作为服务机器人价值实现的根基，自主移动技术如何赋予机器人「智能」？ | 活动回顾
- shenzhenware -
随着计算机技术和人工智能技术的进步，机器人智能化在最近两年逐渐兴起，机器人已经可以具备诸如语音交互、图像识别等一些智能化的功能。但是，作为在与人同处的环境中工作的服务型机器人，除了需要一些智能化的交互能力，同样重要的是它需要智能化的移动能力，看似最基础的行走能力，恰恰却是智能机器人最具关键性价值的能力。
自主移动是指机器人在特定任务下，能够高度自主地进行空间移动，主要包括以自主导航技术为主体的环境感知、智能避障、路径规划、智能跟随等移动相关技术。综合来讲，自主移动机器人所要面对的最主要的三个「哲学」问题是—— 我在哪？我去哪？怎么去？
本次 AI & ROBO Class 上，深圳湾邀请了国内机器人自主移动解决方案的代表企业 AICRobo 的 CEO，资深机器人系统架构师佘元博为在座的机器人从业者分享自主移动机器人所面临的机遇和挑战。
| 自主移动是实现服务机器人价值的根基
在工业应用里，AGV 产品应用得非常广泛。工厂车间的工作环境比较程式化，整个生产环境人为介入较少，仅需在地面铺设磁条或者信标，来引导机器人移动，就可以实现机器人靠移动来协助生产。
相比于工业领域，服务机器人领域的场景和环境就要复杂得多。服务行业没有固定变的场景部署，而且机器人常常会与人发生交互。现在国内市面上应用在服务领域的机器人较为多见的是餐饮服务机器人、酒店服务机器人、行政大厅的咨询机器人以及商场导购机器人。
如果服务机器人和工业机器人使用同样的导引式方案，那么问题就会凸显出来：首先，环境部署成本较高，第二，机器人不能根据实时情况进行决策行为。
若这些机器人采用自主移动技术做解决方案，就可以进行实时的定位和任务路径规划，无论在路径中出现动态的人还是静态的障碍物，机器人都可以有效的躲避障碍，进行自主避让决策。自主移动技术的优点在于，它可以在一个陌生的室内环境构建地图，不需要铺设磁条，使用起来更省钱省时省力，而且更容易被移动型智能机器人采纳。
所以，总的来说，自主移动是实现服务机器人价值的根基。
| 自主移动的六大关键技术
很多人对自主移动技术存在着误解，将其与 SLAM 技术划等号，佘元博解释：「SLAM 不等于自主移动技术。SLAM 主要的功能是地图构建和即时定位，而自主移动技术则包括了自主导航以及机器人移动相关的技术。」
将自主移动技术细拆开来，主要包括了以下六大关键技术：
环境构建。环境构建基于 SLAM 技术，让机器人在陌生环境中移动时，能探测未知区域，快速构建出环境布局图，为机器人自主移动提供准确的导航参考。
实时定位。采用绝对定位和相对定位结合的方式，为机器人提供准确和鲁棒的位姿信息，使机器人具备鲁棒实时定位的功能，在运动过程中能够实时确定自己的位姿，确保外部调度系统和机器人自身主控系统知道机器人当前的空间状态。
智能避障。融合多种传感器，比如超声波、红外传感器、摄像头、激光雷达等，感知障碍物，并通过深度优化避障算法，使机器人能够针对运行前方可行区域和机器人形状尺寸进行分析，以保障机器人的避障精度和可靠性。
路径规划。目前来讲，相对于其他技术，路径规划比较成熟，主要是规划好机器人从当前坐标移动到目的地坐标的路径。
智能跟随。运用计算机视觉技术，识别出目标物体，让机器人与目标物体保持一定的距离，跟随其运动。同时，采用基于色彩、深度信息的物体识别和相对位姿测量技术，对目标物体所处空间进行状态预测，以保障机器人跟踪目标的准确性和可靠性。
自然人机交互。基于成熟的语音解决方案，系统集成了包含语音识别、语音合成、命令识别、语音唤醒、语义理解在内的丰富的自然人机交互功能。
| 软硬件一体化方案已成趋势
随着技术的发展，软硬件之间的界限越来越模糊，上层的系统需要底层数据的支持，底层硬件也需要上层软件的控制和调配。尤其在机器人领域，软硬件结合以及多层次技术融合的趋势越来越明显。
佘元博认为：「多技术多层次融合的背景下，机器人在架构的设计上要保证整体性和一体化。在技术团队的专业划分上，AICRobo 将技术划分为五个技术领域：机械硬件、电子硬件、嵌入式硬件、上层软件、智能算法，并根据用户的需求构建整体架构方案，以应对不同的应用场景。」
为了整合移动相关的感知系统，移动 AI 系统、移动控制系统， AICRobo 研发了 AICANS 智能移动系统。该系统具备了自主移动的核心功能，包括环境构建、自主导航（室内定位、路径规划、智能避障等），以及自然人机交互。同时，AICANS 系统支持各类主流传感器，并预留了机械臂/双足应用接口供二次开发，以应对不同行业的自主移动机器人的应用需求。
| 市场缺乏体验好的服务机器人
当有现场观众问到「为什么服务机器人市场没有爆发？」时，佘元博回答：「其实市场一直存在，但没有一款服务型机器人能把体验做好。」
尽管答案简单，但背后的影响因素却有很多。
首先是移动技术本身的问题。比如，毫无疑问，自主移动技术未来会广泛应用在机器人上，但目前大部分在餐馆里送餐的机器人采用的是「巡线」的方式移动，这就需要在地上铺设磁条和地标，机器人行走的路径固定，缺少「智能」，看起来傻，所以体验不好。
第二，技术的工程化落地始终是个问题。开发者和技术人员讨论技术方案可以头头是道，但是具体将技术转化为工程产品却是另外一回事。一款产品做出来，发现参数不对，需要重新优化生产工艺，这需要有工程经验的人去补救和解决，而且工程化和生产制造的问题并不是一朝一夕就能够解决的。
前两年，人工智能技术再次升温，民众和资本热衷于探讨人工智能技术未来的应用空间，这或多或少带起了行业内对人工智能的「浮夸风」。事实上，目前的技术离科幻电影中所描述的人工智能相差很远，而技术的落地只能是一步一个脚印。
对于未来的规划，佘元博说，AICRobo 目前最大的愿望就是好好优化现有的移动方案，脚踏实地地解决好各个应用场景中所遇到的问题。（责任作者：双双@深圳湾）■
· ● 湾 + 阅 读 ● ·
· ● 湾 + 活 动 ● ·
长按图片扫描二维码，即刻报名
● ● ●
深圳湾（公众号 ID：shenzhenware）将持续关注物联网、人工智能、机器人、无人机、智能驾驶、智能家居等领域的新锐产品和初创团队，欢迎联系我们。微信私人客服：小炫（ID：warexx）。
● ● ●