8月20日-25日，“2019世界机器人大会”在北京亦创国际会展中心举行。8月22日，ABB（中国）有限公司首席技术官刘前进在新兴应用与实践论坛作了主题为《机器与人：从共存到共事》的报告。
不管是Alpha Go击败李世石，还是Google语音订餐，包括各种游戏，看着可能很炫，但是为什么不能干点正事呢？有观点认为，让计算机搬起茶杯要比打败李世石困难得多，因为面对的所有空间、路径都是不可知的。
现如今，人类与机器人的关系，已从过去的竞争变成了现在的协作，也就是从竞争、共存、协作到未来的共事。例如在一些3C工厂，工人一天八到十个小时重复站在那里去做同一件工作，那么对这种工作，我们希望他可以完全被自动化替代。同时，利用人类的认知、适应或者创造等能力去做更加有意义的工作。
而过去几年中，火得不能再火的人工智能技术，他与机器人的结合，在工业互联网的落地中起到什么作用，扮演的角色又是什么？
通过文中的分析，你就会知道其实有很多有用的案例，例如：物流场景中，不同工件的识别和抓取等，此外，通过将人工智能、机器人技术引入到工业互联网领域，还会带来一些新的变化，过去几年的主要变化就是在认知和理解方面所做的工作，现在我们看到强化学习推进的过程优化都是完成这样的过程。
以下为刘前进的主题演讲内容，雷锋网作了不改变原意的编辑与整理。
很高兴有机会和各位同仁交流，下面我分享一下ABB在机器人和人工智能方面的工作进展，包括我们做的一些比较好玩的事情。
过去两年，马斯克创立了一家公司叫做Open AI，然后让人类冠军和计算机进行比赛，比赛结果是260：0，机器完胜了人类，大家看到这种新闻可能已经觉得见怪不怪了。
Alpha Go击败李世石，Google语音订餐，包括今天玩的各种游戏，看着可能很炫，但是为什么不能干点正事呢？虽然是在玩游戏、下棋，其实背后更是一种挑战，我们想把人工智能、深度学习和现实生活、工业等结合在一起。
现实生活当中，可能没有那么多规则和状态的约束，就像游戏当中规定人类玩家冠军不允许用这个，不允许用那个，但现实当中没有那么多约束、没有那么多条件，所以我们面对的现实情况要比游戏复杂得多。人生不是游戏，真正工业场景中需要人工智能技术处理的任务更为复杂。
网上有几句话比较有意思，比如摩拉韦克悖论，我们看到很复杂的事情，玩游戏、下围棋，上周我也看到澳门人工智能大会也有人拿象棋进行示范，尽管这些都是相对不难的，可以挑战我们的认知，但是如果想让电脑像人一样去做一些小孩的感知呢？
去年有一部视频非常有意思，一个人搬着大箱子把门撞开，并双手使劲去转把手，然后角落站着一个三岁小孩看着这个人试了两次打不开，他就直接走过去把门打开了。试想一下，如果没有任何训练和学习，我们的电脑是做不到这件事情的，所以让机器人完成看似很简单、很基础的工作其实是非常难的。
今年的CVPR大赛上，英特尔CTO提到，让计算机搬起茶杯要比打败李世石困难得多，因为面对的所有空间、路径都是不可知的。
传统机器人都是任劳任怨的机器人，就是不停重复高精度、精准的工作，要是真正和人配合进行人机协作就会让机器人一下子变得亲和许多，所以我们把它叫做协作机器人。
过去几年我们经常提到工业4.0，比如机器换人、设备上网、数据上云，这是工业4.0针对工业3.0的主要变化趋势。我们所说的自动化和自主化需要有更高的水准，但不是完全的无人化。
就像前面提到的，过去的十年当中很多工作消失了，也有很多新的工作出现了，但人始终是不可替代的，因为人在这个过程当中能创造更多工作的机会和工种。同时，自动化发展水平也是这样，我们不是100%无人化的工厂，包括无人仓库、无人超市，背后还是需要有人创造更多的工作，包括一些新的工作岗位。
关于机器换人，更多的是替换蓝领工人的工作，就是把人类原来重复的、低技术含量的工作通过机器进行替代。如果有机会去到一些3C工厂，可以发现那些工厂的工作环境是非常差的，让工人一天八到十个小时重复站在那里去做同一件工作，那么，这种工作就没有必要保留？我们希望他可以完全被自动化替代，这样可以提高效率，把人释放出来，利用人类认知、适应能力或者创造能力去做更加有意义的工作。因此，人机协作一定会有更好的前景，也让我们的生活变得更加有意义。
