由中國人工智慧學會、中國電子學會聯合主辦的“中國智慧型機器人產業發展專題論壇”於8月23日上午在北京亦創國際會展中心的二層會議室C成功舉行。
本論壇邀請了中外產、學、研、用等領域的知名專家學者參與， 圍繞國內外機器人和智慧科學的發展熱點和轉型支點， 聚焦智慧型機器人的智慧裝備和核心技術， 共同探討中國智慧型機器人發展的創新與變革。
來自上海交通大學自動化系主任、機器人與智慧資訊處理研究所所長陳衛東教授， 發表了主題為《自主移動機器人技術與應用》的演講，
以下是陳衛東教授的演講實錄：
陳衛東 上海交通大學自動化系主任，
陳衛東：我今天報告主要介紹一下自主移動機器人的技術， 其實今天我發現前面的幾個報告很多都是關注這個方向的。 我這個報告可能更多的是從一些應用的實例， 應用的案例， 包括這些案例帶給我們的一些挑戰出發， 看看跟大家共同探討一下怎麼解決這些實際應用中面臨的一些問題。
我來自于上海交通大學電子資訊與電氣工程學院自動化系， 報告的題目是自主移動機器人技術與應用。 我從幾個方面介紹一下我們自己的工作， 一個是機器人技術面臨的新機遇， 並討論其中有哪些技術挑戰， 核心技術又是什麼， 然後介紹一些應用實例， 在這些實例裡頭探討一下目前的技術還有哪些不足，
其實從前面報告我們也都看到了， 自主移動機器人可以應用到非常多的領域， 我今天列出就是我們研究團隊感興趣的領域， 一個是智慧製造領域對於自主移動機器人還是有非常多的機會， 剛才陳老師更多的是說的操作方面的， 對於移動也有很多的需求， 包括倉儲方面的應用， 另外就是一些重要的設施的巡檢等等。 另外一個方面就是我們這些年一直關注的怎麼樣用移動機器人技術幫助老年人殘疾人， 我國2015年老齡人口2.2億， 這個人口還在增加， 殘障人口8.5千萬， 其中很大部分是肢體殘疾和視力殘疾，
談到技術挑戰有非常多， 雖然自主移動機器人研究非常多的時間， 也有非常廣泛的應用， 但是在我們日常生活裡我們看到這樣的機器人還非常少。 現在我們看得比較多的是家用吸塵器， 為什麼它不能夠在更廣闊領域獲得應用，
我們針對這些問題有一些解決的思路，我們知道在服務機器人針對未知的環境，包括室內室外的環境，主要是剛才張教授報告也提到了的SLAM方法，我們偏重於採用基於概率的方法解決不確定性問題。另外這些環境還是動態的，人的走動、車的走動，一些傢俱甚至環境結構的變化等等，針對這些問題機器人如果在這裡做決策的話必須是一種滾動的規劃和控制的方式，我們基於的是一種預測控制的方法，其實是不斷地建模，然後不斷地在基於這種模型做規劃和控制。這裡頭不論是感測器還是控制系統都存在著很大的不確定性，雜訊等等，包括控制上的不準確，這樣都需要我們不斷地通過概率、滾動優化的技術來去處理這些問題。在這一類應用裡頭它的任務也是多種多樣，不像工業機器人可能6自由度的機械臂，都是相對單一固定的任務，而自主移動機器人的任務更加多樣化，你怎麼滿足這樣一種多工系統，所以它不是一個獨立的技術環節，需要把感知、規劃、導航、控制等等全部集成在一起，是一個完整的體系，才能應付這樣多變的任務。我們這一類技術方法應用在不止是室內各種機器人還有室外的各種機器人，然後到多移動機器人系統。
