Oussama Khatib：未来机器人可能移动性会非常强，能够融入到人类的环境当中，而我们还需要解决的一个问题就是机器人电力供应的问题。 

Minoru Asada：我们大学其实有人研究过这个事情，也就是可以通过无线的方式来给机器人充电，如果今天没有太阳也是可以实现充电的，就像现在的手机一样。我们赢得了2015年机器人大赛的冠军，也很期待未来这种机器人的智能程度越来越高，自主控制程度越来越高。目前的技术仍然是不够好的，无论是认知还是传感，所以现在我们仍然需要做更多更进一步的研究。今天上午我去展区转了一圈，看到了那么多的展品，也看到了人们对机器人的那种热情，这次大会当中我们不仅有论坛活动，还有一些竞赛，并且向公众开放，这样能够让更多的人参与进来了解机器人。这也意味着未来能够有更多新的技术更好地被人们接受，并且在社会当中得以使用。其实在日本也需要这样的协会和组织更好地让社会接受这些新的技术，更好地了解机器人和人工智能，希望我在95岁的时候能够看到。 

Aussama Khatib：机器人其中的一个进展肯定是和传感技术相关的，现在如果机器人能够安装像人一样有知觉的手臂，能够像人一样感知这个世界，机器人能够做的事情就更多了。我们也有一些技术在朝这个方向发展，包括纳米技术的融合，能否谈一谈这个方面的技术有什么进展？ 

刘连庆：我们讨论的是机器人未来的三十年，实际上我们有两个世界：一个是真实的世界，一个是虚拟的网络世界。现在每个人都有手机，手机就像是真实世界和虚拟世界的连接点，这也是为什么现在每一个人都在用手机去看新闻和各种各样的东西。手机无法采取一些行动，但机器人是可以采取行动的。未来机器人将会是网络空间和真实空间最好的连接点，因为不仅能够提供信息，同样可以直接改变周围的世界，因为手机不可能自己走向我并与我沟通。

    关于传感技术，目前随着纳米技术的快速发展，小型传感器越来越多，手机当中已经有几百个传感器了，但纳米级别要比手机上面用的级别还要小几百倍，对智能手机而言，未来的十年用的传感器数量甚至比现在多几百倍，机器人身上的数量可能还要更多，能源消耗也会下降一百倍。很多研究已经在非常顺利进行了，因为从能源的角度来说光也可以产生能源，人体本身其实就是一个能源产生器，以后甚至可以用人体给机器人充电，未来这可能会是一种方式。 

Oussama Khatib：人类康复这个领域未来将会走向何方？因为现在有很多可穿戴的设备支持人们康复，未来是不是可以通过可穿戴设备更好地缓解肌肉的伤痛，或者解决类似的问题？ 

Denny Oetomo：技术的发展确实非常快，但机器人是一个多学科的东西，现在人类的康复是一个很大的挑战，机器人有可能能够解决一些问题，涉及到神经科学等等。实际上很多机器人技术都在考虑康复的方向，现在有些技术已经相对比较成熟并且可用了。除此之外，这些技术和机器人也能够给我们产生更多的数据，数据在这个行业是非常珍贵的，而目前有太多的数据没有整合进来，如果数据不完整的话做研究也会非常困难，未来机器人将能够让我们更容易地收集数据，按照统计的角度来说这些数据就会更有意义，每个人的数据种类就有几千个，乘以人口数量的话就是非常大规模的数据。 

Oussama Khatib：机器人在教育方面也能够发挥非常重要的作用。 

Ismail Yasein：机器人并不是一个单独学科的东西，而是很多学科的综合体，某些领域的学科发展也会促进另外一个领域的发展。教育对我们来说当然都是非常重要的，新一代的孩子们越来越聪明，使用越来越多的智能设备，也在通过不同的方式处理这些信息，我们把它称为“数字一代”。现在孩子们有很多的机会去改善学习方式，并把机器人当做工具，或f称之为教学工具，让孩子们更好地爱上科学。现在我们给新一代的孩子们提供了更好的工具，三十年以后机器人绝对会成为一种非常好的智能工具，帮助学生改善学习。 

Oussama Khatib：现在很多孩子对K12这种技术是非常兴奋的，年轻一代对科技的学习都是非常刻苦，刚才也有谈到娱乐和教育结合在一起。 

Minoru Asada：这就是要让孩子和机器人边玩边学，我们曾经提出过一个年轻人机器人的概念，因为它可以成为年轻人很好的玩伴和学伴，可以帮助年轻人进行自学，所以我们就把娱乐和教育结合起来，同时在这样一个过程当中，我估计年轻人可能也会产生一些自己的想法，所以也有一些伦理和道德方面的问题，机器人对科技和教育来说是很好的工具。青少年使用的机器人也形成了一个社区，我们应该把机器人视为有道德情操或者有道德的主体性的东西，应该具有人类基本道德的功能，我们必须思考与此相关的法律框架，至少道德和伦理方面的问题应该始终记在我们的脑子里面。当然，我们首先要克服很多技术的挑战，才能使机器人具有人类道德的功能。 

Zvi Shiller：未来机器人可能会成为我们的家庭成员，应该发挥的都是日常的功能。有的时候在以色列推广机器人功能的时候会被问到能源的问题，每次喝水之后我们可能就会忘记水的存在，开车的时候离开车就会忘记车的存在，因为这就是一种工具。但机器人不太一样，它会成为你的家庭成员，也会改变你的生活方式，因为机器人可以帮助老年人行动，未来机器人将会改变我们的世界。 

Oussama Khatib：我同意您说的，机器人在未来的老龄化社会当中非常重要，特别是在日本，过去的很多年间我们已经看到了老龄化的社会，现在别的国家也出现了类似的情况，机器人的作用和影响是很大的。 

Alisa Koniukhovskaia：这个问题是很有价值的，就是机器人怎么帮助生活当中有困难的人，或者对老年人来说有什么作用。帮助老年人其实是有些挑战的，因为我们的人力是有限的，在这种情况下如果机器人可以协助老年人的话，很明显就会发挥很重要的作用，因为健康医疗方面的需求对提高生活质量是非常重要的。 

刘连庆：我们发明了一项工具，一方面是为了节约时间，另一方面是为了更好地享受时间。比如我们有了移动电话，可以节约很多时间，但同时人们也会用他们的智能手机来看短视频或者其它的东西，这是消费时间的一种方式。如果我们要为孩子进行教育的话也有很多的应用可以使用，但这种教育和娱乐相结合的方式，有的时候孩子更多的是被娱乐的层面吸引，所以我们必须学会去平衡。虽然能够教育孩子，同时也可能会花掉孩子很多的时间，这也是一个伦理的问题。 

Oussama Khatib：看起来机器人是会发展得越来越复杂、越来越成熟，但谁会在今后对这些机器人进行编程呢？尽管机器人的硬件、传感器和架构等方面都有了发展，但今天我们仍在用非常低级别的方法对机器人进行编程，要把所有需要做的事情都规划清楚，直到今后机器人要和人进行互动，帮助人去做非常复杂的工作，这可能真的是一个挑战。如何编程，哪些界面可以简单易用，这都是我们需要好好思考的问题。这也给我们带来很多技术性的问题，即这些机器人的架构今后将怎样修改。我们确实是有很多对能力和人类技术的提取，这些技术要被应用到机器人身上，所以希望你们能够对此作出一些评论，可以谈一谈互动界面的问题，然后再来谈其它的方面。 

