在各項(xiàng)生物識(shí)別技術(shù)中，哪種識(shí)別技術(shù)更勝一籌？

隨著機(jī)器人逐漸被應(yīng)用于世界各地的工廠，研發(fā)視覺(jué)系統(tǒng)，使機(jī)器人可以識(shí)別物體，進(jìn)行安全導(dǎo)航，被提上日程。

近年來(lái)，視覺(jué)硬件（如激光雷達(dá)）已經(jīng)變得更便宜、更有效，并且得到了更廣泛的應(yīng)用。如今，許多初創(chuàng)公司都在使用基于新的視覺(jué)技術(shù)的協(xié)作機(jī)器人，它們裝載著傳感器，人類員工可以站在它身邊進(jìn)行操控。

大約1996年，有許多不同的形狀和大小的協(xié)作機(jī)器人被發(fā)明了出來(lái)，根據(jù)人類工作場(chǎng)所進(jìn)行了設(shè)計(jì)。這種機(jī)器人容易重新編程，相對(duì)自治，力量上遠(yuǎn)不如低技術(shù)型工業(yè)機(jī)器人。

協(xié)作機(jī)器人在小型工廠環(huán)境找到了“絕佳位置”，進(jìn)行3D打印，制造醫(yī)療設(shè)備，或完成更多的認(rèn)知任務(wù)，如倉(cāng)庫(kù)訂單揀選等。在那里，人類員工也參與工作。

教機(jī)器人適配環(huán)境（map）和操作物體，是一項(xiàng)艱巨的任務(wù)。有幸的是，谷歌的DeepMind和UC伯克利的一些研究進(jìn)展已經(jīng)成功證明了“一次性學(xué)習(xí)”（one-shot learning）的可行性，即協(xié)作機(jī)器人可以在沒(méi)有大量訓(xùn)練數(shù)據(jù)的情況下識(shí)別新的對(duì)象。

未來(lái)的機(jī)器人可能只需要觀察人類員工的工作流程就能完成任務(wù)學(xué)習(xí)；或者操作者可以使用VR手勢(shì)進(jìn)行編程（協(xié)變開(kāi)創(chuàng)的方法），使機(jī)器人掌握工作方式。

雖然這項(xiàng)技術(shù)還有很長(zhǎng)的路要走，但今天的技術(shù)已經(jīng)足夠成熟到可以讓機(jī)器人和人類協(xié)同工作了。目前，協(xié)作機(jī)器人和它的麻吉AGVs（自動(dòng)引導(dǎo)車(chē)輛/運(yùn)輸機(jī)器人），已經(jīng)成為制造業(yè)和倉(cāng)庫(kù)環(huán)境的標(biāo)準(zhǔn)配置。

機(jī)器人可以很容易地完成重復(fù)的、可預(yù)測(cè)的任務(wù)。

但是對(duì)于結(jié)構(gòu)化相對(duì)不明顯的任務(wù)，例如從一個(gè)隨機(jī)分類中挑選出一個(gè)項(xiàng)目，對(duì)應(yīng)著很多更獨(dú)特的場(chǎng)景，就需要特別的算法。真正的協(xié)同工作情況下，運(yùn)輸機(jī)器人就必須自主地“看到”人類員工的行動(dòng)，并采取相應(yīng)行動(dòng)。

開(kāi)發(fā)處理這些邊緣情況的算法成為了前沿的人工智能（AI）、計(jì)算機(jī)視覺(jué)和自動(dòng)駕駛研究課題。

在人工智能和機(jī)器學(xué)習(xí)上，為90%的場(chǎng)景自動(dòng)化路徑很容易——難的是最后的“一公里”。頂級(jí)風(fēng)投A16Z的Benedict Evans指出，機(jī)器學(xué)習(xí)是要解決那種對(duì)機(jī)器來(lái)說(shuō)很難，對(duì)人來(lái)說(shuō)很容易的問(wèn)題，或者說(shuō)，是人們很難描述成計(jì)算機(jī)語(yǔ)言的問(wèn)題。

隨著機(jī)器學(xué)習(xí)工具的廣泛普及，初創(chuàng)公司正注力于計(jì)算機(jī)視覺(jué)，以支持新一輪的機(jī)器人技術(shù)。

雖然機(jī)器人變得越來(lái)越普遍，但它們還沒(méi)有開(kāi)發(fā)出我們所期待的智能或靈巧性，就像摩登家庭或終結(jié)者2想象的那樣。著名的機(jī)器人學(xué)家Hans Moravec在莫拉維克悖論中提出：

“讓計(jì)算機(jī)在智力測(cè)試或西洋跳棋上表現(xiàn)出成人水平的表現(xiàn)是比較容易的，在感知和移動(dòng)性方面，很難或不可能賦予他們一歲人類的水平?！?/p>

換句話說(shuō)，高級(jí)推理只需要很少的計(jì)算，但是低水平的感覺(jué)或運(yùn)動(dòng)技能需要巨大的計(jì)算資源。靈巧性是機(jī)器人學(xué)的一大挑戰(zhàn)，相對(duì)而言，改進(jìn)硬件是更加有效的途徑。

更便宜、更好的協(xié)作機(jī)器人硬件為專注于計(jì)算機(jī)視覺(jué)和定制軟件的初創(chuàng)公司提供了機(jī)遇。最大的協(xié)作機(jī)器人制造商是丹麥的Universal Robots（優(yōu)傲），2015年被美國(guó)的TelaDaye（泰瑞達(dá)）收購(gòu)，它家的協(xié)作機(jī)械臂為初創(chuàng)公司提供鎬鏟（picks-and-shovels）。

有著風(fēng)投背景的初創(chuàng)公司，如Ready Robotics、Fetch RoboTIcs和Voodoo Manufacturing都利用優(yōu)傲的協(xié)作機(jī)械臂構(gòu)建機(jī)器人系統(tǒng)。Ready RoboTIcs正在為工業(yè)自動(dòng)化任務(wù)提供機(jī)器人服務(wù)（RAS）。Fetch RoboTIcs的協(xié)作機(jī)器人執(zhí)行電子商務(wù)分揀，Voodoo Manufacturing使用協(xié)作機(jī)器人進(jìn)行多個(gè)3D打印機(jī)的自動(dòng)化管理。

根據(jù)優(yōu)傲的說(shuō)法，有些機(jī)械臂平均工作195天就能回本。在整個(gè)行業(yè)中，協(xié)作機(jī)器人的平均售價(jià)為24000美元，據(jù)估計(jì)這在2020年將是30億美元的市場(chǎng)。

機(jī)械手

盡管靈巧度有所提高，但通用的末端執(zhí)行器——一種能操縱任何物體的機(jī)械手，仍然難以實(shí)現(xiàn)。

現(xiàn)在的機(jī)械手沒(méi)辦法兼容多項(xiàng)任務(wù)，但初創(chuàng)公司正在動(dòng)用聰明的黑客，探索末端執(zhí)行器抓取各種各樣的對(duì)象。