在由中国人工智能学会、长沙市人民政府共同主办的2022中国人工智能大会(TACID:F000116.202200)上,中国工程院院士、湖南大学教授、机器人视觉感知与控制技术国家工程实验室主任王耀南作了题为《智能机器人关键技术应用及发展趋势》的演讲,全面介绍了智能机器人领域的现实发展与未来趋势。

(以下为整理内容)

人类已经经历的三次工业革命,分别给世界带来了蒸汽机动力、电力和信息时代的算力。如今,智能机器人正在工业、农业、国防各个领域崭露头角,在智能化时代的背景下引领新的变革。

近些年来,从工业机器人到特种作业机器人,从服务机器人到无人系统,机器人已经进入了发展的高峰时期,在国民经济主战场发挥着重要作用,像大型舰船、轨道交通设备、航空航天设备,特别是新能源汽车建设上,已经广泛应用机器人进行加工、焊接、打磨、抛光、测量、喷涂等工作。机器人已经成为制造强国的重要工具。


智能机器人的关键技术

整体来看,机器人是一个闭环的反馈控制系统。开发智能机器人主要涉及四项关键技术。

第一个关键技术是机器人感知技术。这其中包括了对环境的感知,对自身的感知。我们团队现阶段研究最多的,就是机器人双目视觉传感器。过去用大量的数学运算,图像处理,现在则使用深度学习来搭建架构,架构好学习模型后,就可以将很多复杂的背景、场景目标收集起来,为机器人提供三维环境感知。

第二个关键技术是机器人控制技术。机器人最基本的控制单元关节点可以采取高性能的电机驱动控制,让机器人抓取、识别看到东西,更精准完成任务。此外,学习控制技术近年来发展也非常迅速——强化增强学习解决了机器人学习决策的问题,深度学习解决了机器人感知的问题。以前,固定的加工制造业机器人只能机械地执行指令,但强化学习技术使机器人变得“聪明”,让它们“活起来,有灵魂”,不仅能看懂问题、识别信息,还能够提炼出一系列的复杂姿态,并自行操作。

第三个关键技术是末端执行技术。让机器人拥有灵巧的末端控制系统,首先是解决两个核心,一是运动学,二是动力学,然后再通过规划路径来指挥机器人行动轨迹,完成各种复杂任务,例如让机器人组装大型航空器件。通过不断迭代学习,可以使机器人进入更多场景,也让其工作得越来越好。例如波士顿动力的机器人,它们的体系架构是从传统的机电控制系统到力位混合控制,把感知系统上升到机器学习。通过机器学习能够很好控制步态,在各种各样的场景下进行场景识别——这就是基于深度学习三维的感知,解决复杂体的结构控制系统。

第四个关键技术是多机器人协同控制技术。面向这类技术,一是做好协调规划,二是做好调度,三是做好运动控制。多机器人协作,除了环境感知以外,另一个关键是解决协同感知以及环境认知的问题,使复杂的多机系统能够有条不紊地完成共同的任务。未来的战场集群作战系统,从感知、规划到决策,都是通过协同感知、协同规划、协同控制实现的。


机器人主要的应用领域

目前机器人应用最成熟的地方,还是柔性加工制造领域。产品的更新换代就是重新组合——将软件更新并下载到分布式控制系统,就可完成多机协同调度生产产线的柔性控制。关键技术一是本体机构,二是感知智能,三是规划决策智能,四是智能控制。同时还要注重机器人联网以后,发现病毒、剔除病毒,然后重构控制系统。抓住以上几点,就可以解决制造问题、航空问题、物流问题、医疗问题、家政问题等。

除却工业制造外,目前机器人更多地在重大工程上发挥重要作用,如复杂电力、重大基础设施维护,大型隧道以及大型基础设施建设(包括冶金、石化、钢材)等。近几年,有大量机器人进入到危险恶劣环境里作业。


机器人领域的发展趋势

近几年,机器人领域的发展可谓突飞猛进,但今天的机器人依然属于1.0自动化系统或2.0数字化系统。未来,机器人应该具备更强的自主性,变得更聪明、更可靠。要把人工智能核心技术嵌入到机器人系统中,开发出智能协作机器人。通过认知智能技术、协同群体智能这两个关键点,把机器人的记忆、感知、行动设计成像人类大脑一样智能自主的网络控制系统。

总结机器人未来的发展趋势,可以归纳为几点:一是网络化,二是自主化,三是协作化,四是灵巧化。想要发展好机器人技术,顶层设计要做到有规划、有标准,并创建强大的研发队伍——做好机器人,人才是关键。