Alisa Koniukhovskaia：有些人试图把不同的传感器连接起来，打电话的时候可以对电话说需要打给哪个人，然后电话就通了。机器人也是这样，希望这个机器人能够做一个任务，有人就对它进行编程，也许可以从云上面下载这些程序。在我和目标之间，机器人起到的是一个中介作用。 

Oussama Khatib：我想是的，针对具体事情需要具体程序，问题是机器人面对的环境并不是固定的，所以对某个特定环境的编程可能不适应其它的环境，编程的过程当中需要更多的抽象化以及更多的智能化。有些人可能害怕机器人，担心机器人会替代人类，也会对人类产生威胁，他们并没有意识到要让机器人能够代替人类的话编程将是非常复杂的，所以这是不用过于担心的。 

Zvi Shiller：今天我们有一个工具箱，按下按钮就会得到解决方案，看起来机器人的软件也会朝着这个方向来走，也就是有一个输入和一个输出，它本身就像一个黑匣子，中间的软件并不需要人们去关注，因为人们使用的时候只需要输入和输出，比较大的挑战是要在这些输入和决策以及最后的输出之间形成有机的联系，可能需要一些智能来实现这一点。 

Oussama Khatib：是的，现在的问题是机器人是多维度的，而且有很多的环路，所以我们需要做多层次的抽象，以便能够实现它的灵活性。 

Minoru Asada：透明度当然是需要的，但完全透明是不可能的，因此我的想法是两个极端：一个极端是人工智能的系统，基于的是大数据有些任务，之前我们做不了，现在我们可以做了，主要是基于AI技术实现。另一个极端就是我们要获取对人类身体新的、更深刻的洞察，比如对人的神经系统的洞察。两方面都需要取得进展，要让这两方面能够相互配合和匹配，期待三十年后二者会相互融合，变成一种更大的趋势，如果使用的用户人数逐渐增加，我们也会不断改进我们的技术。当然，不仅仅是技术的改进，也是社会接受度的提高，机器人才会和普通人有更多的互动。 

Ismail Yasein：你们谈到的问题都非常重要，比如电动车需要充电，如果有越来越多的机器人，不知道这些电力公司有没有思考过这种充电的问题？你们也有谈到老年人，65-70岁的老年人在芬兰不知道怎么用这些智能设备，就连智能手机都不会用，因此对我们来说让老年人使用机器人还是有些挑战的。未来定制化的服务机器人的需求会是比较大的，可能在未来我们可以将一些比较小型的机器人置于人的身体，这样会更加方便使用一些。 

Oussama Khatib：这个界面会变得越来越小，质量越来越高，以后通过声音就可以控制，但同时我也觉得有很多人体功能学的研究成果，包括在医疗领域的使用，这种视觉功能和触觉功能会使得机器人在人的身体当中能够产生更好的手术效果。

Ismail Yasein：从我的角度来说，机器人的存在是有其理由的，所以我们要思考为什么会有机器人，为什么机器人会成为了大家都关注的科学。我们必须要记住，机器人已经成为了对人有帮助的东西，比如在医疗领域、海洋探测、空间探测领域等等，现在把它作为一种工具改善人民的生活质量，人类也应该采取行动准备迎接机器人时代的到来。三十年之后机器人可能是无处不在了，按照我的视角来看，我们自己也要让孩子们准备好，为他们提供相应的编程技能，告诉他们怎么从机器人时代获益。现在我们谈的是机器人如何改进，同时也要改进人的技能。 

Minoru Asada：我们现在正在研究运算设备，这种设备能耗很低，也从系统当中获得了启示，所以能够使用比较新的运算方式节约很多能源。 

Oussama Khatib：机器人在三十年间会有什么演进？未来由谁教育机器人？换言之，由谁来给机器人编程？ 

刘连庆：未来机器人可能会有一系列的技能，需要超高的抽象能力，比如人对机器人说“把咖啡给我”，它就可以把这句话转化成为具体的行动。现在的挑战是抽象的能力，能够让机器将抽象转化成具体行动，这仍然是一个非常大的挑战，但这是我们努力的方向。未来我们对机器人的编程方式可能和现在是不一样的，现在的编程水平还是比较低的。 

Oussama Khatib：物联网会如何影响机器人的设计？ 

刘连庆：未来机器人会做一些聪明的事情，不会去做一些愚蠢的事情，这就涉及到基础架构的问题了。 

Oussama Khatib：这种机器人能够通过很长的过程学习各种技能，然后充实自己的技能库，但也可以从云上面下载，通过周边的环境不断地相互适应，机器人可能知道门后面会有什么东西。 

Alisa Koniukhovskaia：可能对外人来说机器人就是一个黑匣子，因为内部的技术很难被非专业人士理解，人们对黑匣子是有恐惧感的，如果人们不知道里面有什么或者不可预测的话，这也是很多人对一些技术会感到恐惧的原因。如果说它的可预测性更强，我们可能就会更信任它，比如知道能够实现某些目标，怎么和人进行沟通。如何让人们不再恐惧这个黑匣子？我在使用机器人的时候就觉得它就像变魔术一样，未来很多人都要面对这种魔术一样的世界。 

Denny Oetomo：刚才提到机器人的编程和控制是非常困难的，但对那种小型机器人，比如融入一些面部识别的芯片，这种机器人的编程可能相对比较容易。如果这些机器人被恐怖主义者或者危险人士控制，可能就会人类非常危险了，科学家和工程师需要避免这些问题的出现。 

Oussama Khatib：机器人的编程和界面是一个非常重要的话题，未来我们肯定会在这个领域取得更多的进展，最终我们还是能够解决这些问题的，因为有些东西我们不可能提前掌握所有的信息，可以设置不同的层级。公众的眼中对机器人有一丝的恐惧，有些人也会说机器人是非常危险的，各位觉得我们应该对机器人感到恐惧吗？ 

Minoru Asada：可以这样问：你怕车吗？机器人也是一样。 

刘连庆：IEEE RAS对机器人已经有相应的标准了，有些地方甚至制定出了法律，我们也在朝着这个方向发展。 

Denny Oetomo：如果让机器人去踢世界杯的话应该是能够拿到冠军的。

 Ismail Yasein：还要看由谁教育机器人，比如整个社会，也需要做好监管。 

Zvi Shiller：未来我们应该更好地设计机器人，让它们更好地在公众面前表现，现在的机器人数量是比较少的，应用在家里的机器人就更少。 

Alisa Koniukhovskaia：人类会害怕很多东西，比如自然灾害，恐惧是人类本能当中的一部分，我觉得这是很自然的。 

Oussama Khatib：有的时候我们也会对自己感到恐惧，每一项技术都有风险，我们对技术的依赖也就意味着肯定会有一些风险，这就涉及到社会和伦理的风险，使用技术的时候也要考虑到这些因素。至少我本人并不害怕机器人，如果有谁害怕机器人的话可以把他的电门拔掉。 

