當(dāng)前，全球機(jī)器人市場規(guī)模持續(xù)擴(kuò)大，工業(yè)機(jī)器人市場增速穩(wěn)定，服務(wù)機(jī)器人增速突出。2018 年，全球機(jī)器人市場規(guī)模達(dá) 298.2 億美元， 2013-2018 年的平均增長率約為 15.1%。 在裝備制造領(lǐng)域，機(jī)械臂憑借強(qiáng)大的負(fù)重能力和精準(zhǔn)的抓取操作代替著工人的雙手；在物流領(lǐng)域，智能倉儲機(jī)器人和無人搬運車不斷提高著運輸效率；在生活服務(wù)領(lǐng)域，家用清潔機(jī)器人和服務(wù)機(jī)器人正成為許多家庭的私人保姆和小秘書。

  本期的智能內(nèi)參，我們推薦來自英特爾的報告， 全面闡述機(jī)器人4.0的發(fā)展情況，以及云邊端融合的機(jī)器人系統(tǒng)和架構(gòu) 。

  一、 邁向云-邊-端融合的機(jī)器人4.0 時代

  1、機(jī)器人技術(shù)發(fā)展主要階段分析

  2017年，中國信息通信研究院、 IDC 國際數(shù)據(jù)集團(tuán)和英特爾共同發(fā)布的《人工智能時代的機(jī)器人3.0 新生態(tài)》白皮書把機(jī)器人的發(fā)展歷程劃分為三個時代，分別稱之為機(jī)器人1.0、機(jī)器人2.0、機(jī)器人3.0。

機(jī)器人發(fā)展階段示意圖

  機(jī)器人1.0（1960-2000），機(jī)器人對外界環(huán)境沒有感知，只能單純復(fù)現(xiàn)人類的示教動作，在制造業(yè)領(lǐng)域替代工人進(jìn)行機(jī)械性的重復(fù)體力勞動。

  機(jī)器人2.0（2000-2015）， 通過傳感器和數(shù)字技術(shù)的應(yīng)用構(gòu)建起機(jī)器人的感覺能力，并模擬部分人類功能，不但促進(jìn)了機(jī)器人在工業(yè)領(lǐng)域的成熟應(yīng)用，也逐步開始向商業(yè)領(lǐng)域拓展應(yīng)用。

  機(jī)器人3.0（2015-），伴隨著感知、計算、控制等技術(shù)的迭代升級和圖像識別、自然語音處理、深度認(rèn)知學(xué)習(xí)等新型數(shù)字技術(shù)在機(jī)器人領(lǐng)域的深入應(yīng)用，機(jī)器人領(lǐng)域的服務(wù)化趨勢日益明顯，逐漸滲透到社會生產(chǎn)生活的每一個角落。在機(jī)器人2.0 的基礎(chǔ)上，機(jī)器人3.0 實現(xiàn)從感知到認(rèn)知、推理、決策的智能化進(jìn)階。

  2、 應(yīng)用領(lǐng)域分析

  當(dāng)前，全球機(jī)器人市場規(guī)模持續(xù)擴(kuò)大，工業(yè)機(jī)器人市場增速穩(wěn)定，服務(wù)機(jī)器人增速突出。2018 年，全球機(jī)器人市場規(guī)模達(dá) 298.2 億美元， 2013-2018 年的平均增長率約為 15.1%。 在裝備制造領(lǐng)域，機(jī)械臂憑借強(qiáng)大的負(fù)重能力和精準(zhǔn)的抓取操作代替著工人的雙手；在物流領(lǐng)域，智能倉儲機(jī)器人和無人搬運車不斷提高著運輸效率；在生活服務(wù)領(lǐng)域，家用清潔機(jī)器人和服務(wù)機(jī)器人正成為許多家庭的私人保姆和小秘書。

  工業(yè)制造領(lǐng)域分析。目前，工業(yè)機(jī)器人在汽車、金屬制品、電子、橡膠及塑料等行業(yè)已經(jīng)得到了廣泛的應(yīng)用。隨著性能的不斷提升，以及各種應(yīng)用場景的不斷清晰， 2013 年以來，工業(yè)機(jī)器人的市場規(guī)模正以年均 12.1%的速度快速增長，預(yù)計到 2020 年將達(dá)到 230 億美元的銷售額。 隨著人力成本的上升， 工業(yè)制造領(lǐng)域的應(yīng)用前景良好，將會保持快速增長的勢頭。同時，工業(yè)機(jī)器人需要擁有更高的靈活性、更強(qiáng)的自主避障和快速配置的能力，提高整體產(chǎn)品的易用性和穩(wěn)定性。

