2020年11月6日至8日,第十八屆中國機器學習及其應(yīng)用研討會(MLA’20)在南京大學隆重召開。隆博科技創(chuàng)始人兼CEO佘元博,受邀參加了本次會議,并發(fā)表了主題為《機器學習在自主移動機器人 (AMR) 中的應(yīng)用價值》的演講。
作為國內(nèi)頂尖的機器學習領(lǐng)域研討會之一,MLA系列研討會迄今已舉行了17屆,近年來參會人數(shù)超過2000人,匯聚了來自清華大學、北京大學、南京大學、南方科技大學等機器學習及其相關(guān)領(lǐng)域的專家學者,共同探討機器學習發(fā)展及在各領(lǐng)域的應(yīng)用情況,是一場不可多得的人工智能學術(shù)和產(chǎn)業(yè)應(yīng)用結(jié)合的盛會。
隆博科技專注于自主移動機器人(AMR)技術(shù)研發(fā)及柔性室內(nèi)物流解決方案,已經(jīng)為全球500強企業(yè)提供AMR產(chǎn)品及相關(guān)解決方案,在多類場景中投入應(yīng)用,并遠銷海外。創(chuàng)始人兼CEO佘元博,是國內(nèi)最早開展AMR商業(yè)化應(yīng)用的推進者之一,同時也是優(yōu)秀的機器人與人工智能領(lǐng)域技術(shù)專家,從商業(yè)應(yīng)用價值角度,分享了關(guān)于機器學習(ML)在室內(nèi)工業(yè)AMR領(lǐng)域應(yīng)用價值的觀點。
柔性室內(nèi)物流東風已起,人工智能將大放光彩
報告中,佘元博從隆博科技AMR產(chǎn)品在工廠和倉庫的應(yīng)用案例切入,介紹了AMR飛速發(fā)展的市場背景。近年來,制造業(yè)和倉儲物流的發(fā)展風起云涌,而風光的背后是其工廠和倉庫的室內(nèi)物流壓力倍增,加上用工難的現(xiàn)實環(huán)境,和企業(yè)信息化的趨勢,室內(nèi)物流迫切需要提升自動化和智能化水平。而室內(nèi)物流的自動化和智能化,需要大量采用移動機器人替代有人叉車和人手推車,雖然傳統(tǒng)導航技術(shù)AGV已有成熟應(yīng)用,但這塊市場依舊有巨大空缺。
工業(yè)室內(nèi)物流有大量人機協(xié)同混合作業(yè)的場景,需要移動機器人具備深度的環(huán)境感知能力,對環(huán)境變化做出動態(tài)反應(yīng),大量復雜場景需要智能化程度更高的AMR填補市場空缺。另外,在場景部署上,AMR有部署成本低、效率高、周期短、容易變更的優(yōu)勢,這就使得大面積復雜場景更適用部署AMR產(chǎn)品。
(數(shù)據(jù)來源:Interact Analysis)
根據(jù)國際知名研究機構(gòu)Interact Analysis的數(shù)據(jù)顯示,AMR增勢強勁,在將未來幾年內(nèi)全面超越AGV,其硬件規(guī)模將在2024年達到近100億美元。雖然目前傳統(tǒng)導航技術(shù)的AGV依舊占據(jù)主要市場,但更接近與人的智能水平的移動機器人是應(yīng)用趨勢,這也給人工智能技術(shù)應(yīng)用留下了廣闊空間。
從良到優(yōu)的跨越,ML讓AMR具備更接近人的智能
報告中,佘元博指出了機器學習在機器人技術(shù)中應(yīng)用的思路。傳統(tǒng)的機器人技術(shù)都是人去設(shè)計算法,而機器學習是機器從數(shù)據(jù)中學習模型,通俗說,機器學習是設(shè)計算法的算法。兩種方法各有優(yōu)劣,如何結(jié)合是提升機器人智能水平的關(guān)鍵。
為簡化表述,我們把人設(shè)計算法的思路稱為邏輯方法。邏輯方法的優(yōu)勢是,通過算法原理能夠?qū)Y(jié)果做出唯一的推導,即只要算法設(shè)計得好,結(jié)果一定是穩(wěn)定一致的。而劣勢在于對于復雜邏輯,人腦難以設(shè)計出完美的算法以得出完美的結(jié)果,即復雜邏輯面前,無法通過人腦的設(shè)計讓算法接近人的智能。
當一個信息處理過程,影響結(jié)果的變化因子太多,甚至無法知悉哪些因子影響結(jié)果,以至于無法采用邏輯方法建模的時候,機器學習可以填補這個空白。另一方面,很多復雜信息處理過程,邏輯方法無法盡善盡美,這個時候機器學習可以起到拔高的作用。即一個復雜信息處理過程,再聰明的人設(shè)計出來的算法只能做到80分水平,但是機器學習可以做到90分。