龚克：下面有请优必选科技有限公司创始人兼董事长周剑进行主题演讲“走进+人工智能时代”。

周剑       优必选科技有限公司创始人兼董事长

周剑：很高兴来到世界机器人大会，这次到展厅看了一眼，中国乃至全球机器人的发展越来越快，真的挺让人震撼的。今天我想和大家聊一聊目前全球AI和机器人处于比较弱的时候，如何把机器人产业发展起来，怎么去做探索的话题。刚才我还在和库卡的副总裁聊这个事情，目前很多机器人还没有那么大的作用，不能来到家里给我们端茶倒水，但机器人肯定是未来的方向，怎么一步一步到达未来就是我们今天要探讨的内容。优必选走过一些弯路，也得到过一些经验。

    我们从2008年开始做人形机器人，因为当时做不出来，不得不购买日本和韩国的一些关节，结果在2008年开始投入，然后走到2012年才把小小的伺服做出来，也就是春节晚会上我们跳舞的十六个关节，在此之前甚至连成立公司的想法都没有。那么小的伺服其实很简单，但要真正稳定量产商业化难度还是蛮大的。2012年3月30日优必选成立，后来我们得到了启明、科大讯飞、鼎晖、中信证券和腾讯的投资，最终在2018年拿到了8.2亿美金的融资，估值达到50亿美金，下一轮我们的目标是100亿美金。大家可能会觉得很奇怪，为什么优必选可以走得这么快？这也是接下来我们要探讨的。

    优必选一直在探索什么呢？我们是在和腾讯探索把机器人和IP结合起来，和迪斯尼探索怎么把漫威和米老鼠唐老鸭钢铁侠星球大战结合起来，成为文化娱乐的一方面，也在和苹果探索STAM教育，就是如何让小朋友把机器人通过自己的手一步一步搭建起来，得到科学、艺术、数学各个方面的学习，这是非常重要的。

    我们在零售行业和居然之家、红星美凯龙都聊过，有些门店地点不是很好，缺乏客流，有些门店有客流但比较难以成交和转换，有些门店有会员但很难和会员互动，因为不能第一时间知道会员来到店里，如何解决这些问题？我们可以运用新零售的概念，包括机器人的概念来做互动。我们可以做迎宾招揽客户，客户会关注机器人是做什么的。我们的展台当中有Crusier在卖咖啡，排长队不是因为我们的咖啡便宜，就算卖5元也还是有人排队，因为这是人生第一杯跟机器人互动下单的咖啡。

    我们有一个股东是澳洲电信，当时在澳大利亚做了一个实验，就是把Crusier放在零售店卖咖啡，可以看到和其它咖啡店比起来，我们的咖啡店排的长队是很长的，所以机器人招揽顾客的作用。当然还有导航替代人力劳动，但我还是要强调，今天的机器人阶段要完成所有的事情并不是那么容易，甚至还不太可能。

    这是我们的Crusier，可以做一些欢迎的姿势，未来还会加上手臂，可以取物体端茶倒水，但今天的技术阶段和成本还没有办法马上实现。我们从2017年推出Crusier到今天已经销售出了超过1万台，目前可能大家觉得1万台不算什么，但这是人类历史上第一次大批量地进行消费级机器人的生产，也给我们公司带来了将近10个亿的销售。

    在座的可能有很多机器人专家和创业者，机器人如何落地是很重要的一点。可以看到湖畔大学的同学居然之家的汪总和我们探索新的零售场景，包括阿里巴巴也做了盒马先生，居然之家第一次雇用2000台机器人，成为这个公司销售形象的大使，也给居然之家带来了非常大的变化。

    接下来我们在很多垂直领域推广机器人，目标是未来替代更多人类来做零售，不让人类进入不断重复简单枯燥的劳动。我们和英超冠军曼彻斯特打造新零售机器人，也在和广东检验局联合，这些机器人肯定有缺陷，但这些一定是方向，今天没有尝试明天就不会有很好的未来。

    关于教育+人工智能，打造硬件软件教育服务生态圈，一站式的人工智能解决方案。教育也有很多问题，以前我们做机器人很大的问题就是把机器人当玩具在卖，也有很多人把玩具当机器人在卖。市面上可以看到非常多的机器人，蛋形的、圆形的，包括我们的机器人，其实代价不菲，花了这么多钱做了这么多的伺服，大家问这些有什么用？别人把它买回去当玩具逗小朋友，其实我们付出的代价还挺多挺辛苦的。很多仿机器人的玩具厂商做出了一些小玩具，可能用马达或者简单的关节，就说那是机器人，可以说目前市面上机器人市场鱼龙混杂、面目全非。好得一面可以看到大家都想在这个行业发力，不好的一面就是很多从业者没有真正把这个问题想明白。

    为什么优必选今年拿到了7个亿人民币的订单？就是优必选解决了痛点。我们之前缺乏一贯制的校内课程体系，缺乏专业学习评价环节的体系，教育手段过于单调，大家可以看到很多校外的培训和校内的培训，其实都不够专业。2016年优必选开始和苹果合作推广STAM教育，这是W2017苹果开发者大会宣布和优必选达成战略合作，后面是库克在加拿大新开的店用我们的积木机器人陪伴小孩子学习编程和教育，这个方向已经很明确了，关键的问题在于如何把它真正做好做落地。

    我们的目标是让每个小孩子具有科学思维和创新能力，如果对这个科学思维和创新能力不从头培养，而是不断地灌输知识的话，整个教育体系就是不对的，所以我们的第一步是目标，第二步是让比较有天赋、相对中等以上或者对这方面感兴趣的小朋友在这个阶段享受到非常极致的人工智能的盛宴，第三步是让AI教育工作者逐渐具备科创教育能力，我们中国教育体系当中所有的老师都在不断地重复灌输知识的场景，第四步是让中国未来有更多的制造者，包括全球更多国家的制造者能够在这批小朋友当中脱颖而出很多优秀人才。

    我们在3-4岁、5-6岁、7-8岁、9-12岁，一直到16岁都是通过非常多的自己编写的课程，国内和华东师范大学合作，也在和人教出版社、北京师范大学合作，是以我们的视角和学校教授老师一起打造一个中国的人工智能课程。如果缺乏这种体系的课程和师资的培养能力，我们的机器人又变成了玩具在卖。

    人工智能整体解决方案包括教学课程和竞赛，我们和IEEE合作，前主席也加盟了优必选，以及学习环境、师资培训、体系标准都有一整套计划，这些缺一不可，必须要把软硬件、课程、师资与竞赛结合在一起才有机会打开未来中国人工智能教育的大门，否则产品仍然卖不出去，卖出去了评价也不好，最终沦为别人讲的你在卖玩具，没有在做机器人。

    优必选在校外和校内进行了大量的布局，收购了两家公司：一家是校外的线下培训机构，今年开始打造优必学中心，会在全中国所有的一线城市和省会城市打造30-40家优必学教学中心，同时会搞优股联盟，只要愿意接受教学方案，完全可以花很小的代价得到优必选所有的课程、硬件、软件和产品。校内影响校外，我们在昆明、广东、广西、四川、重庆已经和政府谈好了，让我们的人工智能教育和机器人产品进入学校。当然，大前提是国家已经把人工智能教育和机器人教育列为了未来小朋友K12的必修课，这是大环境，但校内的老师如何去训练小孩子，这需要我们不断地做非常细致的工作，同时通过竞赛、参访、游学，把校内和校外业务联动起来。

    优必选的梦想很大，希望在中国做到No.1，也希望很多教育行业的合作者和优必选一起合作，这个市场可能达到上千亿以上。我们和中国青少年公协会、中国青少年发展服务中心和全国省级以上开展了线下STAM教育体验，这也是非常重要的，让更多的小朋友接触这些，因为这个市场需要教育，今天机器人才刚刚开始。

