來源 | 機器人大講堂

                              德國漢堡科學院院士

                              多模態技術研究所所長

                             德國漢堡大學資訊學科學系教授

                              張建偉

今天，我們先來回顧德國漢堡科學院院士、德國漢堡大學資訊學科學系教授、多模態技術研究所所長張建偉的演講內容。張建偉院士所演講的主題是《智慧資訊物理系統時代的機器人技術創新》。

張建偉，德國漢堡科學院院士，多模態技術研究所所長，德國漢堡大學資訊學科學系教授，國家千人特聘專家。1986年畢業於清華大學計算機系學士（計算機控制），1986年級清華大學計算機碩士（人工智慧），1994年德國卡爾斯魯厄大學計算機系博士（機器人）畢業。現任從事及領導智慧機器人和工業4.0中的機器學習和規劃、多感測資訊處理與融合、服務機器人技術、多模式人機互動等方向的研究與開發。發表三百餘篇論文及專著，並多次獲得國際會議最佳論文獎。擁有四十餘項機器人和人工智慧方面發明專利。任數個國際重要機器人及人工智慧會議的主席，多份國際專業雜誌編輯，數家機器人、通訊、智慧製造企業技術顧問。領導多個關於服務機器人、未來通訊技術、跨模態互動、跨模態學習等技術的歐盟、中德重大合作專案。

演講亮點

1. 人工智慧發展的新動能

2. 認知資訊物理系統中的智慧

3. 多模態互動-從跨學科研究到未來機器人技術

4. 未來挑戰及策略

演講內容回顧

人工智慧發展的新功能 

非常高興又一次來到英特爾&硬蛋機器人生態創新生態年度峰會，今天能夠在非常酷的機器人實體環境裡繼續探討生態發展，我們可以看到生態的整個發展歷程。

我這次回到中國參加了中國的進口博覽會，參加了西湖機器人論壇，又來到高交會。今天的研討形式我特別喜歡，聚焦在打造中國機器人生態。這個生態，從國家整個生態的打造，到技術的生態打造，到商業生態和使用者生態的打造，以英特爾和硬蛋為協調主導的，以中國的機器人各方面使用者、學者和創新創業領軍人才，我們一定能夠在新的時代裡做到新的創新。

                         張建偉院士演講現場

30年前，我在清華大學開始從事人工智慧工作，到現在我們要解決未來生活真正的問題。中國的製造問題、生活問題、養老問題，要把人工智慧和機器人落地，這要求我們要做“真正有用的機器人”，跟現在很多虛擬AI是有一定區別的。我們現在做真正有用的機器人，要面臨國計民生最重要的應用場景。富士康的工廠也面臨著招工難的巨大問題，新的iPhone裝配馬上面臨著要減少三分之一員工的挑戰，這裡麵包括很多的裝配，有非常多對智慧機器人的挑戰。現在很多家庭招不到照顧父母、爺爺奶奶的保姆，像這類個人定製化的需求，都將是我們努力的方向。

此外，未來的技術融合了各種各樣的新型的、人工智慧的、可穿戴的、物聯網的、新能源的技術，這些使得我們在新的高速發展迭代情況下受到新的挑戰。

舉個例子，我在上海蔘加了3D列印國際峰會，其中介紹瞭如何使用3D列印技術和電路、感測技術，我們能預見到未來汽車的車殼就是一個電池，未來機器人的本體就能嵌入3D感知和智慧晶片。

而在感測方面也有著很多新的進展，高交會上我們的合作伙伴在做新型柔性電子面板，這種柔性電子面板裝到機器手上，將給我們帶來很多新的智慧可能。

在新型驅動方面，我們也可以從新型交叉裡學到很多欠驅動利用自然能源的方法，上圖是Theo Jansen所做的仿生結構，這對我們來說都是未來新型機器人的可能。

 認知資訊物理系統中的智慧 

如何把智慧核物理空間、資訊空間整合到一塊？

人工智慧的概念是非常寬泛的，我們現在討論的人工智慧是“人工智慧+CPS+人的感知”，就是“HCPS”的概念，也就是如何把感知空間、計算機表達空間和真正要處理的物理空間，將這三者融合互動做到有機一體，這是我們下一步人工智慧應用大的挑戰。

人工智慧在虛擬世界裡的發展是飛快的，例如30年前我再學習計算機的時候，只能多個人使用一臺電腦，而現在我們一個人每天被關聯使用著上百臺電腦，計算機的計算能力也已經提高了100萬倍。

