文/吳鴻敏 徐智浩 周松斌 周雪峰

自新冠肺炎疫情發(fā)生以來，云會議、云協(xié)作等技術(shù)正逐漸改變?nèi)藗兊墓ぷ鞣绞剑贫朔?wù)也給機器人帶來了新的發(fā)展機遇，云端醫(yī)療防護機器人、云端體溫檢測機器人等被大量應(yīng)用。

云機器人概況

長期以來，人們對機器人充滿著幻想，希望它能夠擁有類人的感知、認知、動作和自然交互能力，但目前機器人個體的計算能力有限，對場景的感知、理解與決策能力不足，遠不及人們的預(yù)期，因此，提高機器人智能化水平是未來機器人領(lǐng)域的重要研究方向。

云機器人是云計算、人工智能、5G通信、大數(shù)據(jù)和工業(yè)互聯(lián)網(wǎng)等技術(shù)的重要載體，給機器人提供一個更智能的云端大腦，既可以增強單個機器人的能力，又可以讓分布在世界各地、具有不同能力的機器人打破地域限制，互相合作、信息共享，完成更復(fù)雜的任務(wù)?；诖?，云機器人應(yīng)具備四大特征：一是硬件無關(guān)。云端大腦能夠建立機器人、傳感器及周邊設(shè)備的一般性模型，分析與決策算法不依賴于特定的硬件、接口及協(xié)議等。二是傳感共享。云機器人執(zhí)行任務(wù)過程的傳感數(shù)據(jù)將直接上云，通過云端實現(xiàn)傳感信息共享。三是技能派生。云機器人具備對不同場景下的操作技能進行存儲，以及由人工智能技術(shù)從已有技能中學習以及衍生新技能的能力。四是群體智能。云機器人具有自組織性，并通過分布式交互實現(xiàn)群體在復(fù)雜行為中的智能協(xié)作。

在新型基礎(chǔ)設(shè)施建設(shè)環(huán)境下，云機器人將廣泛擴展機器人應(yīng)用領(lǐng)域（見圖1），并加速和簡化機器人系統(tǒng)的開發(fā)過程，降低機器人構(gòu)造與使用成本，因此，無論是家庭機器人、工業(yè)機器人，還是醫(yī)療機器人，其發(fā)展都將具有極其深遠的意義。

云機器人關(guān)鍵技術(shù)

1.大數(shù)據(jù)與“云-邊-端”計算技術(shù)

圖1 云機器人應(yīng)用場景示例

云機器人框架下的大數(shù)據(jù)是指各個機器人系統(tǒng)為了能夠精確地感知與理解環(huán)境以支持本體的移動、避障、交互和操作，通常需要集成大量的傳感器，如深度相機、激光雷達、觸覺傳感器、力覺傳感器、麥克風陣列等，這將產(chǎn)生海量的多源異構(gòu)數(shù)據(jù)。如果將如此龐大的數(shù)據(jù)直接傳輸?shù)皆贫诉M行處理，既不現(xiàn)實也不高效。為此，采用“云-邊-端”協(xié)同計算的架構(gòu)，在云平臺上可提供高性能計算以及通用知識的存儲，在邊緣設(shè)備上可進行數(shù)據(jù)的有效處理和算力支持，在機器人終端上完成實時的操作與控制處理，從而實現(xiàn)大規(guī)模機器人應(yīng)用場景下更經(jīng)濟、有效的部署，具體的技術(shù)設(shè)計方案如圖2所示。同時，利用5G通信和互聯(lián)網(wǎng)技術(shù)將機器人無縫連接，使生產(chǎn)制造更加扁平化、定制化、智能化，實現(xiàn)數(shù)據(jù)共享、敏捷互聯(lián)、應(yīng)用云化、智慧決策，促進機器人在工業(yè)控制、物流追蹤、柔性制造等應(yīng)用場景的通用智能化，有利于制造業(yè)的轉(zhuǎn)型升級以及智能制造的發(fā)展。

圖2 云機器人的“云-邊-端”計算

2.機器人持續(xù)學習技術(shù)