    看过了教育，看一看优必选在人工智能方面与腾讯漫威的合作。优必选以前和迪士尼的卢卡斯公司推出了StarWar Stormtrooper机器人，坦白说，我并不认为这次尝试非常成功，因为这是全球第一次希望把人工智能和机器人赋予到一个传统的IP上面。换句话说，在座的各位小朋友可能从小买的都是玩偶布娃娃，抱着米老鼠唐老鸭玩得开心，但它们不能跟你对话，不能编程，也不能做任何事情，只是你对IP的喜欢。然而这些IP在关节的技术、伺服的技术都具备的情况下完全能够成为一个个活灵活现的IP机器人，这也是为什么迪士尼那么感兴趣和优必选合作，因为不能让小朋友和粉丝再玩二十世纪的东西了，很早之前我们就有IP，迪士尼的IP收入远远高于所有电影的票房，非常大的一块收入就来自于内容衍生品，未来通过什么形式展现？刚好在现阶段比较弱人工智能、弱机器人阶段就是很好的载体，因为这是刚需，大家都会喜欢，只是要把它变成性价比很好的小机器人，交互地给到我们的用户。

    不止于此，我们也在和漫威合作，包括复仇者联盟钢铁侠美国队长这些形象，都是人形的，都需要关节，如果不能动还是一个玩偶，这刚好是优必选的强项，我们做了将近十年的伺服关节。我们也在与腾讯在这个领域开展合作，在正式推出产品前还不便向大家透露具体是哪一款IP。这也将是个几千亿的产业。

    在此基础上，我们想到能否把那么多喜欢足球的小朋友们跟足球结合起来，打造他们喜欢的球员？比如丁丁德布劳内、斯特林、阿奎罗等等，我们一直都在和曼城探讨这方面的合作。优必选做的东西好像挺天方夜谭的，足球和机器人好像不太能够结合起来，其实未必，这里有很多东西可以结合起来。曼城全球一两千万的粉丝会为了支持球队，也希望体验一下足球运动的乐趣，因为小足球机器人可以踢球，让小朋友互动一下，说不定又是一个产业机会。每天我都在动脑筋，如何在弱人工智能阶段不靠融资生存，而是靠营收生存，打造的每一款产品一定有我们自己布局的理念和逻辑，每一款产品都要用到我们的伺服，不用伺服的产品基本不做，因为对产品技术没有积累。

    我们的Crusier有导航和人机交互，机器视觉一定要用到，陶成院士在我们公司是首席科学家，一定要把这些落地，不能做和行业完全没有关系的产品。优必选的每一款产品都有背后的逻辑和推理，但不妨碍我们往前极力地探索。很多人问我这个机器人没有太多的伺服了吧？应该怎么解释？其实也不一定，这个产品有些地方还是要用到摄像头调整，也有用到关节，关键是导航，全地形的越障能力，这对未来室外的机器人非常重要。今天做的每一步是为明天更深的积累，所以导航无论是精度还是各个方面都是非常强的。

    这里我们衍生出了三款产品：第一款是安防监控巡逻机器人，第二款是电力巡检机器人，第三款是消防安全机器人，大体的框架底盘都类似，应用于不同的场景。大家可能会问这个机器人怎么样？我们已经拿到了两三个亿的订单，一定打开自己的视野，多想一想目前机器人什么刚需都不具备，也不能端茶倒水的情况下，如何让自己的公司生存下来，并且更加接近于未来，这是我一直愿意和所有同行探讨的地方。

    看过了这些之后，我们再来讲一讲产业的前沿探索。之前和库卡的副总裁聊到家里到底应该做什么，主人说Alpha帮我拿一瓶水，然后Alpha要知道自己在哪里，然后导航厨房，认识一瓶水再拿回来。这么简单的动作4-5岁的小朋友可以完成，但对机器来讲有重重叠叠不同的障碍和关卡。这是我们的刚需，里面又有很多话题，可能在不同的场景下做不同的机器人。我们的厨房要做什么？中国人的厨房和外国人的有什么区别？目前的技术能不能做到一点刚需？这是我们要探讨的，也许是我们的机械手臂，也许通过视觉甚至固定程式做到这些，只要做到一点就是机器人的一大步。

    我们可以看到感知、认知、运动和路径规划，这里有太多的技术在里面了。我们来看一个过去的视频，可能很多人都看过，为什么今天放在这里播放？很多人说阿西木都停产了为什么还要播放？只是告诉大家我们的技术可以达到，只是看什么路径，能不能让老百姓买得起。有了这种机器人，一年可以省很多带小孩阿姨的价格，中国的阿姨不够了，未来可以从菲律宾和劳动力更加便宜的地方引进。人类一定会走到这一天，不是你想不想的问题，这是社会的刚需，只是本田公司不卖，如果要卖的话也是一两百万美金，你也买不起我也买不起，没有人能够买得起。

    优必选要把这种产品做成25-30万元人民币的机器人，最终是做2B和2C，2B比如商场和银行，这是2022年希望实现的目标，但还是有很多质疑的声音，Honda都做了那么多年，凭什么优必选能做成？如果真的把阿西木打开，里面的结构是截然不同的，十几根二十根皮带，每次DEMO回去都要调皮带松紧，可以想像在家里用完机器人以后不断调皮带吗？软银的BD多么强悍，但BD是液压驱动，可以在阿富汗山区打打仗投投东西，但拿到家里你们可能也不太受得了，力量太强悍太巨大了，不需要这样的机器人。

    要想完成刚才视频当中所做的东西，我们要从手指小扭矩一直到腿部500公斤高爆发力的扭矩，要让机器人跳起来动起来。现在优必选北京研究所以及在美国硅谷一直在不断专注这个领域，硬件是优必选的优势，但优必选还有很多技术，没有这种高性能的伺服多机商业化，不可能有刚才视频的未来。可以很自豪地告诉大家，每个500公斤的伺服多机基本已经研发成功了，每个成本是1万元人民币以内，30多个伺服多机也就是20万元人民币成本，伺服多机硬件关节占到整个躯干成本的60%-70%以上。

    2010年1月CES展会上面我们有第一台Walker机器人，可以很高兴地告诉大家，这是我们最早版本的，请大家在2019年CES展会上看一看。全自主的伺服多机，没有使用任何别人的技术，都是优必选自己的运动控制算法。如果这台机器的速度达到时速3-4公里，基本上可以走进家庭做服务了。期待大家在2019年看一看我们优必选全人形1.5米高的机器人，从上到下、从脑袋到外面都是我们自主研发的结果。这台机器人非常震撼、非常漂亮，我们会在CEO展会上给大家一场非常棒的演出。

    要想实现这些，我们需要3D视觉导航技术，也会有手眼协调技术。这个手臂很好的地方在于它是柔性控制，可以实现自动避让。这是视觉智能学习和理解问答技术，比如问今天下雪了吗它可能会说Yes，如果问这是哪里它可能会说这是教堂。

    这是优必选新研究院对人体识别的理解，大家可以看到很多关节，人体行为到底是要做什么？一个人举手是要打招呼还是要打你？人类是全模态的交互，知道下一步的行为意识，机器也学习了解。