人机协作能够达到什么状态呢？一个真正协作的机器人，就是不用加上视觉和传感装置，就可以被动地和人进行合作，而且能够很靠近人，和人产生互动。我们通过传感视觉让大型机器人和人产生间歇性的合作，这是目前工业领域人机协作最好的状态。
我们要对人机协作有更高的要求，那么工厂当中协作需要什么状态？我们知道机器有一个安全工作区域，可以在工作范围以外有一种共存，原来说是机器换人，现在变成人机共存，但光是共存是不够的，还是对空间有比较苛刻的要求，有没有可能人进到机器工作的范围以内？未来不仅是共享空间，还要共享时间，就是在紧密的工作区域内和机器完全互动，机器人可以接受零件，完成整个工业流程。
人机从过去的竞争到现在的协作，也就是从竞争、共存、协作到未来的共事，真正和人一起去工作，这是我们对人机协作定义的状态。
关于过去几年一下子火得不能再火的人工智能，我们应该怎么看待？过去几年，深度学习领域有很多突破，深度学习网络和卷积神经网络就像一个通用的函数逼近器，无论有任何复杂的工况、功能和函数，我们可以无限地逼近你、靠近你，达到一个立式的精度完成。就像现在我们做的人脸识别和游戏示范，能够达到人类无法企及的高度，要在这些数据统计当中产生知识，并和人类专家结合，这是工业当中我们期望看到的，算法和专家结合起来之后能够增加人类潜力，也有更多的应用机会，这是我们未来希望看到人工智能的方向。
我们是把机器学习和深度学习在各种工业场景，包括光伏、风电做了很多不同的示范，总结下来就是三类：
首先，是预测维护。根据设备的现场数据可以从历史数据当中预测数据会不会有什么问题，不是等到故障以后再做紧急的修补或者定期的维护，电力行业一年一小修、三年一大修，无论设备有没有出状况，都需要维持好的维护团队，但是不能保证维护团队有足够的经验和知识处理维修工作，一个大的设备进行维修以后很难判断可靠性是提升，还是下降。
再者，资产健康软件系统。过去一年我们在内蒙电网全面推广我们的软件系统，叫做资产健康软件，第一次实验是在2017年示范，觉得刚刚做过运维应该不会有问题，结果上了软件以后发现有七台大型变压器可能会有问题，要不要挑出几台检查一下？后来发现运维的过程当中不小心碰到了绕阻，导致绕阻出现扭曲变形，也会带来一些安全隐患，可以说是非常好的和工业结合的状况，我们在做和生产运营过程相关的，能够提高整个生产运行的水平。
最后是远程服务中心。通过远程检测了解故障，也有最好的专家保障设备的安全运营。这是我们在2018年做的全球首例无人驾驶传播，地点是在赫尔辛基，北海附近有些居民，我们在岛内不停穿梭，最新的电控系统和自主驾驶的功能这样结合，产生一些新的功能模块，不只是能做运营监控、远程分析和舰队管理，整个工作叫做运营中心，现在我们可以在全球建立一套网络，针对所有海洋船舶提供服务。我们知道一艘大型运输船舶希望保障最好的可靠性，同时有最好的空间为运货提供服务，这样就会产生两难问题，规划好路线之后可以得到最好的燃油性价比，包括最多的空间提供运营生产能够得到的价值回报。
关于机器人的安装和使用，现在的机器人使用的时候，虽然相比过去有很大的进步，但还是有些复杂。
以前可能需要一个专门的工程师花几天编程来做更好的规划，交响乐师和机器人工作了七个小时完成了两首曲子的编排，能够像人一样非常优美地把比赛盒滑来滑去，精准完成比赛的过程。然而，现在我们觉得还不够，未来希望可以不用专业工程师去教它，机器人在看到我们的产业线工人在做什么就会主动了解这项工作，以及自己能不能完成。
我们把最新的研究成果，以及机器人的安装示范过程结合起来的难度在哪里？
