5G來(lái)了未來(lái)或?qū)⑹窃茩C(jī)器人的天下

隨著機(jī)器人行業(yè)的高速發(fā)展，機(jī)器人與云相結(jié)合的概念于2010年首先被提出，但是由于當(dāng)時(shí)互聯(lián)網(wǎng)技術(shù)的限制，云機(jī)器人仍處于研究階段，始終沒(méi)有突破性的技術(shù)進(jìn)展。但隨著我國(guó)在5G通信技術(shù)上的發(fā)力，云機(jī)器人也迎來(lái)了新的發(fā)展契機(jī)。

谷歌最愛(ài)的機(jī)器人科學(xué)家戈德堡曾預(yù)言：未來(lái)將會(huì)是云機(jī)器人的天下，家務(wù)機(jī)器人、手術(shù)機(jī)器人、無(wú)人駕駛車、無(wú)人機(jī)等都將與充滿資源和數(shù)據(jù)信息的遠(yuǎn)程終端相連。

肯·戈德堡是全球計(jì)算機(jī)學(xué)院排名前十的加州大學(xué)伯克利分校信息技術(shù)公益研究中心人類與機(jī)器人跨學(xué)科研究項(xiàng)目的主任，自動(dòng)化科學(xué)研究實(shí)驗(yàn)室主任，工業(yè)工程與運(yùn)籌學(xué)部門特聘講座教授兼主席，聯(lián)合拉加利福尼亞大學(xué)60個(gè)學(xué)科CITRIS“人與機(jī)器人”計(jì)劃的主任，以及全球機(jī)器人自動(dòng)化“RoboGlobal ETF”的咨詢委員會(huì)成員。

戈德堡還是位受歡迎的公眾演講家，曾在世界經(jīng)濟(jì)論壇，谷歌，TEDx，Web 2.0，亞馬遜，通用電氣等活動(dòng)中發(fā)表500多場(chǎng)主題演講。相比普通機(jī)器人，云機(jī)器人都具備哪些優(yōu)勢(shì)呢？讓我們看看肯·戈德堡是怎么說(shuō)的。

云機(jī)器人的第一個(gè)優(yōu)勢(shì)就是數(shù)據(jù)規(guī)模大。以家務(wù)機(jī)器人為例，人們希望它能自動(dòng)打掃衛(wèi)生，整理房間，但它所能識(shí)別的物體是有限的，當(dāng)它遇到無(wú)法識(shí)別或它“不知道”的物體時(shí)，就需要求助于互聯(lián)網(wǎng)。由于云機(jī)器人今后會(huì)和云端互聯(lián)，它們就可以利用云端索引產(chǎn)品信息，就此識(shí)別家里的每一樣?xùn)|西。云端里面包含了各種產(chǎn)品的數(shù)據(jù)，例如圖片、代碼等等，機(jī)器人可以從涵蓋了所有物體信息的云端中獲取數(shù)據(jù)，通過(guò)這些大數(shù)據(jù)來(lái)獲取產(chǎn)品信息、“認(rèn)識(shí)”產(chǎn)品。

機(jī)器人是如何看世界的呢？假設(shè)機(jī)器人想清理一張桌子，它所看到的其實(shí)是非常嘈雜的界面，它的感知很粗糙，對(duì)“看到”的物體無(wú)法進(jìn)行精確的操作，這是因?yàn)闄C(jī)器人目前還有很多“不確定性”的問(wèn)題。這種問(wèn)題是由多方面原因造成的，最主要的一個(gè)原因是感知的不確定性，即便使用最高清的攝像頭，也很難明確物體在空間里的位置，而另一個(gè)原因是控制的不確定性。

對(duì)此，其中一種解決方案是通過(guò)數(shù)學(xué)計(jì)算對(duì)不確定性的分布進(jìn)行采樣，但這是一個(gè)非常復(fù)雜的計(jì)算過(guò)程。更好的方法是通過(guò)遠(yuǎn)程大數(shù)據(jù)中心進(jìn)行處理和控制。我們可以把機(jī)器人和大量的計(jì)算機(jī)資源通過(guò)云端互聯(lián)，然后利用已有的族群計(jì)算，做一些統(tǒng)計(jì)模型，再在云端進(jìn)行分析。像亞馬遜、微軟、英特爾等巨頭公司都提供云計(jì)算服務(wù)，使用云計(jì)算服務(wù)的公司就不需要面對(duì)這些不確定性。

在非洲，戈德堡教授的研究團(tuán)隊(duì)曾建立過(guò)一個(gè)機(jī)器人網(wǎng)絡(luò)系統(tǒng)。這些機(jī)器人的設(shè)計(jì)成本比較低，主要用于教育目的，孩子們通過(guò)機(jī)器人就可以共享很多不同學(xué)科的知識(shí)。就像知識(shí)公開(kāi)互享一樣，云機(jī)器人的第三個(gè)優(yōu)勢(shì)就是資源公開(kāi)共享。人們可以通過(guò)云端，共享自己的代碼和設(shè)計(jì)。我們可以看到，機(jī)器人一旦互聯(lián)，機(jī)器人本身就可以進(jìn)行大量的知識(shí)分享，就像我們?nèi)祟惙窒碇R(shí)一樣。

大量的機(jī)器人可以通過(guò)數(shù)據(jù)共享的云端一同學(xué)習(xí)某些信息，并通過(guò)這些信息提高自身的業(yè)務(wù)能力。這就是云機(jī)器人的第四個(gè)優(yōu)勢(shì)——高強(qiáng)的學(xué)習(xí)能力。舉個(gè)例子，機(jī)器人怎樣拿起各種各樣形狀不同的東西，這在機(jī)器人行業(yè)里其實(shí)是一個(gè)巨大的挑戰(zhàn)。如果機(jī)器人能把這件事做好，對(duì)工廠、倉(cāng)庫(kù)來(lái)說(shuō)，這都將是個(gè)非常大的進(jìn)步。

戈德堡教授已經(jīng)在實(shí)體機(jī)器人上做了各種各樣的實(shí)驗(yàn)。研究人員讓一大組機(jī)械臂、機(jī)器人與服務(wù)器終端相連，讓他們不斷地去抓取不同的物體。之后，研究人員再把這些機(jī)器人所收集到的所有物體模型的數(shù)據(jù)儲(chǔ)存在云端上，與其他機(jī)器人共享，讓其他機(jī)器人去深度學(xué)習(xí)這些物體的數(shù)據(jù)。結(jié)果，每一個(gè)機(jī)器人通過(guò)對(duì)物體數(shù)據(jù)的不斷學(xué)習(xí)，都能知道如何抓取所有測(cè)試過(guò)的物體，并且抓取的成功率非常高。

再如，特斯拉公司通過(guò)每一輛投入使用的無(wú)人駕駛車收集行車數(shù)據(jù)，大量的數(shù)據(jù)收集之后，特斯拉無(wú)人駕駛車的數(shù)據(jù)以每天一百萬(wàn)英里的速度增加，而更早開(kāi)始的谷歌在無(wú)人駕駛方面的數(shù)據(jù)僅為兩百萬(wàn)英里。因此特斯拉有能力憑借更大的數(shù)據(jù)資產(chǎn)，使無(wú)人駕駛車的學(xué)習(xí)能力呈指數(shù)型增長(zhǎng)，最終反超谷歌。