簡單談一下這裡頭的關鍵技術，這些技術我前面的報告已經都講到了，其實就跟我們人一樣進到一個陌生的環境。這個PPT上右側的圖就是我們之前建立的環境地圖，這是一種混合的地圖結構，為什麼說混合？底下的地圖是格柵式的，頂層的是拓撲地圖，為什麼要用拓撲地圖？因為如果只採用柵格地圖，計算量會越來越大，如果我們用拓撲地圖把它分成區域的話，在某些區域導航只需單獨應用這些區域的柵格地圖，這樣可以降低計算的複雜性。另外基於已知的地圖就可以實現在這些地圖上的定位，位置正確性是一切工作的基礎，要知道自己當前的位置，然後才能進行導航控制。下面這個圖就給出了我們整個定位和導航系統的一個閉環的方框圖，可以看到我們通過各種感測器採集環境資訊，包括里程器，包括雷達，基於這個實現定位，基於當前的定位結果進行運動規劃。當然這裡注意我們加入了Local Map，就是局部的環境跟我們原來建立地圖的環境不同的時候我們可以進行改變。後面就是控制的問題，怎麼跟蹤這個軌跡，驅動這個移動系統按照規劃精確的實現這個軌跡，有這麼一個閉環的過程。
這個是一個智慧輪椅的例子，這個使用者可以通過語音輸入目的地的位置，比如說我要去右上角那個房間裡，這個綠的點就是當前雷射雷達掃描出來的資料，可以看到它是跟已經建立的地圖進行匹配定位的，問題是在於如果出現一些臨時障礙物，它可以做快速的線上的重規劃，繞開這個障礙物。我們也可以看到在這個工作場景它可以呈現精確的過門等等這些動作，包括這也是個臨時的障礙物，可以從新規劃路徑來繞開它，實現安全和高效的導航。
我們把上述這些核心的技術應用到各個場景，但是不同的場景有些新的不同的問題。第一個場景就是倉儲的搬運機器人，就是把傳統的叉車改造成無人叉車。我們國家倉儲領域非常大的市場，大家可能比較瞭解的是亞馬遜的倉儲機器人，他是把貨架整個抬起來運送，於此不同，無人叉車是可以搬運不同重量的託盤。舉個例子，這是在倉庫的環境下多個叉車在協調作業，我們現在在做更大規模的叉車調度、優化等等，所以這裡不止有單叉車的定位導航這些問題，還有多叉車的協調。這個跟傳統的叉車或者是AGV不同的是它不採用原來傳統大量使用的磁線跟蹤方式，現在它可以自己定位導航，不需要任何的地面磁線等等，這樣可以更加靈活更加高效，它遇到障礙物可以主動的避開等等。這是另一種工作模式，這個叉車還可以跟運輸車相互配合，這個叉車是一個無軌的，用雷射雷達進行導航定位，運載車是有軌的，這裡兩種導航方式進行了結合。這裡不同的技術就是兩個車之間的精確的對接、控制等等這些問題，而且這是一種所謂異構多機器人的配合。這還有一個例子是更進一步的，剛才說亞馬遜是整個把貨架抬起來走，最擬人的終極模式就是移動機器人帶著手臂自己把貨品抓起來送到下一個環節去，這個錄影體現的就是說一個移動機器人帶著手臂就可以把這個物品抓起來，這個抓當然有很多技術問題，就是怎麼識別物體，怎麼定位，怎麼控制它抓取等等，這裡我們就用了視覺技術來識別和抓取，然後包括兩個車的精確定位，放置等等這些技術環節。
第二個例子就是變電站巡檢機器人，變電站檢測是電力系統安全運行的重要的環節。現在大部分還是用人力去開車長途跋涉到變電站現場檢測各種儀器設備的情況，但是實際這樣很不方便，因為變電站往往地處偏遠山區，跑一趟可能路上就一兩個小時，但是到現場看了幾分鐘就得走。其實事故往往出現在巡檢員不在的時候，我們的目的就是要實現機器人長期駐留在變電站巡檢設備，同時把現場的畫面還有數據傳到遠端的監控室裡進行集中的管理。我們與國家電網的吉林電力有限公司還有山東電力研究院合作開發了兩類面向變電站巡檢的機器人，一類是面向溫帶地區應用的輪式機器人，另一類是針對寒帶地區積雪地面開發的軌道式機器人。