另外,佘元博強調(diào),我們一定不要誤認為機器學習是萬能的。機器學習有天然的劣勢,就是得分上限很高,但是下限也很低,而且結(jié)果的質(zhì)量不穩(wěn)定,這剛好是和邏輯方法相反的。那么我們在應(yīng)用機器學習過程中,要注意分解問題,將邏輯方法與機器學習結(jié)合,既保障邏輯方法的高下限和穩(wěn)定性,又能通過機器學習提高上限。通俗地說,就是如果我們只運用機器學習方法,結(jié)果可能是某些場景50分某些場景90分;如果只運用邏輯方法,結(jié)果可能保持在80分。而兩者結(jié)合后,則可以是保障在80～90分之間。
從感知到?jīng)Q策,隆博AMR將ML投入“實戰(zhàn)”
感知,是從傳感器數(shù)據(jù)到有價值的環(huán)境信息的處理過程,而視覺數(shù)據(jù)是信息量最豐富的,隨著視覺的大規(guī)模應(yīng)用,機器學習可以發(fā)揮重要作用。當然,除了視覺數(shù)據(jù),從其他信息量豐富的數(shù)據(jù)里面,我們也可以通過機器學習得到環(huán)境中有價值的信息。隆博在這個層面做了很多應(yīng)用,包括儲位狀態(tài)識別、料車識別、AMR運動過程中的障礙識別、人體跟隨等。
決策,是從有價值的信息到反饋策略,或者結(jié)果預測的處理過程。由于目前各類機器人智能的發(fā)展水平還不高,絕大部分場景都是希望機器人完成特定的任務(wù),而不是希望機器人有自己的個性。所以現(xiàn)實中,絕大部分決策模型都是邏輯方法,需要用到機器學習的可能只有4%,這些機器學習應(yīng)用主要起到將結(jié)果從80分提升到90分的效果。隆博科技在定位技術(shù)上運用機器學習技術(shù),將影響定位結(jié)果的弱關(guān)聯(lián)數(shù)據(jù)組織起來,采用可信定位對數(shù)據(jù)進行標記,得出的模型不僅能提升定位精度,還一定程度上消除了噪點影響。在避障技術(shù)上運用機器學習技術(shù),將影響避障策略的環(huán)境數(shù)據(jù)和導航數(shù)據(jù)組織起來,采用人工決策對數(shù)據(jù)進行標記,得出的模型更接近人的避障決策水平。
在智能化的道路上,隆博科技一直在做相關(guān)的技術(shù)創(chuàng)新,讓機器人的智能水平更加接近于人。
技術(shù)并非越高端越好,解決客戶痛點才是王道
“找到客戶的痛點問題,判斷技術(shù)的應(yīng)用趨勢,才能讓技術(shù)產(chǎn)生最大的商業(yè)價值。”報告中,佘元博回歸主題,指出技術(shù)只是通過產(chǎn)品解決客戶需求問題的手段,一味追求高端技術(shù),耗費大量成本去解決客戶不關(guān)心的問題,對技術(shù)的商業(yè)價值是沒有貢獻的。所以從商業(yè)價值角度來看待技術(shù)應(yīng)用,我們一定先好了解技術(shù)的應(yīng)用場景,優(yōu)先解決客戶的痛點問題。
另外,佘元博也指出了從行業(yè)競爭角度來評價技術(shù)的商業(yè)應(yīng)用價值的思路。如果一項技術(shù)很有用,大部分同行都采用了,而且解決了客戶的痛點問題,那么這項技術(shù)很有商業(yè)價值。在未來技術(shù)的預判上,如果一項技術(shù)目前沒有被大部分同行應(yīng)用,N年后可能會被大部分同行應(yīng)用(來解決N年后的痛點問題),那么N越小,這項技術(shù)的商業(yè)價值越高。所以我們要判斷技術(shù)應(yīng)用的趨勢,才能始終在技術(shù)發(fā)展上領(lǐng)先同行一步,但是從商業(yè)價值角度看,領(lǐng)先太多也沒有意義。
佘元博認為,目前機器人行業(yè)發(fā)展迅速,但整體技術(shù)發(fā)展水平還不夠高,很多場景沒達到必須通過機器學習解決業(yè)務(wù)問題或競爭問題的程度,所以有非常多沒有被開發(fā)的需要用到機器學習的場景。如何將機器人智能從80分做到90分,需要人工智能從業(yè)者一步步挖掘。機器人智能化,還有非常多的空間,隆博科技在智能技術(shù)上將不斷深入和創(chuàng)新,在業(yè)務(wù)上圍繞市場需求和客戶痛點,不斷挖掘機器人智能的商業(yè)應(yīng)用價值。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）