云機器人學習技術(shù)不僅包括傳統(tǒng)機器人基于大數(shù)據(jù)的監(jiān)督學習功能，還需要增加持續(xù)學習和群體學習的能力，使機器人個體能夠快速適應(yīng)復(fù)雜多樣的應(yīng)用場景。目前，受限于數(shù)據(jù)量不足和計算效率低下等問題，機器人學習到的模型魯棒性差、效率不高。解決上述問題的關(guān)鍵是讓機器人能獲取大量訓練數(shù)據(jù)及優(yōu)質(zhì)的算力支持，而這恰好是云機器人架構(gòu)所具備的能力。

云機器人學習的核心思路是讓機器人能夠自己學會執(zhí)行各種決策任務(wù)，即具有類人的持續(xù)學習能力，并且能夠在機器人間或機器人與其他智能體間進行協(xié)同學習。具體來說，云機器人個體可以先通過少量數(shù)據(jù)建立基本的環(huán)境交互能力，然后根據(jù)完成任務(wù)所需的技能自主地從云平臺中找到更多相關(guān)數(shù)據(jù)，并進行增強訓練、模仿學習、技能遷移等。隨著這個過程的不斷進行，云機器人逐步實現(xiàn)自主持續(xù)學習。具體的技術(shù)設(shè)計方案如圖3所示。

圖3 云機器人的持續(xù)學習

3.場景感知與理解技術(shù)

云機器人框架下的場景感知與理解將為機器人的個性化服務(wù)和持續(xù)學習提供保障，使機器人能夠根據(jù)當前的場景進行相應(yīng)的自適應(yīng)調(diào)整。此時，場景感知與理解通常需要采用多種傳感器對場景進行三維語義理解，并實現(xiàn)物體識別、三維重建、“人-機-物”融合以及場景預(yù)測等功能。具體的技術(shù)設(shè)計方案如圖4所示。

利用深度視覺對機器人操作環(huán)境與任務(wù)的快速測量、識別與解釋，能夠提升生產(chǎn)效能和運行柔性，提高智能性。而現(xiàn)階段的機器人三維視覺感知須依賴高性能的圖像處理硬件與算法，對中小型制造企業(yè)有過高成本和技術(shù)門檻。云機器人框架下，將通過5G通信，將具有視覺感知的機器人與云端大腦相連，借助低延時聯(lián)網(wǎng)可以實時控制視覺增強的機器人傳感器和其他硬件，利用云計算，在增強機器人場景感知與理解能力的同時，降低機器人本體的硬件需求，實現(xiàn)傳感共享。

圖4 云機器人的場景感知與理解

4.面向 行業(yè)的機器人制造工藝知識圖譜

云機器人本體的應(yīng)用場景復(fù)雜多樣，構(gòu)建面向行業(yè)的機器人制造工藝知識圖譜可以加強工藝信息的共享，大幅度減少機器人場景自適應(yīng)時間。該知識圖譜的信息是從前述的場景感知與理解中獲取的，能進一步對機器人學到的知識進行模式挖掘以獲取更高層的常識知識，并存入云端大腦。具體的技術(shù)設(shè)計方案如圖5所示。同時，知識圖譜可以作為場景感知與理解的先驗知識，提升場景認知的能力。

機器人已被廣泛應(yīng)用于汽車制造、物流倉儲、家庭服務(wù)、醫(yī)療等領(lǐng)域，主要制造工藝包括機器人上下料、焊接、拋磨、裝配、搬運、檢測、靈巧操作等。伴隨著各行業(yè)邁向集成化、智能化、個性化的柔性生產(chǎn)，迫使機器人擁有動態(tài)和個性化的知識，不僅要對其所在的環(huán)境和人進行深入感知與理解，而且通過工業(yè)物聯(lián)網(wǎng)建立機器人、環(huán)境、人、事件等相關(guān)信息的關(guān)聯(lián)，實現(xiàn)任務(wù)工作操作過程中工藝知識共享、萬物互聯(lián)的工藝知識圖譜。不同于以往獨立運行的知識圖譜和計算機視覺，云機器人框架下面向行業(yè)的工藝知識圖譜將融合人工智能和5G技術(shù)，以實現(xiàn)更高級的持續(xù)學習和柔性生產(chǎn)。