這是輪式巡檢機器人，第一當然首先還是建立地圖，人推著機器人在變電站走幾圈這個地圖就建立起來了。變電站地圖跟常規地圖有些不同就是說你看這個環境非常類似，在這裡定位很容易造成混淆的問題，它有大量重複的結構特點，建立地圖以後我們就做定位精度的測試，可以讓這個機器人從各個位置到達同一個作業點，看它導航的定位精度、控制定位精度怎麼樣，整個測下來可以達到釐米級的定位精度，足夠滿足檢測的要求。在針對東北的高寒地區冬天雪地的問題，我們了設計單軌的巡檢機器人，這個機器人就在軌道上運行。這樣的話冬天就不怕地面的積雪，這是整個機器人的結構，有雙目的檢測系統，一個是紅外視覺，一個是可見光視覺，這樣把紅外檢測設備的溫度問題回饋到監控室，監控室其實有一套影像處理軟體在識別圖像特徵看到設備是不是有隱患。可以看到單軌可以落到地面的雙軌，這樣不影響地面交通問題等等一系列的技術。在單軌上其實也有定位的問題，怎麼樣實現準確的停留在某一個位置，我們為單軌定位開發了類似直線編碼器的一種感測器，能夠使它精確地停靠在指定的位置，然後能夠把相機對準一些特殊的設備和儀錶，觀測儀錶的資料。了實現包括傳統模擬儀錶的識別、讀取、讀數、後方資料庫存儲等技術。這是我們在一次檢測中發現了一次事故的隱患，當時人工巡檢員剛離開這個現場，並沒有檢測到這個問題，機器人及時報警，避免了一次重大事故。國家電網吉林分公司還專門報導了這次我們機器人檢測事故隱患避免了重大損失的事件。
第三件應用就是助老助殘的方面，這裡頭對移動機器人帶來更大的挑戰，因為智慧輪椅作業的環境就是在日常生活，實際上在有些環境裡非常有挑戰，比如說我們像在公共場合，在食堂裡周圍全是人，在這種情況下鐳射的資料大量被遮擋，怎麼在這種情況下實現高精度穩定的定位導航。在地鐵站非常寬廣嘈雜的環境，怎麼樣應付這些問題。
我們測試一些傳統的定位方法在這裡往往非常容易失效，這是我們在上海的一個地鐵站做測試，這是非常大的一個地鐵站，這裡可以看它一個是人流非常密集，還有要求非常高的導航精度，通過這個載道。這麼大的人流，從感測器的定位來講是非常大的雜訊。然後還有一個問題就是說它在有些環境下，在比如說這個環境下其實周圍的這些特徵在它感測器範圍之外，它看不到有效的特徵。在這個情況下怎麼樣融合雷射雷達的資料和里程計的資料有效的實現資訊的互補，這都是在一些特殊的應用下帶來很多新的問題。所以我們提出一種新的資料融合的方法能夠應付這些變化。還有一個就是包括停車場這種環境，可以看到我們建立地圖的時候沒有這些車輛，實際在使用的時候這些車輛的停靠包括它們的開走等等使地圖產生非常大的變化，傳統的粒子濾波定位方法在這裡很容易失效，可以看到因為環境地圖的變化逐漸的這些粒子就開始發散了。對此我們提出一種定位能力的評價方法，基於這種定位能力可以分析哪個感測器當前更加可信，然後能夠有機的融合這兩種感測器資訊。再進一步把移動輔助跟操作輔助結合起來，我們看到輪椅機械手能夠完成更加複雜的綜合的陪護任務，就是在日常生活中又能夠移動又能夠操作。可以看到這個例子是我們模擬的使用者用腦機介面發出指令，告訴機器人我現在要出門，出門的話第一個任務就是開門，當然開門這個過程中又涉及到如何識別門把手，如何把門打開等等一系列操作問題。可以看到這個機械臂手上有一個攝像機，能夠識別門的把手。開門的過程中又非常複雜，如果不知道門的運動模型的話這裡涉及到力控的問題。包括出門以後又是定位和導航的問題，然後走到某一個餐廳，走到餐廳涉及到怎麼抓取物品的問題，這些物品也是隨機放的，這些輪椅的精度再高也是會有誤差的，所以還是要進一步通過立體視覺識別物體的位置，然後控制機械臂把物品抓起來，這是一系列的移動和操作的配合的工作。
