孟慶虎，香港中文大學電子工程系教授；峰會主旨報告《真的要機器換人嗎？》。

　　各位尊敬的院士，專家，和機器人圈的朋友。今天特別感興機器人峰會主委會讓我有機會把我工作和科研的工作跟大家稍微分享一下。

　　我今天講的題目是《真的要機器換人嗎？》。這里有兩想法，一個是機器人換人是20年以前的概念，那么現在的機器人發展到今天這一步的時候，機器人換人這個事是不是在每個場合都合適，第二現在真的可以機器人換人嗎？機器人能夠替代人嗎？我們從這個角度跟大家分享一下。

　　我們機器人歷史也不長，機器人這個詞是1920年出來的。你這個ROB這個詞在1920年是沒有的。機器人學是科幻小說1941年提出來的所以歷史很短暫，1941年查這個文獻是沒有的。

　　我們看看研究的成果，有一種比較快的方法看，就是從數據庫里面看，我們把傳統機器人和機器人學，圖象處理、自動化、信息、能源做一個比較，1985年之前，這個數據庫搜集是這樣的，就是機器人非常的少，傳統的行業，像能源、控制系統工程文章特別多。后面的十年，增長相當的快，大家看到這個機器人增長相對快，但是1995年到2004年是這樣的增長。如果用倍數來看，機器人增長是倍數最多。我們在機器人本身這個行業里比的話，我們協作機器人、仿真機器人，機器人感知，微小型機器人、還有工業機器人、服務機器人，19 85年之前沒有這方面的文章。從1985年到1994年大家有關注，包括人性機器人，協作機器人有了，突破了0。1995年到2004年的增長，可以看到這個仿真機器人進展還是非常快的。但是還不行。截止到2015年人機合作文章還是比較少。只有500多篇，仿真機器人多一點。原來是0，所以是放大倍數是無窮大，所以人機合作有很大的余地。真的想要機器人融入我們的生活，我們要克服的就是讓機器人和人能夠共同的生存，共同的工作。那么，機器人換人一個先決條件就是說機器人要能夠跟人共同生存。所以說，從這樣一個角度，我們覺得應該稍微看一下機器人的發展史。

　　1960年的時候，第一次用機器人上了雞尾酒，所以這兩個人結緣。還有1961年第一臺機器人賣JM。當時是處理鍛造艦的運輸。當時并不是做裝配的事。歷史上還有一件非常重要的事情就是1968年，在斯坦福研究了機器人控制的機械臂，這個機械臂后來變成了斯坦福R，這成為第一個真正計算機控制的機械臂，這個計算機控制的機械臂，工業機器人，那么真正到了市場，就是到1978年的事，所以這個成為了第一個利用自由度，完全計算機控制的機器人。所以這個歷史非常的短暫。但是，我們看傳統的工業裝配機器人有一些特點，第一個就是它運行速度非常的高，第二個就是說它的運行精度非常的高。因為他們是不具備任何的智能和傳感這樣的功能的。所以說必須要靠精確的編成完成所有的任務，這個就是這樣的。也沒有協作。所以當時的裝配線要評比起來，不能讓人進來，因為機器人沒有智力，也不知道有沒有人這樣的事情。這樣的裝配線現在逐漸被人機協調的裝配線替代掉，這個是寶馬最新的生產線，可以看到，現在的概念是讓人做人最擅長的事，讓機器人做機器人最擅長的事。大家發揮優勢，能夠讓效率提高得非常好。而且在一些非常笨重，人做起來費勁，不愿意做，非常困難的事讓機器人做，相對容易的事，而且用機器人來做相對困難的事，這個時候我們用人來做。所以說，人和機器人的協調，真正的開始從工業進入。要讓這樣機器人和人一塊合作首先有一個非常重要的條件，那就是說機器人必須知道人的存在，這樣的工作讓人知道非常簡單，靈巧，而且不用太消耗太多的體力就可以完成。但是，你要用機器人來做，這樣的事相對來說效率非常的低。這就是目前的一種趨勢。那么，這個要求就是我剛才要說的，一定要讓機器人有一定的智能，和人打交道的能力，這樣可以讓機器人進入這個環境。