  消費服務(wù)領(lǐng)域分析。服務(wù)機(jī)器人雖然整體銷售額低于工業(yè)機(jī)器人，但近幾年一直維持著較高的年增長率，商用服務(wù)機(jī)器人在商嘗銀行、酒店、機(jī)場等應(yīng)用場景有了更多的落地部署，主要提供導(dǎo)覽、問詢、送物等基礎(chǔ)服務(wù)。同時，家用服務(wù)機(jī)器人悄然進(jìn)入千家萬戶，掃地機(jī)器人銷量在家用服務(wù)機(jī)器人銷量中占主要份額，成為目前家務(wù)機(jī)器人中的主導(dǎo)品類。 由于本體能力不足， 隱私、安全方面的問題， 家庭管家機(jī)器人和陪伴型機(jī)器人的市場滲透率較低。 2013 年以來全球服務(wù)機(jī)器人市場規(guī)模年均增速達(dá) 23.5%，預(yù)計 2020 年將快速增長至 156.9 億美元。

  從整個技術(shù)發(fā)展和市場環(huán)境看，機(jī)器人產(chǎn)業(yè)擁有以下發(fā)展推力：1、成熟的生態(tài)系統(tǒng)；2、老齡化人口趨勢和新興市場；3、更多智能產(chǎn)品互聯(lián)和智能家庭建設(shè)；4、人工智能、自然語言理解能力的增強(qiáng) 。

  3、機(jī)器人4.0 的定義和發(fā)展機(jī)會

  機(jī)器人3.0 預(yù)計將在 2020 年完成， 在此之后，機(jī)器人將進(jìn)入 4.0 時代， 把云端大腦分布在從云到端的各個地方，充分利用邊緣計算去提供更高性價比的服務(wù)，把要完成任務(wù)的記憶場景的知識和常識很好的組合起來，實現(xiàn)規(guī)模化部署。機(jī)器人除了具有感知能力實現(xiàn)智能協(xié)作， 還具有理解和決策的能力，達(dá)到自主的服務(wù)。 在某些不確定的情況下，它需要叫遠(yuǎn)程的人進(jìn)行增強(qiáng)，或者做一些決策輔助，但是它在 90%，甚至 95%的情況可以自主完成任務(wù)。

  要達(dá)到這一目標(biāo)， 首先需要利用人工智能和5G技術(shù)。 利用人工智能技術(shù)提高機(jī)器人本體感知能力的同時， 提升個性化自然交互能力。利用5G技術(shù)， 大大縮短從終端到接入網(wǎng)的時間，帶寬大幅度上升，很多東西可以放到邊緣端，加入更多的計算能力，包括云端大腦的一些擴(kuò)展，助力機(jī)器人規(guī)模化部署。

實現(xiàn)機(jī)器人跳躍式發(fā)展

  類似互聯(lián)網(wǎng)的三級火箭發(fā)展模式，第一階段關(guān)鍵場景， 把握垂直應(yīng)用，提高場景、任務(wù)、能力的匹配，提高機(jī)器人在關(guān)鍵應(yīng)用場景的能力，擴(kuò)大用戶基礎(chǔ)；第二階段人工增強(qiáng)，通過加入持續(xù)學(xué)習(xí)和場景自適應(yīng)的能力，延伸服務(wù)能力，取代部分人力，逐步實現(xiàn)對人的替代，讓機(jī)器人的能力滿足用戶預(yù)期； 第三階段規(guī)模化， 通過云邊端融合的機(jī)器人系統(tǒng)和架構(gòu)，讓機(jī)器人達(dá)到數(shù)百萬千萬級水平，從而降低價格成本，實現(xiàn)大規(guī)模商用。

  二、 云-邊技術(shù)推動機(jī)器人結(jié)構(gòu)創(chuàng)新

  1、 云端大腦對機(jī)器人能力的增強(qiáng)

  2010 年提出的云機(jī)器人概念引入了云端大腦，機(jī)器人嘗試引入云計算、云存儲及其它云技術(shù)，達(dá)到機(jī)器人融合基礎(chǔ)設(shè)施和共享服務(wù)的優(yōu)點。相比于獨立的機(jī)器人本體，連接云端大腦后的機(jī)器人擁有以下四個核心優(yōu)勢。

  1）信息和知識共享： 一個云端大腦可以控制很多機(jī)器人，云端大腦可以匯集來自所有連接機(jī)器人的視覺、語音和環(huán)境信息，經(jīng)云端大腦智能分析處理后的數(shù)據(jù)信息可以被所有連接機(jī)器人使用。利用云服務(wù)器，各機(jī)器人本體獲取和處理的信息可以保持最新，并安全備份。