    优必选从2016年到2018年拿了很多的杰出论文，包括陶成院士领导的研究院取得了非常多的成绩，我们也在Robot Cup拿了几项技术挑战赛亚军，包括其它的一些冠军，其实都是非常有份量的学术层面的获奖。除了伺机多机硬件方面发力，视觉导航、物体识别和人脸识别方面我们都做了很多工作。

    最后来看我们最新一代的悟空智能机器人，未来我们会越做越大，也会越做越小，希望从口袋里跳出一个机器人跑到肩头跟我打招呼，我去吃饭它再跑到我的面前。这款机器人是我们的又一个探索，第一次邀请了上万个用户，最后筛选了700多个用户，加上优必选公司将近1,000人共同让悟空诞生，以前我们做机器人都是在自己公司当中十几个人完成产品，这是第一次邀请我们的粉丝和对智能机器人感兴趣的儿童、家长和商务层面的人打造的产品。很多人说悟空的表现力为什么那么强？因为这不是闭门造车，我们是在建立生态和平台，让更多人参与其中，一起创造最新的智能机器人。这款产品还没有真正发布，而我们已经拿了将近5个亿人民币的订单。

    2020年可能是大数据的入口，机器人在IOT和生活会给大家带来很多便利，所有的机器人行业可能会推出的其真正进入家庭照顾老人和小朋友，并且去做一些便利的服务。其实我不是那么乐观的人，人形机器人走入家庭至少要30-50年以上，但这一天一定会到来，你的小朋友是会由机器人伴随长大的。 

龚克：下面有请西班牙马德里卡洛斯三世大学教授Carlos Balaguer进行主题演讲“欧洲仿人机器人研发的当前趋势与未来挑战”。

Carlos Balaguer       西班牙马德里卡洛斯三世大学教授

Carlos Balaguer：感谢主办方邀请我来到这里，这是我第一次来到北京，参加世界机器人大会。主办方让我讲一讲人形机器人，我当然也是非常高兴的，过去的十五年当中我一直在研究人形机器人，2014年也主办了IEEE在马德里的会议，请了超过500名参会嘉宾。

    人形机器人方面也是欧洲面临的一个很大的挑战，人形机器人的研究在我们这里也是比较有挑战性的。这是一些真实环境当中的真实应用，我们也非常积极地研究智能感知型的人机互动，也有几家公司已经能够生产并且销售人形的机器人，我这里说的是全尺寸的人形机器人。这是欧洲地图，有些领域在这个地方的研究还是非常活跃的，比如慕尼黑重点研究DLR，洛桑研究EPF，法国蒙比利埃都在研究这种人形机器人。人形机器人最知名的是Toro，这是由德国DLR研究出来的。

    我们的研究当然是要和整个行业共同进行，欧洲的机器人学会也主办了一些会议，这些会议当中有些实验室和企业都会参与进行相互交流和沟通，任何会议当中都需要学术界和产业界的人们共同探讨。这是欧洲生产人形机器人的几家主要公司，相对规模都比较小。

    这里有几张人形机器人的图片，可以用作重型的运输工作，包括Pepper，这是软银的人形机器人。这三个人形机器人都是已经生产出来的机器人，不仅仅是应用在实验室当中。这些公司在和大学研究机构的合作中都是非常活跃的，他们也在不断地生产新的产品的原型，要想不断推出新的产品，和研究机构的合作是非常重要的。

    人形机器人指的到底是什么？首先是有人的形状，但到底有几个支撑点是不确定的。这是一个比较典型的人形机器人，叫做Walker，现在又做了另外一个样子：第一个和第二个的差别就在于，第一个是有两个支撑点，第二个是有四个支撑点，用的是轮子，有些环境当中第二个用得更好，在一些条件下更稳定，也更易于控制，这种移动的方式取决于应用的环境。

 大多数情况下机器人需要完成比较复杂的任务，可以看到西班牙马德里的Power Robotics生产的机器人，最新的创新是在关节上面用了新的技术，使得它的关节更加精准，而且可以做更加复杂的控制。机器人可以握手，不同位置的时候也会根据情况进行移动，整个过程当中是非常稳定的，所以这种全身体的稳定性是非常复杂的，底层、中层和高层使得这种全身的稳定性成为可能。

    这个例子在握手的时候不是单点的稳定，而是多点的稳定，两条腿两条胳膊和膝盖，所以很有可能需要各种设置实现这种稳定性。这里有一个主控制矩阵，展示的系统是来自DLR，体现出的是多接触点的平衡控制，一个是平衡，另一个是操作，我们把这两个活动脱钩，可以让它们同时来做。我们可以看到由一个手臂支持，如果你推它，发现它也是比较稳定的。

    这个例子是多接触的操控，也是蒙比利埃的HRP4，是由伊尔教授领衔的，主要想法是如何控制多任务，首先是有稳定的任务，其次是有视觉追踪的任务，还有组装的任务等等，这个视频当中可以看到我们是怎样完成视觉任务的。两只手同时操控，这里看到的是复杂的全身稳定支持系统。

    实验室当中我们还在做一些其它的应用，主要是在家用的场景。第一个应用就是活动服务员的机器人，如果不能保持稳定的话东西就会从它的手中掉下来，所以我们需要真正能够控制它的稳定性，控制机器人和物体的稳定性。在我们的实验室当中，我们有几个控制环路，力量控制、位置控制、视觉控制等等，这是稳定性的实验。

       这段视频让我们看到实验室当中的机器人是怎样进行灵活的衣物折叠，折叠之前还可以对其进行熨烫，熨烫也是非常具有挑战性的工作，我们开发了熨烫的应用，希望使得机器人能够在家庭当中起到帮助我们的作用。之前我们也有一些积累，就是关于如何进行衣服的熨烫，熨烫是一项非常复杂的工作，不仅仅是要有一定的轨迹，同时还有力量控制，同样一个地方不能熨烫次数太多，因为可能导致衣服的毁坏，所以需要有视觉的导航。

    这个过程当中有的时候会遇到一些问题，就是衣服上的皱纹。我们开发出的这种可以应对皱纹的机器人熨烫系统，不管是平坦的衣服还是发皱的衣服都可以判断皱纹的方向，也可以看到熨烫衣服的情景，第一步是常用的熨烫，可以控制自己的力量，依照一定的轨迹运动，完成这个部分的熨烫的时候可以看到下一个视频当中我们怎样避免，针对有皱纹的区域要有特别的方向进行熨烫，而且是做非常细心的、小心的熨烫。

    未来的挑战是什么呢？近期也有很多的挑战，可以把它说成几种：一种是环境与机器人的互动，包括人类和机器人、环境和机器人的互动，机器人必须要和它的周围环境进行互动，这是一个新的范式和挑战。我们也需要提升它的身体感知，不仅仅是传感器传来的信息，而且还有两只手可以分离独立的感知，一只手在做一件事情，另一只手在做另外一件事情，那么在获得不同传感信息的时候怎么办？

    机器人学习是一个很热的话题，我们需要边做边学，不可能专门花时间进行学习，学习也是一种工具，而不是目标，要让这项工具更加有效率需要适应周围的环境、适应情景、适应文化，以及各国的差异。人形机器人的生物科技也很重要，柔性的、接近真实的皮肤感觉和刺激反应，这些都是前沿的研究。中期来说，机器人要有想像力，也就意味着我们可以学习一些事情。比如蓝色的剪刀，我们可以从中提取一些新的信息，比如拿一个蓝色的电话机，没有人教会我们什么是蓝色的电话机，但我们可以从前面得出推理，也就是机器人要有想像力，这是我们在中期的梦想。

