新浪科技讯 10月24日消息，2016世界机器人论坛21日开始举行，大会邀请国内外机器人领域知名学者、专家围绕“共创共享共赢，开启智能时代”这一主题进行交流研讨。北京航空航天大学智慧制造研究院院长王田苗，演讲主题是《智能机器人前沿技术若干热点方向》。他认为以下三个方向可能会对智能机器人产生突破性、颠覆性的进展。一是软体结构，或者可以称为软体机器人，主要是讲仿生、载体、感知和控制一体化，目前这个方面在人的安全交互和灵巧操作方面带来了新的前景。二是人工智能，特别是学习进化、自然语言的理解和视觉的识别。三是协作，这里包括机器和机器的协作、机器和人的协作。

以下为演讲实录：

　　各国的科学家、企业家们，我想在这里分享一下我对智能机器人前沿技术方面的若干思考。

　　其实机器人五花八门，应用在各个领域无处不在，从工业、服务到特种，如果让我来说将来量大面广的主要应用领域在哪里，我自己归纳了一下，主要有这样三个方面：面对工业的就是3C，物流以及农副产品，这个方面的技术已经有了相当的储备，特别是灵巧的作业、双臂和体感，这个方面一旦突破将来在工业界会广泛应用。另一个是服务，特别是机器人助理、聊天和陪护，这个方面由于劳动力成本的增加，也由于很多问题简单重复，所以在这个问题上将来在银行接待餐厅安防方面有所突破，也一定是人工智能和机器人的结合。再就是特种，主要是协作和安全，其中主要是在智能汽车、无人机和医疗。

　　什么东西可能会Push它成为量大面广呢？可能突破的三个技术的方向是什么？通过我自己的学习和归纳，我认为这三个方向可能会对智能机器人产生突破性、颠覆性的进展。一个是软体结构，或者可以称为软体机器人，主要是讲仿生、载体、感知和控制一体化，目前这个方面在人的安全交互和灵巧操作方面带来了新的前景。再就是人工智能，特别是学习进化、自然语言的理解和视觉的识别。还有就是协作，这里包括机器和机器的协作、机器和人的协作。

　　为什么会这样？因为在智能材料和仿生结构方面，回顾历史上的二三十年，甚至是最近的十年发现了三个技术路线在不停地推动。一条技术路线是以范思通的气动为主，目前工业上已经广泛应用了。另一条是智能材料、SMA和SMC通过电荷或者物品的弯曲产生的电压，或者通过电压产生弯曲的智能材料。还有一条就是以MIT和哈佛最近这五年想利用分子和高弹力的材料以及液体金属组合起来的。

　　这个方面的热点在2012年到2015年连续发布了六篇报道，这种研究的过程当中大家可以看出，硅胶3D打印形成的东西，然后再通过3D和加工将相应的传感器和驱动植入进去形成的运动，目前这个轰动一时。看上去距离应用还很遥远，但是将来微小型化能够做很多工作的话将会是颠覆性的。康奈尔各个方面也在研究硅胶材料的康复，我们知道传统的康复基本上是用电机和硬结构组成的，所以刚柔结合会不会带来一种变化？其中康复训练就是利用特殊材料进行康复，这对老人的中风非常方便，底下是包括一些新的SMA，加电以后开了花，不加电又在同样的程度之下合并。以前是正负三十度左右，现在是正负五度，拿嘴吹都能形成这样的变化。

　　这个就是根据电子皮肤的变化，可以通过数据处理来知道它的压强和面积，由于单个的信号处理可能有误差，把它变成阵列的时候反而大大提高了可信度。

　　这是东京大学开展的电子皮肤研究，几乎都是3D打印出来的，传感器是靠阵列组成了一个大数据，能够识别物体弯曲的形态，而且比一般的纸还要轻。

　　这是我们课题组开展的研究，传统的机械手要抓取软体的水饺、牛奶、鸡蛋、冰淇淋，显得非常的麻烦，要不然就要增加很多传感器，因为往往是对非规则甚至易碎的东西，这种软体手在这样的操作当中就显得非常灵活，通过我们的实验已经达到了三百万次，可靠性是能够在工业当中应用的。这种软体手相对可靠性很高，比如垂机甚至是碰撞之后还依然能够工作。

　　目前的研究过程当中模型是非线性的，建立起来比较困难，另外就是位置的反馈，我们也正在研究当中。这种结构当中包括小狗，这也是一个可变结构的。另外就是感知和学习认知，这是人工智能目前给机器人大脑做决策提供了帮助。

　　人工智能之所以这么热就是2006年Hendon提出了深度学习，深度学习是基于大数据和概率数据统计，而使多层网络变成了可能。2014年百度达到了百分之九十九，这是不同的识别率，到了百分之九十九以后对于强安全基本上可以应用。今年3月份机器的识别已经第一次超过了人类，人类的试错率是百分之五，机器已经是百分之三点八了，这是利用图片来识别，未来在人工智能机器上变成了一种可能。还有就是人工智能的芯片推动了这样的发展，特别是IBM的内脑以脉冲模拟的信号来推动。

　　目前我们所说的人工智能识别不知道什么，但知道做了什么。比如这个大马只知道这个是不是马，要是问它什么是马它不知道，因为机器现在只能做记忆和分类，不能做到语义和识别，这也是人工智能的学者希望突破的，也就是仅仅是一个分类，虽然识别率能够超过人的百分之九十九，所以这也是目前人们在研究的。目前谷歌想把Alpha-Go应用到机器学习上面，应用的两个例子一个是开门，一个是传送带上面有不同的积木，我不给模型自己去识别，发现用了八十万次的学习才达到了这个，但是它有一个好处，学会了以后可以把这个映射过去。英特尔把它最新的人工智能芯片集成在这个上面，其中可以对跨度进行识别，这项技术既可以用在陀螺自平衡不倒的短途代步工具上面，也可以用在遛狗、陪伴和跟随，这是英特尔的RealSense新型视觉的传感器。目前这项技术的突破将来有望对服务机器人走入家庭，包括学习和人工训练带来新的机会。

　　再就是多机协调和人机共融，目前以Re-Think和ABB率先走了一步。目前双臂的挑战主要是成本和相应的协调，目前成本早先是有四十万到十八万欧元，预计在十二万到十万欧元的时候将会对生产第一线产生颠覆性，因为双臂协调显得很方便。再就是双臂协调任务的分配和规划，目前还没有找到一个比较科学理论的分配，如果找到了的话我认为无人化工厂的进程还会加速。目前在汶川和四川的雅安地震当中得到了利用，还有就是康复，难点主要是神经传感控制和脑机接口。这是今年10月份在瑞士举行的半机械大赛，我想把北京大学王启明教授团队开发的智能假肢成果给大家放一下，这表明中国在智能假肢体一方面前进了大大的一步。我们知道这种假肢在打球、走楼梯和上电梯的时候显得非常不自然，只有这种根据肌肉的变化反馈调整姿态的时候才能变得非常灵活。目前这项技术已经突破，而且已经可以进行安装。

　　以上就是我对智能机器人三个方面的分析和思考，不管怎么样，我认为十年来这些技术交错推动着社会发展形态的变化，也会改变很多产品和制造模式，甚至会改变我们的生活方式。