  2）平衡計算負(fù)載： 一些機(jī)器人功能需要較高的計算能力，利用云端平衡計算負(fù)載可以降低機(jī)器人本體的硬件需求，在保證能力的同時，讓機(jī)器人更輕、更孝更便宜。

  3）協(xié)同合作： 通過云端大腦，機(jī)器人本體不再獨立工作， 多機(jī)器人可以協(xié)同工作，例如共同搬運貨物，配合完成一整套工作流程等。

  4）獨立于本體持續(xù)升級： 借助云端大腦，機(jī)器人可以獨立于本體持續(xù)升級，不再依賴于本體硬件設(shè)備。

  2） 邊緣計算對機(jī)器人服務(wù)的提升

  IoT 應(yīng)用的快速發(fā)展，使得大量數(shù)據(jù)在網(wǎng)絡(luò)邊緣產(chǎn)生，推動了邊緣計算的產(chǎn)生和發(fā)展。邊緣計算的提出始于4G時代，將計算和存儲資源部署到網(wǎng)絡(luò)邊緣，不僅可以減少核心網(wǎng)和互聯(lián)網(wǎng)上的流量，還可以顯著降低傳輸時延， 提高網(wǎng)絡(luò)可靠性。

  低時延的業(yè)務(wù)需要終端、移動蜂窩網(wǎng)（接入網(wǎng)和核心網(wǎng)）、互聯(lián)網(wǎng)、數(shù)據(jù)中心的端到端的保障。目前的測試結(jié)果表明5G手機(jī)和基站的數(shù)據(jù)通路延時可以達(dá)到 4 毫秒，在 URLLC 模式下，手機(jī)和基站的延時可以達(dá)到 1 毫秒以下， 相比4G的 20毫秒提高了 20倍左右。對于互聯(lián)網(wǎng)和數(shù)據(jù)中心的時延，一般情況下由于地理位置分布廣和未針對低時延優(yōu)化，從核心網(wǎng)網(wǎng)關(guān)到互聯(lián)網(wǎng)數(shù)據(jù)中心可在幾十到幾百毫秒之間。在5G中，其核心網(wǎng)引入了分布式網(wǎng)關(guān)，網(wǎng)關(guān)可以下沉到基站附近，邊緣服務(wù)器可以直接連接到分布式網(wǎng)關(guān)上，大大降低網(wǎng)絡(luò)的端到端時延。

  邊緣計算的引入將解決終端能力受限和云計算的實時響應(yīng)的問題，增強(qiáng)機(jī)器人云端大腦的實時響應(yīng)能力，對于滿足機(jī)器人4.0 的要求十分關(guān)鍵，比如實時的推理、 場景理解、 操控等等。邊緣計算和云計算的結(jié)合，將突破終端的計算能力和存儲的限制，提高AI算法的訓(xùn)練和推理能力，比如提升精度和降低訓(xùn)練時間。同時將大部分機(jī)器人的智能布署在邊緣和云端，通過協(xié)作和不斷的訓(xùn)練，持續(xù)不斷的提高機(jī)器人智能，比如通過邊緣計算能更好的支持實時的多機(jī)協(xié)作，支持實時的知識圖譜提娶理解和決策，持續(xù)不斷的提高機(jī)器人的智能。邊緣計算和云計算還可以解決機(jī)器人終端升級維護(hù)的困難，在機(jī)器人本體的生命周期內(nèi)不斷升級，提高機(jī)器人的能力， 增強(qiáng)數(shù)據(jù)安全和隱私保護(hù)， 充分利用摩爾定律帶來的性能提升。

  3、 云-邊-端一體化對機(jī)器人系統(tǒng)的支撐

  云邊端一體化構(gòu)建了一個通過機(jī)器人提供多樣化服務(wù)的規(guī)模化運營平臺。其中，服務(wù)機(jī)器人本體是服務(wù)的實施者，而實際功能則根據(jù)服務(wù)的需要無縫地在終端計算（機(jī)器人本體）、邊緣計算和云計算之間分布和協(xié)同。機(jī)器人系統(tǒng)類似現(xiàn)在智能手機(jī)上的各種 APP，主要關(guān)注如何實現(xiàn)高性價比的多模態(tài)感知融合、自適應(yīng)交互和實時安全計算。