    最后邀请大家参加我们今年10月1-5日在马德里举行的机器人峰会，是由IEEE RAS组织，参与人数将会创出新高，会有来自60个国家的3,200名参与者，接受了1,270份论文，48场研讨会，8场培训，10场机器人竞赛，现在已经有150个展位，欢迎大家到马德里。 

龚克：下面有请法国科学院院士、法国CNRS与日本AIST机器人联合实验室主任Abderrahmane Kheddar进行主题演讲“脑机接口的研究现状及未来应用的展望”。

 Abderrahmane Kheddar      法国科学院院士、法国CNRS与日本AIST机器人联合实验室主任

Abderrahmane Kheddar：非常高兴再次来到北京、来到中国，见到了很多的朋友和同事，也很高兴看到机器人在中国的发展如此迅猛。我会把重点放在机器人领域人机互动的界面。

    机器人在某些领域需要完成特定的任务，但这些任务不是凭空出来的，而是我们必须要告诉它们必须要做什么，问题是我们如何告诉它们完成这些任务。这是扫地机器人，里面有软件和传感技术，用户按下一个键就可以了。扫地以后反馈就是要看家里到底是不是干净了，也可以对机器人进行再编程。再就是一些通用型的机器人，通常能够和人进行协作，也涉及到制造的问题。

    昨天有些人讲到机器人需要更多的指令才能完成准确的任务，这些机器人仍然需要界面或者控制面板进行控制，接受一些指令。当然，这可能比传统的制造业使用的自动机器人更加容易，可以通过遥感控制无人机，无人机就可以按照你的指令移动，但能否理解你的意图与情感，这是非常困难的事情。

    我们可以看到这个人多出了两只手臂，在做一些事情的时候可以让机器人辅助你，如果没有额外的手来做事情的话可以让机器人帮助你。有些时候需要对机器人进行再编程，要有一定的大脑功能。这种人机界面，或者机器和大脑之间的界面可能涉及到肌肉科学和脑科学，但从意图到行动之间还是有很大的差距。这里显示的就是能否通过意识控制机器人，这只是最终的目标，当我们想做这个项目的时候可能只有一些好莱坞的电影能够想到这些东西，我们当时想的是是否能够真正实现用大脑控制机器人的目标。

    当然，如果不能用你的肌肉或者手来控制，无论想让机器人做什么都必须通过大脑控制，也就是机器人要能够猜到你的意图从而行动，这就涉及到对大脑脑科学的研究，处理大脑的一些数据，最开始做的时候对这个想法是很兴奋的，到目前为止这个事情还是非常困难的，读取你的大脑信息是极其困难的事情，根据脑部的信息给出指令的话就更困难了。要想实现这个目标就需要几个步骤：获取脑部信息和意图，然后对信息意图进行传输，传输以后再来行动。

    要想做到这些，首先需要对大脑科学有更深刻的理解，再有一些脑科学的项目，在此基础上要设计一些脑机之间的互动界面，保证机器在做这些事情的时候需要得到你的认可，不能随意地做一些有害的事情。

    如何记录大脑的活动？有些可能需要用介入的方式，就是需要在大脑当中放入一些东西。这样做其实是非常困难的事情，也不合理。再就是非介入的方式，身体外部安装一些装置。当然，我们也觉得这样的做法并不是特别友好，最好的方式可能就是相对地用电磁的信号去了解和记录大脑的活动，这也是对用户来说最友好的一种方式，其它的方式我们也可以尝试，比如在大脑的各个点放入很多的装置记录大脑的活动，现在也有一些这样的设施。

    除了这些非介入的方式，还有一些信息只能通过介入的方式才能获得。这是记录大脑信息原理解释图，可以用EEG，也可以用EKG，甚至有些是需要用小的探针才能探究得到。这种图像成像的技术也有很多，比如IFRA，很多医院当中已经在使用了，要想控制机器人的话购买这样的东西，经济上不是很划算，除非这种东西能够变得非常小、非常便携才有使用价值，现在仍然非常昂贵。

    机器人当中应该如何来做机器人和大脑之间的界面？首先要将大脑的数据发送到界面，然后将控制信号发送到机器人系统再经过反馈和循环，大多数BCI-脑控技术都是基于大脑的电磁信号。然而，无论通过EEG还是其它方式监测大脑活动，甚至判断大脑正在想什么仍然是非常困难的事情。除了对大脑信号的观测还要观测很多其它信号才能确定大脑发出的意图，这种多策略的方式能够唤醒大脑的潜力。大脑科学的研究人员会根据大脑活跃的程度将大脑的状态分成几个类别，其实这是人类经常存在的几个状态，也起了不同的名字，比如Alpha和Beta，我们对中间的三类状态是比较感兴趣的，监测的是脑波频率，某些情况发生的时候我们会观测脑波有什么变化，会否刺激和唤醒某些东西。

    这是Alpha活跃度的变化，我们监测这些信号的时候使用的是EEG，眼睛打开的时候看起来是这种状态，眼睛闭上的时候信号发生了显著的变化，涉及到放松训练甚至生物应激反应等等，这些都是通过EEG监测出来的。现在我们想观测这些信号之间的关系，看一看和某些事件之间是否有同步的效应，比如这些动作在发生的时候和信号之间的反应相关性，要想猜人们的意图就必须要知道这些信号都代表着什么，并且是被什么触发的。无论是用EEG还是其它的FMR方式，监测大脑的某个控制动作的区域，可以发现这两个动作上大脑信号频率是不一样的，可以看这些信号和得到的结论是否是一一对应有相关性的，某些事情发生的时候可能是有某些信号。

    我们来看唤醒的潜力，它的原则其实是相对比较简单的，如果在给一个人展示某一个事情，这个事情是预期的话可能就会达到相对的峰值，称为P3或者P300，这个时间发生以后300微秒内会有这样的反应，如果门没有开的话会有另外一个反应，但只要门打开这个值就会达到相对的峰值，大多数事件都有这样的对应关系。无论是什么事件，预期的事件发生的时候就会有这样的反应。

    通过意识来写一些东西的话，这是英文当中写的所有东西，W没有出现的时候大脑不会有反应，一旦W出现大脑可能就会有反应。通过机器人带着你到不同的地方移动，可以根据某些刺激点帮助你实现一些功能，用户不断地给这个机器人展示想要的刺激点，根据这个刺激点来反应。这个视频是轮椅用脑电波控制，只是去看这个屏幕的东西，然后看有没有刺激物的出现，可能会有一定的延迟，通常来说它的信号是没有问题的，微秒级别就能够产生反应，需要一点时间处理数据。

   我们可以利用BCI-脑控机器人来做其它事情，这也是非常容易理解的，实际上这种刺激是到达你的眼睛，你要看一个图片，如果试图产生特定的频率就会看到这样一个信号，比如看到它的频率线，发现这个频率其实是被你的大脑复制，两个频率的话可以通过EEG功率光谱确认，这里有ABCDEF这些字母，如果你关注的是C，大脑便会有反应知道你是在看C，机器人是有摄像头的视觉系统，可以通过这种视觉的方式进行控制，所以机器人看到的也可以由我们的使用者看到。