5.基于云平臺的故障診斷和遠程運維

機器人作為制造業(yè)的核心裝備，在現(xiàn)代柔性加工中應(yīng)用越來越廣泛，保證機器人持續(xù)運作的穩(wěn)定性和可靠性是提高生產(chǎn)效益的前提保障。而目前，大部分制造生產(chǎn)現(xiàn)場的設(shè)備通過工業(yè)總線或高速以太網(wǎng)進行數(shù)據(jù)傳輸，存在延時長的問題。隨著5G基站和邊緣設(shè)備的部署，機器人端到基站的延遲可以縮小到毫秒級，采用基于5G網(wǎng)絡(luò)的實時視頻監(jiān)控和設(shè)備運行狀態(tài)數(shù)據(jù)跟蹤，其高速率、低時延、高可靠性的優(yōu)勢盡顯。因此，構(gòu)建云機器人平臺，實現(xiàn)機器人及其周邊設(shè)備的遠程在線狀態(tài)監(jiān)控、實時故障報警和診斷分析，遠程故障定位、設(shè)備程序升級以及大數(shù)據(jù)分析等功能。具體的技術(shù)設(shè)計方案如圖6所示。

云機器人應(yīng)用場景分析

1.物體抓取

未知物體的抓取是機器人應(yīng)用于工業(yè)、服務(wù)、醫(yī)療等領(lǐng)域的基本技能，具有重要的現(xiàn)實意義。傳統(tǒng)基于幾何分析和特征提取的方法在處理完全未知物體時存在明顯的不足，而引入深度神經(jīng)網(wǎng)絡(luò)對未知物體特征進行學習的方法被證實可以顯著提高機器人抓取的魯棒性和準確性。此時，需要大量數(shù)據(jù)的采集、預(yù)處理和計算，借助云計算和5G通信技術(shù)，將不同場景下機器人抓取應(yīng)用的數(shù)據(jù)傳輸?shù)皆贫?，?jīng)過學習后將抓取策略傳送給機器人，實現(xiàn)數(shù)據(jù)共享及協(xié)同學習。

2019 年，加州大學伯克利分校、斯坦福大學、賓夕法尼亞大學、卡內(nèi)基梅隆大學聯(lián)合提出了一個用于共享機器人抓取經(jīng)驗的開放數(shù)據(jù)庫RoboNet，該數(shù)據(jù)庫提供了來自7個不同機器人的1500萬個視頻幀，用于研究如何學習基于視覺的機器人通用模型，實現(xiàn)在新物體、新任務(wù)、新場景、新視角抓取工具，甚至是全新機器人上的操作性能。結(jié)果表明，通過在RoboNet上進行預(yù)訓練及抓取參數(shù)的微調(diào)后，可以超越使用4倍至20倍數(shù)據(jù)在特定機器人訓練方法上的性能。

圖5 云機器人的制造工藝知識圖譜

圖6 云機器人的故障診斷和遠程運維

2.自主導(dǎo)航

即時定位與地 圖構(gòu)建(simult aneous localization and mapping，SLAM)是指機器人從未知環(huán)境的未知地點出發(fā)，在運動過程中通過重復(fù)觀測到的環(huán)境特征定位自身位姿，再根據(jù)自身位置構(gòu)建周圍環(huán)境的增量式地圖，從而達到同時定位和地圖構(gòu)建的目的。此時，需要在機器人周圍安裝各種各樣的傳感器，以實現(xiàn)環(huán)境感知、建圖、導(dǎo)航及避障等功能，但由于機載資源有限，無論是局部還是全局的導(dǎo)航問題都容易受到計算和存儲任務(wù)的困擾，尤其在大規(guī)模導(dǎo)航領(lǐng)域極具挑戰(zhàn)性。借助云機器人框架中的“云-邊-端”計算框架是解決上述問題的重要途徑。

一方面，云計算不僅能夠提供足夠的存儲空間來處理用于映射的大量數(shù)據(jù)，而且具有足夠的計算能力以允許地圖搜索和建立；另一方面，通過云計算，還可以利用商業(yè)地圖（如Google地圖、百度地圖）來提供靈活、可靠和自主的導(dǎo)航。例如，在新冠肺炎疫情期間，達闥科技推出了基于5G網(wǎng)絡(luò)的智能測溫巡查機器人，在終端采用具備高靈敏度和精準度的儀器，云端則包括密集人群人體自動識別、人體動態(tài)追蹤跟隨等算法，以及高溫告警和后臺實時數(shù)據(jù)處理等技術(shù)。