最後就是我們跟一個企業合作開發一系列面向商務和教育的機器人系統，這些機器人系統形式上是千差萬別的，這是超市機器人，這是教育用上的機器人，這是迎賓的、導購的、送餐的，但是它背後的技術還是我們前面提到的關鍵技術，就是導航、定位，然後再加上一些人機交互的技術。這個錄影就是給了一些場景的DEMO，這是超市裡面作業的智慧貨欄，演示了包括怎麼樣跟蹤人，怎麼樣完成自動結算。在餐廳裡頭怎麼進行迎賓，當然這裡你可以把語音交互，圖像人臉識別的技術都集成在這裡，它會引導到位，然後包括送餐，包括用過的餐具的回收和送客。在教育方面小熊是模擬一個小老師，跟孩子們進行互動，可以講授各種知識，同時它身上帶著一個投影儀，可以把教學內容投影在牆上等等，另外可以跟家長進行遠端的互動，把通訊、人機交互等等技術跟機器人技術結合在一起。
總結一下，我們通過四種應用實例介紹了機器人感知、控制和規劃技術，包括物流機器人減少人力、提高效率，巡檢機器人保障公共安全，助老助殘機器人提高獨立生活能力，商務與教育機器人提高生活便利性。我們可以想像未來機器人和人以及機器人之間基於網路更多的協作的場景，這有很多的題目值得我們探究，非常感謝。
主持人 陳小平：我先問一個問題，剛才看陳衛東教授做的工作做得非常好，而且是在很多實際場景裡面都去有應用，在這個實際場景裡其實是有挑戰的。我這裡一個問題就是剛才那個巡檢的，我看到電站巡檢在室外其實挑戰挺大，其中有一個我看機器人的位置和儀錶還是有一定距離，每次要找儀錶而且要去讀的時候，這個好像是不是對解析度還有要求，這個問題怎麼解決的？
陳衛東：因為這個確實是個問題，停靠以後因為我們這個攝像機要距離很遠對準儀錶盤等等設備，所以這個基礎還是定位，像我們因為在軌道上設置了我們自己設計的直線位置感測器，可以實現毫米級的高精度定位。在輪式移動機器人上更加困難，我們可以實現釐米級的定位精度，並採用示教技術預置攝像機的工作姿態，保證檢測目標在誤差範圍內都能出現在視野中。。
聽眾：你們做得很好，很多不同的應用。你們主要的傳感是雷射雷達，雷射雷達有一個難題就是初始化的問題，你們有沒有好的辦法來解決這個事情？
陳衛東：我們實際應用倒沒有特別明顯。您說的我明白了，就是找初始位置的問題，其實在實際應用中我們機器人都有一個自己的家，例如我們在變電站巡檢機器人，它其實工作完了以後就回到充電房，這樣的話它一直是維持那個初始位置在那，所以它不會丟失。如果斷電了，徹底這個位置沒了的話，我們也有做這方面的工作，就是重新啟動的話其實要在全域的位置找當前位置，需要機器人進行移動，就像人一樣，你醒來以後如果找不到自己當前位置在哪，那你就多走走多看看，也能找到這個位置，所以這個也是可以解決。
聽眾：謝謝陳教授精彩的報告，我這個問題就是你們有沒有做過複雜的路況環境下，也就是機器人或者無人車，他駕駛跟野外駕駛路況有關係，就是水泥路或者是泥巴路，甚至表面覆蓋了一些水或者一層樹葉，這個對機器人的運動影響很大，因為搞得不好可能就搞翻掉了，就是這個路況識別。