大家知道，Image Light的识别率从70%提升到了90%，这是非常好的例子，但是和机器人结合的话会发现现场工况很难标注，没有办法预测所有的场景。上面我们提到DOTA游戏，最重要的就是上下左右回车，实际上我们的工作不只是上下左右。更重要的是规律，要是能够把规则完全定义好就是我们自动化工人做的事情，但是一定会有域外发生，能够依靠人工智能呢？完成依靠从大数据抓取数据的AI来做件这事情吗？
因此，数据和AI结合的话会有很大难度，包括三个不同层次：
第一层次，可以把现在我们深度学习做的一些工作来做位置识别，准确知道机器人抓取要到什么地方，我们也做了很有意义的示范；
第二层次是技能，就是做了什么工作，然后指导机器人完成，甚至给出一个起始点和终点以后根据过去我们所做的数据强化学习完成某个规则。经过一段时间的强化训练以后，发现我们可以达到这种效果，就是600多万个不同种类的空间之中，机器人强化学习可以达到96%的识别率，之后我们会有更好的办法，希望达到99%以上，甚至再有新的东西出来以后能够简化学习的过程；
第三层次是应用程序的端到端学习，自己学习背后的机理、经验和知识，抓住以后可以变成规则。
通用函数是不可解释的，虽然可以很粗暴地达到一定精度，但是你不知道它的时候就不能用，这对工业来说几乎是不可接受的，所以我们希望能够有更好的办法让它变得更加可解释，更加容易泛化，也更容易合作。
在湛江，ABB有一家合作的公司，这是国内最大的海鲜制品公司，其产线基本是全程自动化，除了一个环节。当我们在必胜客吃凤尾虾时，要先把皮去掉，如何让不同形状大小的虾让机器识别，既能保证足够的肉又能够把皮剥掉？这个环节必须由人完成，所以给人0.5平米的工位，人就站在那里八小时不停地把虾扒出来放到指定位置。不说这个工作很辛苦，光是味道就会让你觉得很难受。
我们的科学家到了现场看了实际情况后，通过不同的照片标注、识别、确定精准度，最后可以达到98%的精度，这样就是最后一个环节通过自动化，这位同事就在现场听报告。拍下一张图片当中有几十只虾，通过算法推理一下子就把虾的抓取点标识出来，交给机器人之后完全可以完成剩下的工作，“机器人抓虾，不抓瞎”。
这是物流场合大家经常碰到的场景，就是不同的工件混合在一起进行抓取，难度在哪里呢？
因为形状不规则，传统的机器视觉很难做到，而且是堆放在一起的，即使是不同规则输入库里，怎么保证产生新的形状，知道哪个先抓，哪个后抓。这是目前工业机器人领域能够把混合、堆叠、识别做到最高的水平的一个案例，也是目前我们做到的最好Case。
工业人工智能，或者是把人工智能做得有意义的事情和机器人进行结合。传统的方式是用一个完成的模型，然后我们执行感知分析和控制逻辑，这是传统工程师在做的工作。人工智能引入这个环节会带来一些新的变化，过去几年的主要变化就是在认知和理解方面所做的工作，现在我们看到强化学习推进的过程优化都是完成这样的过程。
工业人工智能我们希望做的不仅是认知和理解，具体解决也可以带来更多的突破。一个工厂当中的自动化系统一定有些场合、有些场景不是我们工程师提前预测到的，之前没有预测和发生过的事情我们能怎么做？能不能让机器自我学习，处理一些之前没有预料到过的状况，没有发生过的事情，可以有些基本的识别和判断，给出可以解决的方案出来？这是我们期待工业人工智能未来所做的工作，这个过程当中人是永远存在的，不仅是监测整个生产过程，随时可以取代自动化系统，介入、操作和完成。这是我们自己对工业人工智能的定义，从自动化到自主化，希望未来我们能够有真正完全自主化的工作环境，也为人类创造更美好的环境。
人机关系的改变，从过去的竞争到现在的协作，以及未来可能真正和人一起去工作，这些转变将会给人类的生产生活带来极大的便利。传统机器人都是任劳任怨的机器人，就是不停重复高精度、精准的工作，而协作机器人的出现，可以真正和人配合着一起工作。
现如今，工业互联网的概念愈发火热，各种新技术层出不穷，而人工智能、机器人的应用将进一步为工业互联网赋能。随着国家层面对产业升级、创新、经济新动能的进一步强调，工业互联网作为智能制造的基础平台，将会在整个制造业发展过程中起到越来越关键的作用。雷锋网雷锋网
正在生成分享图...
高秀松