颠覆人类?“风口”中的机器人,制造者的进化论


    身穿华丽和服的东瀛美女在舞台上随着音乐优雅起舞,表演尚未结束,她又在混乱中拿起武士刀,挥臂将敌人击杀。
    工厂中,多轴机械臂抓住一颗配件,旋转手臂,将配件精确地放到流水线上,下方机械臂随之将同一零件焊接到一起。
    从呆板的机械臂,到《西部世界》的“接待员”,它们的进化之路还有多长?
    幸运的专业转换生
    邵天兰称自己是个幸运的人,在创建梅卡曼德之前,这位“幸运儿”从清华转专业,又在其后前去德国慕尼黑学习工业机器人方向,“每一步都踩中了方向”。最开始,邵天兰在清华学习的是电子系,大一后主动将专业转到了软件学院。2008年,清华转专业最热的方向是经济管理学院,主动转向软件学院的不过寥寥数人。随着移动互联网热潮的兴起,现在每年申请转向软件学院的学生已经达到200多,“竞争非常激烈”。
    
    
    
    邵天兰和采用梅卡曼德方案的机器人
    从小就学习编程的邵天兰在软件学院如鱼得水,不仅强化了编程能力,而且多次参加机器人比赛,锻炼了将电子、编程和机械工程融为一体的能力。大三时对于脑科学领域的研究,让邵产生了“如何让机器人产生智能”的构想,这个想法也让他在清华毕业后,远赴工业强国德国进修机器人方向。
    在德国,邵天兰第一次意识到机器人领域的挑战之强。“我们7、8个同学,都是来自全球的顶尖编程高手,即便是这样的团队,用了一周时间,也只能让机器人做出非常简单的几个动作。”这个经历让邵天兰意识到,软件能力只是一部分,要让机器人和物理世界发生理想的交互,绝非仅仅靠编程就能够完成的,而这恰恰是邵天兰所向往的。
    “单纯的制作一个软件,在屏幕上进行输入/输出,或者造一个很多人用的平台,对于有的人来说很有意义,但对我来说,能够让程序实现物理世界的输入/输出,更有挑战,也更有意思。”邵天兰说到。秉承着同样的想法,从慕尼黑工业大学硕士毕业后,邵天兰自然而然的选择了机器人为自己的创业方向。
    而这时,正是国内机器人产业快速增长的红利期,邵天兰的幸运再一次降临。
    工业机器人的“自动驾驶”方案
    “机器能完美胜任人类5岁以后的工作。”在机器人领域流传着这样一个说法。从IBM的深蓝到谷歌的AlphaGo,电脑在纯智力和思维上的运算,已经能将人类甩在身后。但是,一旦问题从抽象环境进入到现实世界,电脑/机器人就无法和人类匹敌。即便是3岁幼儿凭着直觉能做到的走路和抓取物体,对于当今世界上最先进的机器人来说,也是无法完成的难题。
    邵天兰表示,所谓的机器人的“智能”,包括两个方面:一个是感知,即机器人需要能分辨出周边的环境和眼前的事物;另一方面则是决策,即能通过感知得到的信息,做出合理的决定和行动。目前人工智能领域相当火热的机器视觉(CV Computer Vision)技术,想要解决的就是机器的视觉感知难题。视觉感知固然重要,但更重要的是如何结合这些感知数据,来让机器完成接下来的动作。
    在梅卡曼德,团队不仅打造了专门的视觉感知组件,让工业机器人能“看”的更清楚,而且使用机器学习等技术,让机器人更智能的“动”起来。硅谷的科技巨头同样在使用机器学习技术训练机器人,不过他们的手段是让数台机械臂不间断的抓取各种形状物体。而梅卡曼德团队使用的则是虚拟训练法,即通过软件让机器人在虚拟环境中不断进行抓取练习,省去了机器人在现实中的训练。
    “术业有专攻,巨头更多的是学术上的尝试,我们是强调在真实商业场景中的应用。”邵天兰介绍说。使用了梅卡曼德解决方案的机器人,能在短时间内实现上下料、分拣、拆垛等较为复杂的动作,适合多种作业场景。
    
    采用梅卡曼德视觉分拣方案的机器人
    同时,在应用层面,梅卡曼德的Mech-Viz软件的智能编程环境,可以让工作人员在没有代码基础的情况下,实现内置轨迹规划、碰撞避免、程序逻辑检查等多种智能功能,让操控更加方便。在技术方面,梅卡曼德采用了机器视觉、深度学习、智能路径规划等技术,并计划与微软的Azure云深度结合,在未来形成一套基于Azure云平台的机器人视觉分拣解决方案,这种方案价格更经济,部署也更方便。
    “某种意义上,我们的方式有点像汽车的自动驾驶训练。”邵天兰说到,而通过输入一些简单的物品和环境设定,梅卡曼德的机器人能够在很短时间内完成训练,投入到实际工作环境中。“如果每个客户的需求,我们都要训练几千小时,那公司肯定要倒闭了。”邵天兰笑着说到,而实现机器人快速训练的核心要素就是梅卡曼德独家的软件和算法。
    
    
    1  2  下一页>