陳衛東：你可以看到我們目前的應用都是在比較理想的平面地形，當然您說的路況我理解有兩種情況，一種可能雖然是平面但是可能有非常多的一些地面打滑等等一些問題，另一種凹凸不平地形的問題，那就涉及到3DSLAM技術，我現在更多講的是2D的，你就要更多依賴於3D的技術，其實可以在2D這個技術上進行擴展，我們現在實驗室也有同學在研究基於3D鐳射的定位導航技術，可以通過現有方法對維數再進一步擴展，但是就帶來了計算複雜性等等新的問題，是可以的。我的建議就是說可以先找一些可以應用的場合，例如我們可以現在選擇一些難度相對低的環境先應用起來再推進技術發展。
主持人 陳小平：時間關係我們提問就到這裡，我們再次感謝陳衛東教授的精彩演講。
CAAI原創 丨 作者薛陳衛東
未經授權嚴禁轉載及翻譯
如需轉載合作請向學會或本人申請
轉發請注明轉自中國人工智慧學會
安全性是非常迫切的問題。另外是它跟人的協調性的問題，怎麼理解人的意圖，怎麼滿足人的需要，跟人的溝通變得很重要。另外也包括機器人之間的溝通配合也變得非常重要。所以我們說自主性、安全性、協同性這三個方面都跟傳統機器人有不同的更高的要求，這也是我們團隊一直研究的重要的領域。我們針對這些問題有一些解決的思路，我們知道在服務機器人針對未知的環境，包括室內室外的環境，主要是剛才張教授報告也提到了的SLAM方法，我們偏重於採用基於概率的方法解決不確定性問題。另外這些環境還是動態的，人的走動、車的走動，一些傢俱甚至環境結構的變化等等，針對這些問題機器人如果在這裡做決策的話必須是一種滾動的規劃和控制的方式，我們基於的是一種預測控制的方法，其實是不斷地建模，然後不斷地在基於這種模型做規劃和控制。這裡頭不論是感測器還是控制系統都存在著很大的不確定性，雜訊等等，包括控制上的不準確，這樣都需要我們不斷地通過概率、滾動優化的技術來去處理這些問題。在這一類應用裡頭它的任務也是多種多樣，不像工業機器人可能6自由度的機械臂，都是相對單一固定的任務，而自主移動機器人的任務更加多樣化，你怎麼滿足這樣一種多工系統，所以它不是一個獨立的技術環節，需要把感知、規劃、導航、控制等等全部集成在一起，是一個完整的體系，才能應付這樣多變的任務。我們這一類技術方法應用在不止是室內各種機器人還有室外的各種機器人，然後到多移動機器人系統。
簡單談一下這裡頭的關鍵技術，這些技術我前面的報告已經都講到了，其實就跟我們人一樣進到一個陌生的環境。這個PPT上右側的圖就是我們之前建立的環境地圖，這是一種混合的地圖結構，為什麼說混合？底下的地圖是格柵式的，頂層的是拓撲地圖，為什麼要用拓撲地圖？因為如果只採用柵格地圖，計算量會越來越大，如果我們用拓撲地圖把它分成區域的話，在某些區域導航只需單獨應用這些區域的柵格地圖，這樣可以降低計算的複雜性。另外基於已知的地圖就可以實現在這些地圖上的定位，位置正確性是一切工作的基礎，要知道自己當前的位置，然後才能進行導航控制。下面這個圖就給出了我們整個定位和導航系統的一個閉環的方框圖，可以看到我們通過各種感測器採集環境資訊，包括里程器，包括雷達，基於這個實現定位，基於當前的定位結果進行運動規劃。當然這裡注意我們加入了Local Map，就是局部的環境跟我們原來建立地圖的環境不同的時候我們可以進行改變。後面就是控制的問題，怎麼跟蹤這個軌跡，驅動這個移動系統按照規劃精確的實現這個軌跡，有這麼一個閉環的過程。
