上週去參加世界機器人大會，剛去以為就是純學術會議，沒想到還有展覽區和競賽區，不過競賽區都是一些RoboCup之類的東東，跟實用型機器人關係不大；展覽區很多展商的技術骨幹也在學術會議上做了報告，所以集中談會議所得

工業機器人（偏重控制）

連續型機器人（Continuum Robot）

用於對未知結構的生產線進行快速原型，以方便部署最終的關節型工業機器人。類似於IC行業先用FPGA驗證邏輯，再用ASIC批量生產

基於仿生介面（Bionic-Interface）的意圖預測（Intent Prediction）

來自韓國的金熙勳（keehoon kim）介紹了他的意圖預測技術，主要用於製造殘疾人的假肢，或是殘疾人輔助康復裝置，技術原理我理解是這樣的：

當然也可以不開刀植入，只是貼上在胳膊表面，這樣精度會下降，但依然比Kinect更能精確地識別手勢，因為整條胳膊的任意動作，在小臂上的神經脈衝都是不一樣的，所以他們只需要捕捉小臂，就能還原出整條胳膊的運動

協作機器人的柔順機械臂

來自北京交大機電系的張秀麗，繼張佳辰之後另一個靠譜的女研發！她說中科院提的共融機器人就是協作機器人，只是他們拿了NSFC的錢，paper上必須用這個拗口的機器人類名-_-!
協作機器人的柔順控制分為主動型和被動型，主動型就是在控制演算法上加入一些補償量（韓國Chul-Goo Kang有相關報告），被動型有很多分類，不過他們專注的是驅動系統的柔順，其中主要是電機驅動、柔順手段是減速器搭配彈性元件，而彈性元件又分恆定剛度和可變剛度，前者有線彈簧、扭彈簧、SEA等，後者有非線性彈簧和引入阻尼的線彈簧

納米機器人（nanobot）的視覺

來自香港中文大學的李文榮教授，是個ABC，聽完他的演講我認識到，科幻電影裡的納米機器人根本不存在，現在只是能通過一些高階顯微鏡技術，看到納米級的微小目標，然後通過移動的電場等技術，將藥物定向輸送到病灶而已

服務型機器人（偏重智慧）

機器人應用商店

納恩博在收購了SegWay後，為了充分利用其平衡車的底盤技術，將底盤加上一眾感測器技術，打造成一個機器人半成品，領域廠商只需要將他們的領域知識通過app灌注到底盤上，就能實現自己的領域機器人。高階總監張佳辰的演講非常精彩，一句“機器人的本質是計算機的升級”就將大家的關注點從機器人上挪開了，好方便她平衡車的登場^_^

IBM的Watson

IBM為了兜售Watson系統，到處鼓吹認知概念，什麼認知時代、認知計算，無非就是將大家的目光不僅從計算機上挪開，甚至脫離任何物理實體，只考慮他的Service。那麼什麼是Watson呢？就是一個雲端服務，它能看懂你丟給它的任意格式原始資料（doc、xls），無需做任何輔助說明，然後一個專屬於你的知識庫就構建好了，你的客戶可以通過Watson直接用自然語言與你的知識庫互動。

安防機器人

大陸智源科技的高源，是一個非常實在的人，撕了很多機器人領域皇帝的新衣，他們的安防機器人沒有語音互動，因為他知道讓機器人跟人聊天其實很難，但加入了很多落地技術：能越障、爬坡、可靠的網路傳輸等等。報告結束後我們的領導感慨良多。。。。。。

人工智慧的語言遊戲

來自微軟小冰之父周明的報告，通過機器學習實現符合平仄的對聯、唐詩、字謎生成，通過RNN實現符合詞牌結構的宋詞生成
簡單說，該演算法能像人一樣對對子、賦詩、猜字謎，非常牛叉

知識圖譜（Knowledge Graph）

來自浙大的陳華鈞教授，當年的人工智慧大戰以符號主義敗給連線主義而告一段落，但隨著基於神經網路等連線主義技術的感知系統（語音、視覺）越來越完善，認知&推理的重要性漸漸凸顯，而這就要依賴符號主義學派了
知識圖譜走的是跟NLP等機器學習技術完全不同的路子，它提倡在生產自然語言內容時，就對內容做語義標註，這樣AI演算法就能根據這些語義很方便地進行常識推理（common-sense reasoning），這個準確性應該是要比機器學習高的
另外他提到了ONEM2M這個物聯網標準化組織，以及schema.org，貌似都是用語義網路（semantic web）做一些實際的事情

仿人機器人（Humanoid）HRP-4C Miim

來自日本AIST的Kazuhito Yokoi報告，他們最新款Humanoid叫Miim，除了控制能力更出色，比如具備能扭轉的腳踝等，還在表情捕捉、歌聲合成等AI演算法上展示出非凡成就，跟他們比，國內同行簡直是在玩過家家

智慧硬體的生態

來自硬蛋科技的李世鵬，他指出了目前智慧硬體的一些痛點

從能聽會說到能理解會思考

來自科大訊飛的胡鬱，他提了一個技術（但沒細講），說人耳耳蝸裡有很多纖毛，分佈在不同位置，當聲音進入耳蝸時，人腦並不像計算機那樣一段一段的理解，而是收集不同位置的纖毛給出的感應資訊，在腦內繪製出一副彩色影象——所以某種程度上，語音識別跟影象識別是共通的

語音識別中的認知計算技術

來自思必馳的俞凱，他分別介紹了自家公司在感知和認知技術上的突破
感知層面，他說他們的語音解碼已經由幀同步升級為音素同步，這可以大大減小語音訓練模型的體積，使得原來要放到伺服器上的模型，現在可以放到手機上。不過這塊他也沒細講，我猜這個模型體積減小隻針對訊飛的線上命令詞識別吧？如果能將語音聽寫也做成離線，那就牛逼大發了，那我就能在本地做語音識別，機器人的抗噪困擾也會大大減輕。
認知層面，他詳細介紹了他家的對話管理以及多輪互動技術，不過這個跟場景緊繫結，並不是很有技術含量，不過他的思路很不錯：機器人不能獨立工作，必須將人的知識融合進去，才能高效作業。