上面這條曲線，就是如何把物理世界的結構和嵌入式系統進行融合，它使得我們在今天的創新裡有了新的高度。我們國家在基礎研究方面特別重視未來人機共融的計劃，我也參與了國家基金委的人機共融專案。實際上在德國，人機共融產品正在逐漸變成現實。例如大眾汽車工廠裡，人機協作機器人已經真正走到了生產的第一線。

在中國機器人發展方面，現在發表的論文最主要的主題都集中在以下內容：深度學習、醫療機器人、軟體機器人等。目前的中國機器人，新興技術和可能性越來越多，全世界競賽舞臺上，中國在基礎方面的追趕速度越來越快，和世界最大國家的差距越來越小。美國、德國、日本之後，我們居第四位，追趕的速度快，就使得我們能夠在機器人和人工智慧基礎方面做到更好的改進。

我們要放眼世界，要共享世界上各個重要實驗室給我們提供的前沿技術，不要閉門造車、低水平重複。大家做的所有行業，在世界上都有非常專業的資料，通過下面這些網頁，大家可以找到相應的領域、應用裡全世界最好、最活躍的實驗室的研發資源、論文和他們組織的會議及開源的軟硬體，所以這個國際生態大家一定要關注好，不能只看到中國裡的合作生態，要放眼全世界的生態。

人工智慧在所有新技術裡，給我們帶來了階梯性上升的態勢。

在人工智慧現在的應用和基礎資料、場景應用中，中國有非常多的優勢，但是我們不能只看到我們國內在基礎演算法、核心軟體、人工智慧硬體的落地，包括智慧製造、醫療器械、自動駕駛，這些硬體其實在歐洲落地也有非常好的特色，值得我們借鑑。

 多模態互動 ，從跨學科研究到未來機器人技術 

在人工智慧給我們帶來高性價比計算引擎情況下，還有高性價比網際網路大資料作為燃料。大資料、雲、物聯網、5G給我們中國帶來了新的快速感測、快速融合的很好的機會。10年前大資料的崛起，到半自動、手動資料整理，到自動的資料發現，到資料的自動分類和決策，都給整個發展帶來新的增長機會。

上面我們提及了人工智慧下一步落地的場景，那麼國務院最近也召開了關於人工智慧的會議，會上也在強調人工智慧落地的場景，實際上“人工智慧+機器人”是解決從自動化、生產延伸到社會的重要節點。

製造方面，我們強調了智慧出行，例如自動駕駛，還有未來的智慧醫療，以及自動農業，同時機器人制造中也有著很多的機會，包括機器人的檢修、機器人的教育等。

機器學習未來是人工智慧突破的重要方向，從強人工智慧的學習方面，連線自己的學習。現在大資料、計算能力的發展有著很大的突破，下一步就是把進化演算法融入進去。

機器演算法是我從事了很長時間的工作，上千層的深度網路實時計算，到現在的增強連續學習、輸入輸出的學習，再到整個狀態的空間，以及到機器人之間的互相學習，機器人和人之間的互相學習。我們利用快速學習機會，可以做Semantic SLAM，可以自動識別物體，也可以做成真正應用的場景。

現在在人工智慧研究基礎上，我們正在和清華大學、北京大學科學院聯合做人工智慧基礎研究專案，同時英特爾公司也是這個專案的合作者和觀察者。我們想讓新的多模態融合方法真正找到新型的融合結構，然後用新型的跨模態和跨學科方法找到新的計算模型，實現新的機器人應用。

如何讓機器人通過視覺、聲音和概念學會更多新的概念，如何把現在技術成熟度比較低的研究做成通用的模組，做成我們在未來重要應用裡的場景，也是我們關注的方面。

關於快速反應機器人，我們已經慕尼黑註冊了安傑機器人，它將成為快速、敏捷性智慧機器人中具體的機器人案例。

此外還有遷移學習，如何讓機器人從一個領域學習遷移到另外一個領域，現在做新型打磨機器人和靈巧操作機器人，都使用了多模態的感知和未來新的學習控制技術，結合深度學習，已經可以做出快速分揀、識別模糊系統。

基於經驗的概念學習裡，我們可以看到機器人不斷的在環境裡進行學習，使互動需要的程度變得越來越低，對世界理解的模型變得越來越精確。

總結一下，我們如何把中國的優勢發揮好，包括我們專長的的靈活製造、個性化服務等，是未來國產機器人發展的關鍵。同時，未來我們要更加註意補足我們的短板，包括原創能力、學科交叉、跨學科等。在這些方面，我們如果做好了以後，就可以做到全球聯手、融合交叉共享。那麼，在新型科技快速迭代智慧互聯時代，我們就可以協調全球創新資源，形成有效、互通的技術轉移，創造我們在智慧機器人上的最優實踐。

                                       -- END --