這個是一個智慧輪椅的例子，這個使用者可以通過語音輸入目的地的位置，比如說我要去右上角那個房間裡，這個綠的點就是當前雷射雷達掃描出來的資料，可以看到它是跟已經建立的地圖進行匹配定位的，問題是在於如果出現一些臨時障礙物，它可以做快速的線上的重規劃，繞開這個障礙物。我們也可以看到在這個工作場景它可以呈現精確的過門等等這些動作，包括這也是個臨時的障礙物，可以從新規劃路徑來繞開它，實現安全和高效的導航。
我們把上述這些核心的技術應用到各個場景，但是不同的場景有些新的不同的問題。第一個場景就是倉儲的搬運機器人，就是把傳統的叉車改造成無人叉車。我們國家倉儲領域非常大的市場，大家可能比較瞭解的是亞馬遜的倉儲機器人，他是把貨架整個抬起來運送，於此不同，無人叉車是可以搬運不同重量的託盤。舉個例子，這是在倉庫的環境下多個叉車在協調作業，我們現在在做更大規模的叉車調度、優化等等，所以這裡不止有單叉車的定位導航這些問題，還有多叉車的協調。這個跟傳統的叉車或者是AGV不同的是它不採用原來傳統大量使用的磁線跟蹤方式，現在它可以自己定位導航，不需要任何的地面磁線等等，這樣可以更加靈活更加高效，它遇到障礙物可以主動的避開等等。這是另一種工作模式，這個叉車還可以跟運輸車相互配合，這個叉車是一個無軌的，用雷射雷達進行導航定位，運載車是有軌的，這裡兩種導航方式進行了結合。這裡不同的技術就是兩個車之間的精確的對接、控制等等這些問題，而且這是一種所謂異構多機器人的配合。這還有一個例子是更進一步的，剛才說亞馬遜是整個把貨架抬起來走，最擬人的終極模式就是移動機器人帶著手臂自己把貨品抓起來送到下一個環節去，這個錄影體現的就是說一個移動機器人帶著手臂就可以把這個物品抓起來，這個抓當然有很多技術問題，就是怎麼識別物體，怎麼定位，怎麼控制它抓取等等，這裡我們就用了視覺技術來識別和抓取，然後包括兩個車的精確定位，放置等等這些技術環節。
第二個例子就是變電站巡檢機器人，變電站檢測是電力系統安全運行的重要的環節。現在大部分還是用人力去開車長途跋涉到變電站現場檢測各種儀器設備的情況，但是實際這樣很不方便，因為變電站往往地處偏遠山區，跑一趟可能路上就一兩個小時，但是到現場看了幾分鐘就得走。其實事故往往出現在巡檢員不在的時候，我們的目的就是要實現機器人長期駐留在變電站巡檢設備，同時把現場的畫面還有數據傳到遠端的監控室裡進行集中的管理。我們與國家電網的吉林電力有限公司還有山東電力研究院合作開發了兩類面向變電站巡檢的機器人，一類是面向溫帶地區應用的輪式機器人，另一類是針對寒帶地區積雪地面開發的軌道式機器人。
這是輪式巡檢機器人，第一當然首先還是建立地圖，人推著機器人在變電站走幾圈這個地圖就建立起來了。變電站地圖跟常規地圖有些不同就是說你看這個環境非常類似，在這裡定位很容易造成混淆的問題，它有大量重複的結構特點，建立地圖以後我們就做定位精度的測試，可以讓這個機器人從各個位置到達同一個作業點，看它導航的定位精度、控制定位精度怎麼樣，整個測下來可以達到釐米級的定位精度，足夠滿足檢測的要求。在針對東北的高寒地區冬天雪地的問題，我們了設計單軌的巡檢機器人，這個機器人就在軌道上運行。這樣的話冬天就不怕地面的積雪，這是整個機器人的結構，有雙目的檢測系統，一個是紅外視覺，一個是可見光視覺，這樣把紅外檢測設備的溫度問題回饋到監控室，監控室其實有一套影像處理軟體在識別圖像特徵看到設備是不是有隱患。