該活動由中國人工智能學(xué)會主辦，中國人工智能學(xué)會認知系統(tǒng)與信息處理專委會、南京清湛人工智能研究院承辦，北京容天匯海科技有限公司、鎂客網(wǎng)協(xié)辦。

 

　　在歷時4個半鐘頭的分享環(huán)節(jié)，來自產(chǎn)業(yè)、學(xué)術(shù)和應(yīng)用三個方向的嘉賓，構(gòu)成了一個產(chǎn)學(xué)用全方位的“三方對話”，圍繞智能機器人相關(guān)主題帶來了各自的精彩分享。

　　陳學(xué)超北京理工大學(xué)機電學(xué)院教授、博士生導(dǎo)師

 

　　——仿人機器人高動態(tài)跳躍運動關(guān)鍵

 

　　在陳學(xué)超看來，仿人機器人是智能機器人的一種高級形態(tài)，具有兩手、兩腿、頭部和軀干等人類外形顏色特征，整機有30至60個自由度，有著復(fù)雜的多體動力學(xué)系統(tǒng)，在公共安全、國防、社會服務(wù)等領(lǐng)域應(yīng)用前景廣泛。

 

　　回顧仿人機器人發(fā)展歷程大事記，自1973年日本早稻田大學(xué)研發(fā)出首臺可行走仿人機器人之后，包括日本本田公司的ASIMO、波士頓動力公司的Altas等都是里程碑式的產(chǎn)品。

 

　　而從自身研究項目出發(fā)，陳學(xué)超表示跳躍能力對仿人機器人增長運動敏捷性和環(huán)境適應(yīng)性有著重大意義，意味著機器人能夠在室內(nèi)外、野外環(huán)境中做到跑得快、跳得高，同時能夠執(zhí)行多種靈巧作業(yè)任務(wù)。其中所涉及的核心部件和多模態(tài)運動技術(shù)，也是其匯童仿人機器人項目當下的研究重點。

 

　　陳學(xué)超闡述道，經(jīng)過對跳躍運動階段劃分并進行特點分析后得到總結(jié)，機器人：

 

　　起跳階段——要求硬件本體需要做到大力矩、高轉(zhuǎn)速，規(guī)劃、控制方面做到協(xié)全身、精跟隨；

 

　　落地階段——要求硬件本體需要做到強回驅(qū)，規(guī)劃、控制方面做到柔著地。

 

　　這一前提下，陳學(xué)超也指出，傳統(tǒng)仿人機器人關(guān)節(jié)（電機+諧波）力矩達到，但轉(zhuǎn)速低、回驅(qū)性弱，無法滿足需求，一般四足機器人關(guān)（電機+行星）也因為力矩小而難以適用。針對這一點，他也提出了一些解決方案，包括采用高磁能密度硬磁材料打造高扭矩密度電機，并基于多物理場綜合優(yōu)化技術(shù)提升轉(zhuǎn)矩，以及模擬人體肌肉布局作仿生跨關(guān)節(jié)耦合驅(qū)動，同時優(yōu)化變速結(jié)構(gòu)比等等。

 

　　此外，針對特斯拉、小米等企業(yè)對仿人機器人的布局，陳學(xué)超表示這類企業(yè)的入局將推動人工智能技術(shù)在仿人機器人產(chǎn)品上的落地，進而推動仿人機器人整體產(chǎn)業(yè)的發(fā)展。與此同時他也指出，小米能夠在幾個月內(nèi)打造一臺仿人機器人，并完成一些基本操作，也是從另一個角度告訴大家，仿人機器人研發(fā)的行業(yè)門檻較之前已經(jīng)有所降低。

 

　　葛榮駿東南大學(xué)計算機科學(xué)與工程學(xué)院副教授

 

　　——用算法彌補國產(chǎn)成像設(shè)備硬件不足

 

　　圍繞人工智能與機器人產(chǎn)業(yè)，醫(yī)學(xué)是一個繞不過去的細分市場，其中關(guān)于影像設(shè)備成像，更是一個重點研究方向。

 