3.多任務(wù)學習

人類能夠從復(fù)雜多樣的任務(wù)中學習共性的操作經(jīng)驗，從而加快掌握新任務(wù)，甚至實現(xiàn)“舉一反三”的應(yīng)用，例如當人類學會騎自行車后，便能很快地掌握騎摩托車的操作技能，又或者在學會C++編程規(guī)則后，便能很快地掌握使用Python編程。如何讓機器人能夠從多任務(wù)中學習一般性的操作技能，并且能快速適應(yīng)全新的機器人平臺和應(yīng)用場景，是當今機器人領(lǐng)域最前沿的研究技術(shù)。

谷歌機器人研究中心在2020年年初聯(lián)合加州大學伯克利分校、斯坦福大學等機構(gòu)提出了基于元強化學習算法的機器人多任務(wù)學習基準，該基準包含了推拉、抓放、堆疊等50個不同的機器人操作任務(wù)，并將學到的技能擴展應(yīng)用于從未接觸過的開門、軸孔裝配等任務(wù)。

豐田研究院首席執(zhí)行官吉爾·普拉特（Gill Pratt）在2015年曾表示“機器人技術(shù)爆炸的關(guān)鍵在于云機器人技術(shù)和深度學習的結(jié)合”，并在2019年提出了“艦隊學習”系統(tǒng)，使一個機器人能夠從人或模擬中學習執(zhí)行任務(wù)，然后與所有其他機器人共享該知識，以便他們可以在新情況下執(zhí)行任務(wù)，這樣就可以實現(xiàn)機器人技能呈指數(shù)級增長。目前，該系統(tǒng)可以成功地執(zhí)行約85%相對復(fù)雜的人類級任務(wù)。

4.故障診斷及遠程運維

故障診斷及遠程運維系統(tǒng)能夠?qū)崿F(xiàn)設(shè)備遠程狀態(tài)監(jiān)控、實時告警通知、故障診斷分析、遠程故障定位和程序升級、資產(chǎn)管理以及預(yù)防性維護等功能，對企業(yè)生產(chǎn)的經(jīng)濟效益意義重大。通過將設(shè)備傳感數(shù)據(jù)上傳至云端，借助云計算和大數(shù)據(jù)挖掘技術(shù)，能夠生成維修計劃和日記，降低維護成本。

佛山隆深機器人研發(fā)了基于“云端大腦”的故障診斷及遠程運維系統(tǒng)，通過在機器人本體上增設(shè)一臺數(shù)據(jù)處理的邊端裝置，將應(yīng)用于不同領(lǐng)域、不同工位的機器人狀態(tài)信息連接到云端，借助云端中人工智能算法，實現(xiàn)24小時的故障診斷和機器人運行節(jié)拍分析，能夠大幅度提高機器人運行效率，減少停機時間，提高生產(chǎn)效率。目前，該系統(tǒng)已成功實現(xiàn)不少于1000臺機器人的上云服務(wù)。

云機器人發(fā)展的挑戰(zhàn)與展望

云機器人將在家庭服務(wù)、智能制造、醫(yī)療等領(lǐng)域的應(yīng)用場景中幫助人們完成個性化和定制化任務(wù)，在“云-邊-端”下所產(chǎn)生大量的隱私數(shù)據(jù)須進行管理和保護，要求在數(shù)據(jù)存儲和網(wǎng)絡(luò)傳輸各個環(huán)節(jié)對用戶的隱私數(shù)據(jù)設(shè)計安全保障機制，例如可以通過數(shù)據(jù)脫敏手段來消除隱私性，并且在云平臺、邊緣 設(shè)備和機器人終端設(shè)計不同級別的安全訪問權(quán)，實現(xiàn)安全可靠的計算資源和數(shù)據(jù)共享。

機器人智能化的目標主要是沿著類人的方向邁進，人類能夠通過不斷地索、開發(fā)和利用，增強自身在各領(lǐng)域、各場景中的技能，而機器人在自我學習、改進和技能提升方面依然存在不足。未來在云端大腦中，通過學會學習、神經(jīng)網(wǎng)絡(luò)架構(gòu)搜索等技術(shù)實現(xiàn)高魯棒性和高效的機器人持續(xù)學習是提升智能機器人應(yīng)用的關(guān)鍵。

隨著機器人應(yīng)用需求的多樣性，機器人制造商、集成商等須建立統(tǒng)一標準的機器人開源軟件平臺，這將有助于建設(shè)開放、共贏的云機器人平臺，從而更好地為人類服務(wù)。