可以看到單軌可以落到地面的雙軌，這樣不影響地面交通問題等等一系列的技術。在單軌上其實也有定位的問題，怎麼樣實現準確的停留在某一個位置，我們為單軌定位開發了類似直線編碼器的一種感測器，能夠使它精確地停靠在指定的位置，然後能夠把相機對準一些特殊的設備和儀錶，觀測儀錶的資料。了實現包括傳統模擬儀錶的識別、讀取、讀數、後方資料庫存儲等技術。這是我們在一次檢測中發現了一次事故的隱患，當時人工巡檢員剛離開這個現場，並沒有檢測到這個問題，機器人及時報警，避免了一次重大事故。國家電網吉林分公司還專門報導了這次我們機器人檢測事故隱患避免了重大損失的事件。
第三件應用就是助老助殘的方面，這裡頭對移動機器人帶來更大的挑戰，因為智慧輪椅作業的環境就是在日常生活，實際上在有些環境裡非常有挑戰，比如說我們像在公共場合，在食堂裡周圍全是人，在這種情況下鐳射的資料大量被遮擋，怎麼在這種情況下實現高精度穩定的定位導航。在地鐵站非常寬廣嘈雜的環境，怎麼樣應付這些問題。
我們測試一些傳統的定位方法在這裡往往非常容易失效，這是我們在上海的一個地鐵站做測試，這是非常大的一個地鐵站，這裡可以看它一個是人流非常密集，還有要求非常高的導航精度，通過這個載道。這麼大的人流，從感測器的定位來講是非常大的雜訊。然後還有一個問題就是說它在有些環境下，在比如說這個環境下其實周圍的這些特徵在它感測器範圍之外，它看不到有效的特徵。在這個情況下怎麼樣融合雷射雷達的資料和里程計的資料有效的實現資訊的互補，這都是在一些特殊的應用下帶來很多新的問題。所以我們提出一種新的資料融合的方法能夠應付這些變化。還有一個就是包括停車場這種環境，可以看到我們建立地圖的時候沒有這些車輛，實際在使用的時候這些車輛的停靠包括它們的開走等等使地圖產生非常大的變化，傳統的粒子濾波定位方法在這裡很容易失效，可以看到因為環境地圖的變化逐漸的這些粒子就開始發散了。對此我們提出一種定位能力的評價方法，基於這種定位能力可以分析哪個感測器當前更加可信，然後能夠有機的融合這兩種感測器資訊。再進一步把移動輔助跟操作輔助結合起來，我們看到輪椅機械手能夠完成更加複雜的綜合的陪護任務，就是在日常生活中又能夠移動又能夠操作。可以看到這個例子是我們模擬的使用者用腦機介面發出指令，告訴機器人我現在要出門，出門的話第一個任務就是開門，當然開門這個過程中又涉及到如何識別門把手，如何把門打開等等一系列操作問題。可以看到這個機械臂手上有一個攝像機，能夠識別門的把手。開門的過程中又非常複雜，如果不知道門的運動模型的話這裡涉及到力控的問題。包括出門以後又是定位和導航的問題，然後走到某一個餐廳，走到餐廳涉及到怎麼抓取物品的問題，這些物品也是隨機放的，這些輪椅的精度再高也是會有誤差的，所以還是要進一步通過立體視覺識別物體的位置，然後控制機械臂把物品抓起來，這是一系列的移動和操作的配合的工作。
最後就是我們跟一個企業合作開發一系列面向商務和教育的機器人系統，這些機器人系統形式上是千差萬別的，這是超市機器人，這是教育用上的機器人，這是迎賓的、導購的、送餐的，但是它背後的技術還是我們前面提到的關鍵技術，就是導航、定位，然後再加上一些人機交互的技術。這個錄影就是給了一些場景的DEMO，這是超市裡面作業的智慧貨欄，演示了包括怎麼樣跟蹤人，怎麼樣完成自動結算。在餐廳裡頭怎麼進行迎賓，當然這裡你可以把語音交互，圖像人臉識別的技術都集成在這裡，它會引導到位，然後包括送餐，包括用過的餐具的回收和送客。在教育方面小熊是模擬一個小老師，跟孩子們進行互動，可以講授各種知識，同時它身上帶著一個投影儀，可以把教學內容投影在牆上等等，另外可以跟家長進行遠端的互動，把通訊、人機交互等等技術跟機器人技術結合在一起。