　　葛榮駿表示，眼下國內(nèi)醫(yī)學(xué)影像設(shè)備正被國外企業(yè)壟斷，國產(chǎn)設(shè)備則存在成像質(zhì)量不足的問題。他以CT為例，常規(guī)CT存在輻射劑量較大、軟組織分辨率較低等問題，既會給孕婦、新生兒等高敏感人群帶來較大安全風險，也會對其臨床應(yīng)用范圍造成諸多約束，同時不同診療場景的CT成像也受制于采集數(shù)據(jù)信噪比低或數(shù)據(jù)稀疏不全等問題。市場側(cè)，85%以上相關(guān)設(shè)備市場則是被國外公司GPS壟斷。

 

　　針對國產(chǎn)設(shè)備成像不足的問題，葛榮駿表示可以通過成像算法來進行彌補——基于不同臨床診療需求場景，非理想采樣條件的下優(yōu)質(zhì)CT成像算法。

 

　　圍繞這一研究，葛榮駿也指出傳統(tǒng)成影方法“解析重建”需要高質(zhì)量且完整的投影數(shù)據(jù)，無法應(yīng)對低劑量和不完備數(shù)據(jù)重建，且特征提取能力弱，容易引起二次偽影，同時迭代速度慢，科學(xué)挖掘點少。

 

　　在這一基礎(chǔ)上，基于特征學(xué)習(xí)的CT成像算法受到關(guān)注，包括基于單層特征學(xué)習(xí)的字典學(xué)習(xí)算法、基于深度特征學(xué)習(xí)的重建算法。其中，深度特征學(xué)習(xí)能快速、充分地利用單層特征和各級深度特征，在最終效果上優(yōu)于單層特征學(xué)習(xí)。

 

　　李雨倩NVIDIA自主機器技術(shù)專家

 

　　——基于IsaacSim平臺為機器人訓(xùn)練“提速”

 

　　不管是算法開發(fā)，還是智能機器人研究，過程中總是需要大量的數(shù)據(jù)處理與模型測試、驗證。而如果這些工作全部交由單個項目或企業(yè)來進行，將面臨時間長、挑戰(zhàn)大、成本高，以及相關(guān)場景中結(jié)構(gòu)化環(huán)境缺失等問題。

 

　　針對這一點，李雨倩提出的解決方案是NVIDIAIsaacSim，這是一個建立在數(shù)字孿生Omniverse平臺上的機器人模擬應(yīng)用與合成數(shù)據(jù)生成工具，能夠提供真實準確的自然世界虛擬表示，允許導(dǎo)入各種對象類型，包括CAD文件，以生成在邏輯上與現(xiàn)實世界無法區(qū)分的模擬環(huán)境。

 

　　李雨倩表示，在Isaac平臺，僅需要4個步驟就可以完成一個閉環(huán)應(yīng)用的開發(fā)：

 

　　模型訓(xùn)練——通過IsaacReplicator（形成虛擬合成數(shù)據(jù)集）、TaoToolkit（訓(xùn)練預(yù)訓(xùn)練的模型）工具對機器人進行訓(xùn)練；

 

　　仿真——在整個Omniverse環(huán)境下，基于IsaacSim對整機進行仿真和測試，模型訓(xùn)練好，整機算法測試完成之后就到第三步搭建；

 

　　搭建——在機器人本體嵌入式計算平臺Jetson上，利用IasscROSGEMs、RIVA、NovaOrin等來做一個整個機器人的搭建；

 

　　部署&管理——利用Triton做多個資源的調(diào)動管理，利用CuOpt做大場景下機器人最優(yōu)路徑的規(guī)劃……

 

　　“實際環(huán)境測試之后會暴露出機器人本身的一些問題和模型的不足，就可以回到第一步再完成一個訓(xùn)練。”

 

　　此外，李雨倩也總結(jié)稱，該平臺有測試場景和樣本，可以直觀體驗IsaacSim的一些功能；可以跟ROS生態(tài)進行互動；增加了AI的屬性，包括強化學(xué)習(xí)等都集成在里面，基于這些優(yōu)勢，將能夠幫助大家快速搭建自己的應(yīng)用，開發(fā)一個更智能的、具有AI屬性的機器人。

 

　　王亮NVIDIA高級解決方案架構(gòu)師

 