　　就是說我們現在從機械方面來說，除了裝配線上機器人，這里就是說想替代單位的工人。這個就是一個小的工房，小型的企業，如果有個別崗位需要有一個比較能夠替代人的工作，希望用這樣的機器人，這樣的機器人跟的傳統的機器人有一個區別，就是它速度不是特別高，精度不是特別高。但是，有很高的智能，有很多傳感信息。所以說，能夠知道怎么樣，知道怎么跟人合作，不會傷到人，可以看到人做什么，學習起來非常容易，手把手教他就可以自動的編程，而且這樣的機器人成本不是特別，特別適合中小企業，或者單工位替工，但是這樣的機器人是不是真的能夠換人呢？我們看一個簡單的視頻，

　　這個事讓人做相對容易多了，但是我們用單工位機器人做起來還是非常費勁的。如果要讓他來疊衣服的話還沒有準備好。我們也是做了很多非常先進，酷的機器人，包括仿人的，說老實話，在從硬件設備商來說，已經達到了登峰造極的水平了，就是人類對于用一個鋼鐵模仿柔體的生物獲得了一定的程度，即便這樣的技術上非常高，然后為什么我們做一些有時候看起來非常簡單的事情，反而還是不了呢？這個時候我們就是需要給他做一些改進。比如我們看這個的話，這個是我們中國的香港大學李一兵機械狗。

　　從硬件上要做這樣一個狗，當時李一兵他們團隊沒花太多的時間和金錢做出來，而且得到了非常高的贊揚。就是說硬件上面我們要想做一件事情，實際上并不是那么難，但是為什么當你要執行一個任務的時候就會變成這樣難呢？我們再看看這個去年的DAPRPA。這個代表了現在最高的水平，當他們完全單相指標的時候都是非常的精彩，當讓他們完成人類非常簡單可以做到的任務的時候反而他們做不到。從這些例子里面我們可以吸取什么經驗教訓，可以看到什么問題，引發我們什么思考，我們做機器人研究的時候，技術研究的時候，我們應該注重哪些方面呢？所以這些事情我們就想引出我們下面的一些話題。

　　首先我們來比較一下，人和機器人。我們從幾個方面比較一下的話。如果我們說它移動性能，我們說機器人的移動性能的確可以做到跟人差不多。有時候比人強。所以再看靈活性，人絕對沒有問題的，機器人現在還不是那么完美。盡管我們有柔性關節等等，但是我們機器人主要還是鋼鐵，鋼鐵機器人的時候，跟我們柔性還是有嚴重的區別的，那么操作性，大家都是差不多的。有的時候機器人可以更精確，可以更快，傳感能力呢？也應該是差不多。而且機器人有時候會比我們傳感能力更強。但是智能方面機器人差得比較多。這樣一比，我們發現兩個地方，一個是靈活性，一個是智能。這里面是分別是硬件和軟件的問題。大家都有努力。這個實驗室的教授就是在做。里面是用這種驅動，仿人的肌肉，韌帶驅動來做的，這個說老實話有很長的路要走。那么，這個我們先說和人打交道，首先要知道人智能怎么樣。我們有視覺系統，90%的信息是視覺來的，還有嗅覺，聽覺。我們還有一個觸覺，這個不僅裝在手腕上，遍布我們所有的皮膚，這些角度來說，人類盡管裝配傳感器不是那么多，但是這些傳感器非常有效的發揮作用。我們人腦的能力超出異常，我們每秒鐘可以處理1萬億比特的信息。我們大腦每一秒鐘可以搜集4千億比特信息，大家覺得可能這個數據不靠譜，我們大腦每一秒搜集4千億比特，但是原因我們可能只對其中兩千條關注，其中七條有記憶。你搜集到的信息只有7條有記憶。最快只能對其中一條做出反映，比如我現在問大家，大廳里面有多少個出口，大家說不知道。但是你回頭一看，這個信息一直在那。但是我們沒有關注它，我們只關注其中有用的最多7條。這個我們是怎么關注的？我們人記憶有選擇性的。就是說因為我們有選擇性，根據我們的知識，根據我們的情節，根據我們做出判斷，這個我們根據我們經驗就會說圓或方。我們有時候給你不相干的東西，讓你看的時候你不知所措，不知道往哪看，當我問你這個圖片里這個人腰帶的顏色是什么的時候，再打開的時候，大家第一個關注的點就是它的皮帶，這就是人的視覺，和人的大腦對于信息能夠進行分割處理，實際上是交集的方式，不至于我們大腦累死。所以用機器人，人工智能做信息處理的時候，我們往往沒有這樣的能力，比如說，有TOP  DOWN的功能，比如我兒子看到這個蒼蠅的時候，第一次，他不知道什么事。但是他見過蜜蜂，他就說這是一個蜜蜂，你告訴他這不是蜜蜂，是蒼蠅，他就更新他的記憶，他下一次看到蒼蠅的的時候就說是蒼蠅不是說蜜蜂。這是人保護自己的一個判斷。還有BOTTOM  UP，這獲取高級知識的方式，我們這個可以根據經驗說是圓還是方。然后這個圖形我們根據人經驗是人在騎馬，這樣圖象，大家有時候也能夠判斷出來要么一個狗在走。根據我們經驗，根據我們判斷，這樣的圖象我們都能處理，但是作為機器人就是處理不了。人和機器人有好多的互補性。人我們好處的就是90%的信息是眼睛獲取的，我們傳達，表達出來的信息90%通過語言來表達的。所以說我們語音方面做得相當不錯的。但是圖象識別方面還是做得很差。這是一個小女孩，看到一個照片以后可以解釋出來這里邊是什么現象。