總結一下，我們通過四種應用實例介紹了機器人感知、控制和規劃技術，包括物流機器人減少人力、提高效率，巡檢機器人保障公共安全，助老助殘機器人提高獨立生活能力，商務與教育機器人提高生活便利性。我們可以想像未來機器人和人以及機器人之間基於網路更多的協作的場景，這有很多的題目值得我們探究，非常感謝。
主持人 陳小平：我先問一個問題，剛才看陳衛東教授做的工作做得非常好，而且是在很多實際場景裡面都去有應用，在這個實際場景裡其實是有挑戰的。我這裡一個問題就是剛才那個巡檢的，我看到電站巡檢在室外其實挑戰挺大，其中有一個我看機器人的位置和儀錶還是有一定距離，每次要找儀錶而且要去讀的時候，這個好像是不是對解析度還有要求，這個問題怎麼解決的？
陳衛東：因為這個確實是個問題，停靠以後因為我們這個攝像機要距離很遠對準儀錶盤等等設備，所以這個基礎還是定位，像我們因為在軌道上設置了我們自己設計的直線位置感測器，可以實現毫米級的高精度定位。在輪式移動機器人上更加困難，我們可以實現釐米級的定位精度，並採用示教技術預置攝像機的工作姿態，保證檢測目標在誤差範圍內都能出現在視野中。。
聽眾：你們做得很好，很多不同的應用。你們主要的傳感是雷射雷達，雷射雷達有一個難題就是初始化的問題，你們有沒有好的辦法來解決這個事情？
陳衛東：我們實際應用倒沒有特別明顯。您說的我明白了，就是找初始位置的問題，其實在實際應用中我們機器人都有一個自己的家，例如我們在變電站巡檢機器人，它其實工作完了以後就回到充電房，這樣的話它一直是維持那個初始位置在那，所以它不會丟失。如果斷電了，徹底這個位置沒了的話，我們也有做這方面的工作，就是重新啟動的話其實要在全域的位置找當前位置，需要機器人進行移動，就像人一樣，你醒來以後如果找不到自己當前位置在哪，那你就多走走多看看，也能找到這個位置，所以這個也是可以解決。
聽眾：謝謝陳教授精彩的報告，我這個問題就是你們有沒有做過複雜的路況環境下，也就是機器人或者無人車，他駕駛跟野外駕駛路況有關係，就是水泥路或者是泥巴路，甚至表面覆蓋了一些水或者一層樹葉，這個對機器人的運動影響很大，因為搞得不好可能就搞翻掉了，就是這個路況識別。
陳衛東：你可以看到我們目前的應用都是在比較理想的平面地形，當然您說的路況我理解有兩種情況，一種可能雖然是平面但是可能有非常多的一些地面打滑等等一些問題，另一種凹凸不平地形的問題，那就涉及到3DSLAM技術，我現在更多講的是2D的，你就要更多依賴於3D的技術，其實可以在2D這個技術上進行擴展，我們現在實驗室也有同學在研究基於3D鐳射的定位導航技術，可以通過現有方法對維數再進一步擴展，但是就帶來了計算複雜性等等新的問題，是可以的。我的建議就是說可以先找一些可以應用的場合，例如我們可以現在選擇一些難度相對低的環境先應用起來再推進技術發展。
主持人 陳小平：時間關係我們提問就到這裡，我們再次感謝陳衛東教授的精彩演講。
CAAI原創 丨 作者薛陳衛東
未經授權嚴禁轉載及翻譯
如需轉載合作請向學會或本人申請
轉發請注明轉自中國人工智慧學會