    这里可以看到，一个东西开始闪烁的时候，你的关注点如果是在某个特定的物体上面，机器人会意识到这是你想抓住的东西，然后会去抓这个东西。我们利用AI技术可以实现在不同频率的识别，它的识别可以被自动化。

    现在讲一讲大家比较了解的神经系统反馈，这也是很多人正在研究的问题，训练你的大脑实现神经的反馈，也就是说你有一个任务，训练这个系统，使得它能够完成这样一个任务，比如想把鼠标往左，要让这个人去想鼠标往左或者往右，然后就他就开始想，你就可以获得数据，训练他所产生的信号，这就被称为神经反馈，你对他大脑发出的信号进行处理，然后进行校准分类等等，最后再对机器进行生物反馈的训练。

    这些研究的结果其实已经在《Nature》杂志上面发表了，这也是经过了几个月的训练之后大脑就能够产生其所需要的活动，可以看到妇女通过她的思想控制机械臂送来饮料，这个活动还是比较顺畅的，训练的过程是说这个人会产生一些特定的信号模式，所以机器人就可以理解。同样的，这是匹兹堡大学所做的，机器人可以用脑控，所以我们需要考虑的是怎样让机器人学会运动控制。如果我们想抓住一个饮料罐的话，大脑肯定会产生这样一个指令，就是要做这件事情。如果你知道这个人在想什么，那就比较容易给机器人编程了。这位妇女如果每一步都要停下来产生大脑信号并让机器人理解的话，那将是非常让人筋疲力尽的过程，能够提前预知使用者的意图效果就会好很多。

    这是在日本札幌一家医院所做的研究，了解了日本的汉字对大脑刺激的固定模式，可以意识到使用者想要做的事情，另外还有一个额外的手臂可以用脑控，如果两只手都在做事情的话可以有第三只手来做别的事情。这是在京都的一个例子，这个人控制第三只手来做多任务，也可以控制第三只手的活动，因为两只手都在做同一件事情。大脑不仅在控制两只手，而且在控制第三只手，这对它来说也是一个比较大的多任务处理的认知任务。

    BCI的机器系统未来会怎么样呢？我们不要用BCI产生一些低级别的命令或者轨迹，而是使用BCI猜测和预知人类的意图，而且使用机器人进行任务空间的计划和控制。目前看起来在大脑策略方面有些停滞，所以我们需要在大脑监测方面实现突破，这里的关键就是真的能够猜测和预知人的意图。伯克利大学的教授也在做这方面的研究，但现在我们还没有办法预知我们所关注的物体，如果这个问题被解决了，猜测大脑的意图的话，还有两个重要的问题需要思考：怎样有效地去实现闭环，然后就是怎样去体现。

    这是来自《黑客帝国》的图片，尼奥坐在椅子上，大脑插入的系统把他迁移到了另外一个虚拟的世界当中，所以大脑必须得到训练从而变得更加强大。另外两部对我启发比较大的电影：《Gate of Sorrow》是关于复制你自己的电影，虽然躺在床上，但你可以在真实世界当中活动。当时有一位同事本来想做演讲，后来把电影当中很多东西吸取进去了，所以只是在未来我们需要具备什么样的能力。《Chappie》主要是关于意识的问题，我们是否能够做到永生。

   现在我们已经有很多人形机器人了，每年也都在发展，需要对幻灯片进行更新，因为会有一些新的机器人出现，现在有来自俄罗斯和中国的机器人，现在的机器人越来越像人，最后可能会克隆出人形。再就是通过HiFi的方式进行远程控制，比如用手势进行传递，但我们所谓的体现还不只是这种远程控制，现在的问题是远程控制这样的机器人，必须认为这是你身体的一部分而不是机器人，所以要打破机器人和人之间的界限，要让这个人相信这个机器人就是自己身体的一部分，它就是你自己，这是最有挑战性的部分。

    这是一个橡胶手，是用同样的方式进行刺激，一个人用叉子去叉假手，这个人非常害怕，把他的手拿回去了，有些时候人们会把这个手看作自己的手。我们可以发现形状并没有关系，问题不在于形状，现在可以有些复制的手段，如果有一个人提供了情境，在看控制的机器人的时候，问题在于是不是认为机器人就是他本人？我们希望能够复制这样一些场景，并且实现自我定位和自我认知，也有一个非常重要的工作，就是在没有这个触觉反馈的时候，只是手没有手指的话，碰到了一个窗帘，你问这个人是不是感觉到上面有什么东西，其实他的感觉并不是这个手指的感觉，而是整个手的感觉。

    这是我的结论，目前机器人行业对物理世界的体现还没有足够的理解，现在我们应该回到更加实用的问题，如果这个人不信任系统的话，系统就不会发挥作用，即便系统非常好，要让一个瘫痪的人去走路的话，如果自己不相信系统，这个系统就不会发挥作用，信任对系统的可用性是非常重要的，我们需要让传感器更好地探索人的行动。 

龚克：下面有请德国人工智能研究中心机器人创新中心主任Frank Kirchner进行主题演讲“中德人工智能与机器人合作前景及展望”。

 Frank Kirchner      德国人工智能研究中心机器人创新中心主任

Frank Kirchner：感谢各位一直留到现在，我要讲的主要是应该如何认识机器人和人工智能，其实这是一个事物的两面：人工智能是计算机科学的核心，计算机科学也和工程机械电子学有关系，同时人工智能也基于心理学和认知科学等等，所以是这种学科的核心，也和神经科学有紧密的关系。电子学、神经科学和计算机学之间连接的点就是人工智能。

如何解决现有的这些问题？上个世纪图灵曾经写过一篇文章，其中谈到了人工智能，在此基础上要想让机器人在环境当中学习，并且不断演进，变得越来越智能，面临的主要是四大挑战：我们需要打造非常复杂的系统，增加更多的自由度和传感器，这样机器人才能和复杂的环境进行互动，需要以这种方式抓住一个东西。

结构的复杂性也就意味着算法会更加复杂，算法复杂也就意味着管理起来更加复杂，因为要保证能够正常运转，也要知道一个真实世界当中的自由度是非常多的。算法复杂本身又会带来学习过程非常复杂，我们也发现很多机器人的运动，无论是平行运动还是其它类型的运动都是非常复杂的，要想控制这种非常复杂的运动链是非常复杂的，比如用深度学习和增强学习。最后需要思考的是整个架构，因为需要将软件、硬件整合到一个大的框架当中完成任务，使得这个东西能够长期使用，不只是在实验室当中使用一段时间，我们讲的就是能够用几个月甚至几年的机器人。

    当然，这些东西还会产生新的问题，所以实际上是不断的循环，也会发现总会有新的问题出现。我们希望机器人能够在人的环境当中正常使用，那么机器人就需要像人一样学习。未来我们对机器人是如何进行编程的呢？最重要的就是需要让机器人像人一样学习，把机器人打造成为我们的伙伴，希望这些伙伴能够读懂我的意图，比如能够看出我的同事今天情绪不好，作出这样的判断才能用不同的方式和其他人交流。我们希望机器人能够读懂我们的基本意图，之前也有讲者讲到过这方面的内容。

