科幻作家对机器人助手喜爱有加，无论是《星球大战》中的 R2-D2 ，《星际迷航》中的机器人 Data ，还是《霹雳游侠》里的 KITT ，智慧程度丝毫不亚于人类。小说把我们带入天马行空的科幻世界，但在现实世界，有一项低科技含量且令人沮丧的事情一直困扰着我们——家务。为什么家务这种简单重复的工作不能交由机器人为我们代劳呢？这是所有机器人专家及投资人不断反思的问题。最近，这个问题终于有了比较乐观的发展。
看看你家的电器，排除花哨的玩意儿，你会发现自二战以来，家庭的自动化程度并没有明显的进展。虽然洗衣机，洗碗机，空调等在二战时期是梦幻的高科技，但无非由电动机，抽水机及各种管道组合而成，这些都是工业突破以来就可以预想到的。仅仅是通用电气，西屋，通用电力公司（现伊莱克斯）等公司做出的机器的家用微缩版本。在当时，把脏衣服丢进盒子里就变成干净衣服，这是创举。但到今天，基本的体验仍然没有大的变化，仅仅是在效率和可靠程度上有了提高。对物联网技术的应用还处于可有可无的状态，例如用手机控制冰箱温度等。
动画《杰森一家》中的机器人Rosie
在想象未来属于我们的家庭机器人之前，也许应该问一问：我们真的需要它们吗？现在只要滑动手机屏幕几下，无数的创业公司等着为你服务：Instacart 把食物带到你家里，Handy 上职业的家政人员上门修电器和保洁，Pager 上能请到专业的保姆，特别适合有小孩子的家庭。所以，当人类已经把工作做的足够好时，为什么还要有机器人呢？如今没有人能给出有理有据的回答，机器人可能会经过无数次的迭代进化，才能最终走入我们的生活。正如福特 T 型车出现之前汽车行业的十年。在 1980 年代之前，Apple 2 和其他兼容机并不能向大众证明其存在的价值，毕竟不是每个人都那么有钱，或者是程序员。对我们的第一代家用机器人，我们应该对它有理性的期待。
所以，审视如今需要破解的工程学难题，对工程师们而言才更务实而有益，这样才有可能做出科幻中那样的机器人产品。下面提到的 5 点可能是对家用机器人而言很有意义且急需解决的问题。
图片来自电影《她》
我们需要「机-人」交互
Siri 和亚马逊的 Alexa 告诉了我们现在自然语音交互的最高水平，很不幸的是，它们距离取代键盘和鼠标，成为人机交互的主要手段，还有很远的路要走。我们更需要的是「机-人」交互。两者区别在哪?「机-人」交互强调的是对人的理解，而不是根据统计学规律计算出一个数值。真正的人工智能应该学会感受人类的心情和感受。人类不会用一连串命令的口吻交流（也许有人如此），而是彼此交谈，当机器人也能这么做时，我们才得到真正的「机-人」交互。 科学家们正在研究这一概念，添加一系列沟通规则到机器之中。但显然，这么做远远不够
更廉价的传感器
无人驾驶车辆将为经营者带来巨大的商业价值，所以他们可以不惜成本地使用一批上千美金的激光雷达，雷达，超声波阵列，摄像头更是不在话下。然而，人们对于家庭机器人的预算就不多。传感器阵列可以精确感知周围环境，但费用高昂，除非传感器的价格足够便宜。因为智能手机的广泛应用，部分传感器的价格已经大幅降低。MEMS（微机电）技术的使用已经把陀螺仪从宇宙飞船和飞机才用得起的传感器变成了手机里最寻常事物。电脑视觉模拟技术是否可以把廉价的摄像头和红外线感应器结合起来，以代替昂贵的摄像头矩阵呢？我们应该把希望寄托在激光雷达的降价，还是全新的传感器技术突破？创业公司Dual Aperture 试图利用两个红外线传感器进行短距离检测。于此同时，DARPA（美国国防部先进研究项目局 ）正在进行基于芯片的雷达研究，创业公司 Quanergy 的专家们研发光学相位阵列，从而消除激光雷达的机械结构成本。我们对此可以有乐观的期待，随着技术的进步，传感器的价格会和手机一样便宜。
SRI的机械手
更灵巧的机器手
生活中，我们可以随意的拿起各种微小的物品，把它们整理归位。但想要让机器人也如此，他们至少需要有人类一样灵巧的双手。Robotiq、Right Hand Robotics、Soft Robotics 等公司正致力于此。虽然空气动力装置轻便柔软，但需要附加一个打气泵，这对于移动机器人来说并不具有可行性。DARPA的iRobot ，SRI 及其他技术公司似乎把我们引入了正确的方向——让机器人拥有控制力。
处理任意对象的能力
开门，控制开关，把散落在地上的玩具收拾干净对人类而言再容易不过，但对现在的机器而言，这样的计算量是巨大的。以机器人 Roomba 为例，它仅能做两件事：启动吸尘器电机并按既定方向行走，遇到水平方向的坚硬障碍物能够绕行。那么洗盘子和叠衣服呢？这两件事情需要具有识别物体的能力，辨认出外形边缘并抓去之，并理解物体与物体之间的联系，甚至能估计最差的后果。DARPA、NSF、NASA 及欧盟科学基金资助机构在这一领域赞助了无数的项目，但要从根本上破解这一难题，恐怕还需要很多其他技术的帮助，包括云计算和深度学习。
适应复杂多变的环境
如果谁看了今年的 DARPA 机器人挑战，一定会感慨在一个无序且陌生的场地中找到正确路径，对于机器人而言是何等艰难的事情，机器人往往行动迟缓而犹豫。无人驾驶汽车解决了这一难题，根本原因在于采用了深度学习的技术。深度学习技术能够帮助机器辨认柔软和坚硬的物体，并且算法可以不断改进。同样，即时导航技术也需要机器快速感知并处理周围的物体，在这一领域，速度最快的可能是 DRC 团队。
全自动不可能在一夜之间完成，但没关系，人类可以一步步帮助机器。Willow Garage 作为 Heaphy 计划的先驱，它通过远程众包的手段帮助机器人。许许多多的机器人及工厂自动化机器正在接受人类监控机器人的概念。在可预见的未来，一个人控制多台机器将成为主流。
via ieee
支付宝扫一扫
微信扫一扫
赏