　　這個是斯坦福大學人工智能的一個教授。

　　大家可以看到跟一個3歲小孩比還有很大的差距。那么就是和這樣的思路和想法，我舉個我們科研的例子。

　　第一個就是說大家做這個我們叫ACTIVE，這個就是我們用攝像機看的東西都是被動的，靜態的。我們捕捉的東西一個要觀測物和被觀測物他們之間的關系，我們往往建立這樣的東西，這個東西建立好以后什么東西都好做了，如果只是一個攝象頭，就能夠感知環境，感知你要操作的對象，但是放在移動平臺上就是被動的，因為你改變了攝象頭的狀態。不斷改變觀測的角度和位置，而且能夠把被觀測對象同時改變，達到更好的效果。這是第一個，我們小的例子。

　　第二個講的例子，我們開發的一個非常簡單OFFICE  ROB，這個一起人就是成本很低，就三千塊錢，可以自平衡，可以升降，這個OFFICE  ROB就是能夠自己上電梯，還能夠到達他想去的樓層，同時能夠進出自如。所以要具備一些目標和人辨識的功能，同時對這個按紐和樓梯的顯示這個功能。

　　最后一個就功能是里面有人，他按不到按紐，他需要用簡單的語音交流。就是幫我按一下三樓的電梯按鍵，如果他出不去，人多的時候，他會說去借過讓我出去。我們就是用非常簡單限定環境和限定任務的事情來驗證機器人的智能，如果我們把它限制在一個特定的范圍里以后我們可以做得非常好了。所以說這個就是來驗證這樣一個觀點。那么因為時間的關系我不再把它繼續講下去了。

　　這些東西我們要把它造得便宜，我們就是要把這些好多處理的能力，分類的能力，和智能決策能力反到云端，因為連接到網絡是非常簡單的事情，我們在網絡上可以把最先進的，和最聰明的算法放在這個地方，所有的加起來就可以給我們提供完美的任務，那么其中，今天我想強調一點就是說我們在做KN的時候，硬件的東西會逐漸變成生產能力特別強企業在做。一些小型的東西，打印機可以打的除外。基本上大家如果要是做小批量的硬件的話，以后大家不會有太多的市場。大量的市場在什么地方？就是感知、人工智能、視覺智能等等。然后大量就是軟件的事情，就是在云端的決策和專家系統等等，大數據。還有一個東西對我們非常有幫助的就是物聯網。將來物聯網真的是到處都是的話，機器人辨識東西的能力就會大幅度提高，我們不需要費勁去認這是一個什么東西。這個物聯網會告訴我們所有的事情來簡化我們計算機操作，到了那個時候機器人變成了社會的一部分，這個時代就真正到來了。今天簡單跟大家匯報就這么多。謝謝。