    这是来自Boston Dynamic的视频，仍然没有什么太多的认知功能，但在做一些非常简单的任务，就是在森林当中自然地行走，追踪一些足迹。这种机器人也是在自然当中学习，这个层面当中其实它已经有了一定的智能，可以用软件对它进行控制。我们花了二十多年设计智能执行器，也花了更多工程的力量把它打包成一个小包，这些可以用在各种形状的机器人当中，比如行走的机器人、爬行的机器人，也要看一看更高级的东西，比如感知的元器件，借鉴了一些其他同事的想法，就是重建人体的皮肤，这样就能够让机器人有感知和触觉。

    这是行走机器人的结构，我们也在重建机器人的脚，要想打造人形的脚里面包含很多东西，包括一些3D打印的技术。过去几年当中省了很多时间，因为过去要有一个想法变成现实是非常困难的，有了3D打印很快可以将想法变成现实，并且省了很多成本。这里我们要把足部做得非常灵活，可能要设定很多压力点，这个脚本身也是足够智能的，搭载了强大的计算单元，能够收集到很多的信息，我们可以用它来做很多的事情，探索人体到底是如何反应的。

    我们可以通过非常简单的想法，将这种技术拓展到整个其它的位置。这种方式甚至可以解决一些非常复杂的问题，传统的计算方式可能有些做得并不是特别好。复杂的结构导致了更为复杂的算法，可以看到这些小型机器人对周围的环境完全不了解，但仍然可以穿过这些地方，我们给它们赋予这样的运动智能，所以可以穿越很多的障碍，和周围的环境很好地互动。当然，我们也可以用导航的技术在环境当中移动，甚至绘制这个地区的地图，之后把自己置身在地图当中进行自我导航，记录自己的行走路径。

    这种行走的机器人通过不断触摸周围的环境记录信息，这里也包含了很多触感信息，提升了记录信息的准确性，也需要带有非常强的导航能力。

    学习是非常重要的部分，因为我们的机器人正在变得越来越复杂，传统的计算科学方式已经无法解决新的东西了，所以我们需要这个机器人进一步学习，通过这种多层的学习方式，表现也是不错的。这两条线是深度网络，现在加入了第三维，实际上能够将前两维的学习进一步深入，解决一些以前在二维当中解决不了的问题。

    通过学习，这些机器人会变得更加有用，需要考虑我们什么时候使用机器学习什么时候不用，机器学习无法把垃圾信息转化为有用信息，如果这些信息本身就是低质的，输入信息的话是不可能转化成为有用的东西。很多时候我们要用统计学的方法过滤信息，比如在医疗领域要首先对数据进行过滤，通过统计的方法清理这些数据，之后再输入这些数据，否则就会产生一些错误的结论。

值得一提的是水下领域，我们的实验室当中在做水下甚至可以居住的环境，可以看到这是我们设计的原型，里面也有很多的传感器和硬件，使其能够在水下非常自由地航行，但这只是一个模拟的视频，我们是把它用在3,000-4,000米的水下深度，可以模拟一下人在里面会有什么情况。水下的居民会住在水下很长一段时间，但也需要电和能源，必须能够在水下自动充电，使用导航的技术进行移动。这是真实机器人获取的数据，追踪的是水下的输油管道，这个系统已经运转了一段时间，现在已经实现了一定程度的自主运营。当然，不仅是找到和追踪石油管道，还能够做些其它的事情，比如观察水下管道的结构，很多信息可以传输给水上的操作人员，同时可以避免很多事故。

    这些智能功能都是存储在系统当中，通过无线的方式传输信息，由于系统有一定的自主性，能够自动地在完成任务以后回到所谓的车库里面，并且完成通讯的任务，将信息发回到控制台。这是机器人真正执行任务的视频，也是在不莱梅非常大的水下区域测试这个系统。过去的几年当中我们也听到中国急救人员需要更好的智能设备完成任务，比如行走机器人甚至可以在水下进行搜寻，也可以应用于油气领域。

    这个机器人适用于几大环境，比如岩石环境，视频当中是我们和美国同事一起做的测试，是在尤他州沙漠走了6周，然后在不莱梅控制这个机器人。再就是实体智能机器人未来将会给我们的生产带来巨大的变化，今后我们将有混合的团队，也就是人机协作的团队，人和机器人混合在一起，生产iPhone、汽车和飞机。可以看到一些应用实例，我们把它称作“物理阿凡达”，因为机器人不是完全独立的，而是由和人之间的协作实现。

    在实现人机团队之前还有很多研究需要做，比如在操控领域需要做很多的研究，这里想做的就是左上角，人和机器人之间实现完全的接触。目前在传统的工业场合，人和机器人之间是没有接触的，分开的好处就是机器人可以很重，也可以举起非常重的物体，但今天的机器人不能和人实现好的协作，要么就是安全的，但在功能上有缺失，要么就是强壮的，但可能导致安全性的问题。

    这个机器人是对外力有反应的，同时又可以保持参考的轨迹，所以这是实验室的一个实验，但可以让我们看到和人能够合作的机器人，不可以伤害人。现在我们又往前走了一步，比如和大众汽车公司合作，使用的是库卡的机器臂，现在也可以做一些在实验室当中用机器人做的事情，就是实现未来的人机协作。这里是生产一个变速箱，人和机器可以通过手势协作，也可以进入机器人所在的空间，机器人会根据感应避免伤害人。

    之前有人提到过一点，我们使用EEG信号控制机器人，可能会看机器人的潜力，也就是可以从一系列的信号当中读出其所需要的信息，也可以准备好，如果移动右手是一种模式，移动左手是另外一种模式，我们会对这些信号进行分析，使得我们有可能在这个人实际的行动之前的100-150微秒，得以知道这个人要做什么事情，当人真正去做这件事情甚至只是想举手的时候机器人已经把手举起来了，我们有很多算法的设计以便做到这一点。

    人和机器在未来是怎么协作的呢？这是《Nature》杂志已经发表的论文，如果人意识到某件事情是错误的，我们会使用错误的方式不断改进机器人，这也是非常有意思的发展方向，你要和一个机器人伴侣生活的话，机器人伴侣如果非常愚蠢，你要一直教它，告诉它这样做，如果花很长时间教它的话你可能就厌倦了，所以有了这样一种机制，认知的角度对人类来说并不复杂，其实是在潜意识层次发生，如果在潜意识的层面训练机器人的话人们就会更欢迎了。

    这也是一个应用的例子，就是关于康复。这个视频当中我们使用了机器人帮助这位女士，她正在从中风当中康复，要让她学会利用机器臂，我们通过机器臂对她进行帮助，只是通过了10分钟的训练，这位老年妇女就能够移动她的手了，否则的话她的手是不能移动的。这是一个非常有前景的发展方案，可以使用这些机器人辅助康复，结合BCI-脑控技术以及生物技术等等。

现在我们正在和各种各样的企业以及研究机构合作，过去几年当中我们和中国企业的整合取得了很大的成功，比如和中国铁路开展合作，有些学生也从中国来到德国学习人工智能，所以我们已经实现了非常好的互动与交流。我们有意展开更多在搜救机器人方面的合作，现在已经和北京开发区建立了合作关系，也和人工智能研究中心进行合作，这些合作都是非常有前景的，希望把这些合作进一步推进，因为我们相信中国市场是在快速发展的，今天也看到了这些机器人的展出，感谢主办方邀请到了这么多的企业参加，也是让我大开眼界，看到了中国这方面的技术发展到了什么程度。