　　——硬件加速機器人仿真與訓(xùn)練

 

　　面向海量數(shù)據(jù)處理與模型測試與驗證，除了平臺層面各類軟件工具的協(xié)助，背后的算力支撐也是不可或缺的。針對這一點，王亮主要從NVIDIAA40和A100兩款產(chǎn)品進行講解。

 

　　其中，提及A40就不得不提到“NVIDIAOVX”，這是為了在Omniverse中運行數(shù)字孿生模擬而創(chuàng)建的數(shù)據(jù)中心級計算系統(tǒng)，由8塊NvidiaA40GPU、3塊NvidiaConnectX-6Dx200Gbps網(wǎng)卡、雙IntelIceLake8362CPU、1TB系統(tǒng)內(nèi)存和16TBNVMe存儲組成，啟用RDMA以實現(xiàn)最低延遲，支持精確計時(PTP)，可擴展以滿足工作負載需求。

 

　　并且，當使用Spectrum-3交換機連接時，OVX計算系統(tǒng)可以從包含8臺OVX服務(wù)器的單個Pod擴展到32臺OVX服務(wù)器的超級Pod。多個超級POD可以用于部署更大的仿真需求。

 

　　至于A100，王亮表示“A10080GBPCIE”是世界上性能最高的AI超級計算GPU，也是主流EGX服務(wù)器的靈活部署選項。性能方面，相較于上一代產(chǎn)品，面對仿真、AI訓(xùn)練等應(yīng)用均得到了數(shù)倍的提升。

 

　　同時，王亮也提到了基于A100打造（20臺起步）的DGXSuperPOD系統(tǒng)，串聯(lián)后將形成一站式AI超級計算機，基于并行計算實現(xiàn)大規(guī)模AI模型的構(gòu)建、訓(xùn)練和部署。

 

　　孫玉潔中國兵器工業(yè)集團高級工程師

 

　　——未來機器人作戰(zhàn)樣式

 

　　就分類來看，智能機器人可以分為多種類型，工業(yè)機器人體量最大，消費級商用機器人更為貼近日常生活，特種機器人則較為少見，其歸屬下的軍用機器人，更是“神秘”。

 

　　對此孫玉潔講到，軍用機器人依據(jù)作戰(zhàn)環(huán)境的不同分為地面軍用機器人、空中軍用機器人、其他軍用機器人（如無人艇、無人船等）。

 

　　提及需求，軍用機器人部隊則是需要做到三點，分別是能夠聚焦全維感知、街區(qū)突貫、要點奪控、樓宇清繳等城市作戰(zhàn)環(huán)境，實現(xiàn)信息主導(dǎo)、火力主戰(zhàn)、智能主控、體系致勝，做到多域精確跨域協(xié)同。

 

　　只是就目前來看，軍用機器人部隊在構(gòu)建上還存在一些短板，這也對當前業(yè)界提出了幾點建議：

 

　　第一，發(fā)展機器人彈性算力和可拓展的硬件平臺，設(shè)計相關(guān)接口和標準協(xié)議，基于“軟硬解難”思路，提升硬件能力；

 

　　第二，完成地面軍用機器人、空中軍用機器人及其他機器人部隊體系要素的需求論證；

 

　　第三，統(tǒng)籌推進相關(guān)科技競賽，以及優(yōu)質(zhì)智能技術(shù)成果的轉(zhuǎn)化應(yīng)用。

 

　　屆時，比如空中機器人，將能夠做到集偵查、監(jiān)視、軟干擾和硬打擊于一體，以及長時滯空、空中戰(zhàn)場遮斷、空中格斗等等。地面機器人則將呈現(xiàn)“無人軍團”模式，就像電影中的機械戰(zhàn)士。

 

　　黃洪波墨影科技聯(lián)合創(chuàng)始人、VP

 

　　——機器人產(chǎn)業(yè)“非標+長尾”現(xiàn)象如何破局？

 

　　黃洪波以冰山作比，浮出水面的一小塊冰山是如今簡單容易的項目或值得投入的大客戶，但另外沉在水面下、體積占比約80%的冰山則代表著那些無法被觸達和滿足的大量潛在需求機器人和自動化改造的行業(yè)和項目。