  多模態(tài)感知融合： 為了支持機(jī)器人的移動、避障、交互和操作，機(jī)器人系統(tǒng)必須裝備多種傳感器（如攝像頭、麥克風(fēng)陣列、激光雷達(dá)、超聲波等）。 同時，環(huán)境里的傳感器可以補(bǔ)足機(jī)器人的物理空間局限性。大部分?jǐn)?shù)據(jù)需要在時間同步的前提下進(jìn)行處理，并且調(diào)用不同復(fù)雜度的算法模塊（例如 SLAM，圖像處理，人和物體的識別等）。機(jī)器人硬件系統(tǒng)和邊緣計算需要協(xié)同來支持（可能來自多個機(jī)器人的）多傳感器數(shù)據(jù)同步和計算加速，因此應(yīng)該采用能靈活組合 CPU、 FPGA 和 DSA (Domain-Specific Accelerator） 的異構(gòu)計算平臺。另一部分沒有強(qiáng)實時性要求的感知任務(wù)（如人的行為識別、場景識別等），可以由云計算支持。

  自適應(yīng)交互： 為了支持機(jī)器人的個性化服務(wù)和持續(xù)學(xué)習(xí)能力， 需要將感知模塊的輸出與知識圖譜結(jié)合對環(huán)境和人充分理解，并且逐步提取和積累與服務(wù)場景和個人相關(guān)的個性化知識。通用知識和較少變化的領(lǐng)域知識應(yīng)該存放在云端，而與地域和個性化服務(wù)相關(guān)的知識應(yīng)該存放在邊緣或者終端。無論知識存放在哪里，在機(jī)器人系統(tǒng)中應(yīng)該有統(tǒng)一的調(diào)用接口，并可以保證實時通訊。基于 ROS2 構(gòu)造涵蓋終端和網(wǎng)絡(luò)側(cè)的軟件系統(tǒng)框架可以滿足未來的需求。

  實時安全計算： 未來的服務(wù)機(jī)器人應(yīng)用將有大量需要實時響應(yīng)的情形（如語音交互、協(xié)同操作等），因此需要在邊緣服務(wù)器部署相應(yīng)的加速硬件。同時，機(jī)器人也將處理大量涉及用戶隱私的數(shù)據(jù)（如視頻、圖像、對話等）。云邊端一體化架構(gòu)需要構(gòu)建隱私數(shù)據(jù)的安全傳輸和存儲機(jī)制，并且限定物理范圍。對于可以進(jìn)行物理操作的機(jī)器人，要構(gòu)建獨立的安全監(jiān)測機(jī)制，保證即使機(jī)器人系統(tǒng)被遠(yuǎn)程攻擊劫持后也不會造成物理安全損害。

  三、機(jī)器人4.0 核心技術(shù)

  在機(jī)器人3.0 時代，服務(wù)機(jī)器人可以做到一些物體識別、人臉識別，在 4.0 時代需要加上自適應(yīng)能力。因為用深度學(xué)習(xí)做物體識別、人臉識別的時候需要很多的數(shù)據(jù)來源，但是真正到家庭場景時沒有那么多數(shù)據(jù)， 這就要求機(jī)器人必須通過少量數(shù)據(jù)去建立識別能力，自己去找到不同的位置，不同的角度做訓(xùn)練。

  這些就是機(jī)器人4.0 要做的，首先對三維環(huán)境語義的理解， 在知道它是什么的基礎(chǔ)上，把看到的信息變成知識， 讓存儲就變得更加合理，而且可搜索， 可查詢，可關(guān)聯(lián)，也可推理。應(yīng)用層可以根據(jù)這個知識和觀測為現(xiàn)場場景做出智能的提醒， 尋找物品，進(jìn)行行為檢測。例如，老人要出門，機(jī)器人的知識庫告訴他，今天預(yù)報要下雨，但是檢測到老人沒有帶傘，然后查詢傘的位置，機(jī)器人就可以把傘送到老人手里。這都是結(jié)合內(nèi)部知識和外部情況所做的決策。

  知識圖譜在整個學(xué)術(shù)界和工業(yè)界越來越受到重視。獲得圖靈獎的杰夫 辛頓教授在加入谷歌的時候就說要建一個知識圖譜給全世界用。阿里研究院發(fā)布 2019年的十大技術(shù)趨勢里面也專門提到了知識圖譜的重要性。這是人工智能邁向下一個階段的必由之路，也是必做之事。

  總結(jié)下來，機(jī)器人4.0 主要有以下幾個核心技術(shù)，包括云邊端的無縫協(xié)同計算、 持續(xù)學(xué)習(xí)、 協(xié)同學(xué)習(xí)、 知識圖譜、 場景自適應(yīng)和數(shù)據(jù)安全。

機(jī)器人4.0 時代的能力升級