 

　　這也導(dǎo)致雖然機器人市場各垂直場景的價值達到了千億級、萬億級，大量機器人公司和集成商也僅僅是在“冰山一角”中進行競爭。

 

　　為什么會這樣？黃洪波解釋道，機器人企業(yè)開拓產(chǎn)品、集成商部署項目少則一兩年，多則三五年，投入資源重、周期長、成本高迫使他們提高報價、延長實施周期，繼而導(dǎo)致機器人和自動化改造價格高、周期長。但對于客戶來說，他們的需求是快速完成機器人和自動化改造，降低產(chǎn)險停產(chǎn)時間，實現(xiàn)降本增效目的，也因此，低價格、短周期的壓力自然而然就給到了企業(yè)和集成商，最終造成機器人企業(yè)、集成商普遍存在低價競爭、虧本賺吆喝現(xiàn)象。“這就是一個惡性循環(huán)。”

 

　　當然，目前存在的“非標+長尾”現(xiàn)象只是機器人產(chǎn)業(yè)發(fā)展過程中階段性的必然結(jié)果，“需求種類和數(shù)量進一步增加，單一廠商的能力和開發(fā)速度逐漸無法滿足所有需求，跨廠商系統(tǒng)集成又異常復(fù)雜，與此同時很多客戶想用機器人和自動化，但需求和場景各不相同，導(dǎo)致非標+長尾。”

 

　　至于如何破局，響應(yīng)“更快滿足急速增長的客戶需求、更快更簡單地開發(fā)新產(chǎn)品新功能”的趨勢，黃洪波則是提出“平臺型系統(tǒng)”。在其看來，平臺型系統(tǒng)將能夠提供行業(yè)基礎(chǔ)共性功能，簡化開發(fā)流程，整合上下游，進而共同促進行業(yè)爆發(fā)。

 

　　楊磊南京清湛人工智能研究院執(zhí)行副院長

 

　　——“云+邊+端”架構(gòu)賦能機器人視頻感知

 

　　在楊磊看來，產(chǎn)業(yè)內(nèi)諸多公司為機器人的感知和計算基礎(chǔ)都提供了杰出的支撐，但就目前來說，“感知”依舊是機器人技術(shù)發(fā)展的一個重要瓶頸。

 

　　其中，視頻感知不同于以往更多討論的機器視覺，所處理的數(shù)據(jù)基本上是實時連續(xù)幀圖片序列，需要處理的數(shù)據(jù)量更大，且多數(shù)數(shù)據(jù)都沒有經(jīng)過加工處理器，落地之后更具實用性，是眼下計算機視覺與人工智能領(lǐng)域發(fā)展比較活躍的研究方向。

 

　　“相較于視頻監(jiān)控，視頻感知除了要獲取數(shù)據(jù)、分析數(shù)據(jù)，還要理解視頻內(nèi)容以及目標前后關(guān)系。”

 

　　而就落地來看，隨著工業(yè)場景新需求的出現(xiàn)，傳統(tǒng)視頻監(jiān)控已經(jīng)不足以完成安全保障等方面的新挑戰(zhàn)，視頻感知逐漸在工業(yè)場景獲得極大應(yīng)用。

 

　　與此同時，就機器人整個發(fā)展來看，“原先機器人平臺算力較小，存在巨大的算力障礙，而現(xiàn)在提出的新架構(gòu)——‘云-邊-端感知架構(gòu)’，依據(jù)不同場景需求通過云端或邊端的算力去解決算力不足的問題，幫助進行視頻運算和解析，這是未來發(fā)展的一個重要方向。”

 

　　針對這一點楊磊也說到，清湛人工智能研究院采用“云+邊+端”架構(gòu)打造了一套基于視頻行為分析的智能監(jiān)造系統(tǒng)，在前端網(wǎng)絡(luò)中增加邊緣分析設(shè)備，基于計算機視覺深度學(xué)習(xí)技術(shù)，構(gòu)建專有的安全生產(chǎn)預(yù)警模型，是面向大型企業(yè)用戶，提供簡單、易用、優(yōu)質(zhì)視覺算法的開放平臺。