<mark id="oztn4"></mark>
0
| 本文作者： 田苗 | 2017-07-13 10:47 | 專題：GAIR 2017 |
斯坦福大學教授 Oussama Khatib
2016 年 10 月在北京召開的世界機器人大會上，雷鋒網曾報道來自斯坦福大學的 Oussama Khatib 教授所帶領的團隊研發了一款潛水機器人 Ocean One （海洋一號）。令人驚嘆的是，Ocean One 曾潛入 100 米左右的海底，并且成功從一艘法國沉船上打撈出一個古文物。
今年，由中國計算機學會（CCF）主辦，雷鋒網與香港中文大學（深圳）承辦的全球人工智能和機器人峰會上，Oussama Khatib 也來到大會現場，并在 7 月 8 日的機器人專場為我們分享了關于機器人研發背后的那些故事。
以下為 Oussama Khatib 演講實錄，雷鋒網在不改變原意的基礎上進行編輯。
在某些情況下，潛水員為了潛入海底 160 米，必須在下潛倉里呆上一周以適應氧氣和氦氣的混合倉，之后才能在水下進行部件維修和維護。而完成工作后，潛水員又要回到地面，花三周的時間在氧氣和氦氣的混合倉里適應。這是一項非常危險的工作。
如果機器人可以接觸到海床，人也可以感受到機器人和海床的觸覺。操作人可以沉浸在一個操作系統中，而機器人則可自主地在水下對所有動作進行識別。機器人通過無線光纖與地面及時連接，好像機器人是專門為你進行潛水工作。
我們的目標是希望通過觸覺設備，感受機器人所感受到的東西。
除了考古發掘，機器人還有其他的工作場景，如水下珊瑚保護、樣品采集，以及水下工程維護、檢查等。此外，在高緯度的地方如氣象站等，都希望機器人去解決問題，從而很大程度上保護人的安全。
對于家居機器人而言，它是一個人機的互動，尤其是合作型機器人，不僅僅是簡單的機械手臂，可以讓人和機器形成一種協同效應。
在移動性方面，我們要讓機器人明白外界，不僅僅讓它知道它應該做什么，還要讓它知道完成這個任務該有哪幾個步驟，讓人的動作成為它的榜樣。所以，我們要為機器人尋找不同的動作，以及對它發出指令，要研究人類所有不同的動作以及目的。這樣才能夠讓機器人的動作更加靈活，更加快速。
我們在做同一個動作的時候，不斷的重復它，是很累的，機器可以這樣做，它不知疲倦。在這樣一個環境中，可以做出比較好的人機互動，讓機器代替我們做一些比較困難的事情。我們可提前寫好程序，從更高的層面上向這個機器發出指令。那就是我們的指令動作。比如像人的一些動作，如何去教授這些機器動作。我們可能不需要動作或者位置的控制，然而機器是需要的。我們只是根據感覺，感受人手的位置，但是機器是需要的。所以我們對這個機器進行編程，讓它能感知到外界的環境，這樣的關系是獨立的。所以我們可以看到，這個機器在旋轉，它感覺到了外置環境的變化。
我們可以通過這個扭矩控制機器的動作。比如說在關節處可以有一些互動，比如人機互動、操作、合作甚至完成一些任務，讓它更加安全。在斯坦福曾經有過這樣一個設計。90 年代，我們的機器是實時運動，我們只需要對它吹氣，它就可以動了。我們可以打造一個非常好的控制能力，通過感知的傳感器就能夠實現。
我們如何實現一些任務。比如說人是需要完成一些任務的，我們希望能夠讓機器人有足夠好的視覺，就可以用抓取的系統，讓機器完成不同的任務和工作。這里會發現，這些機器是抓取了不同的物件，就可以截取足夠多的信息，讓我們知道真正發生了怎樣的事情。我們需要讓機器知道，在怎樣的位置需要旋轉和調整位置。
另外，可以用一些數據，對機器進行編程。這樣機器就可以和外界產生互動。當然，外界是不同的，會經常變化，會有一些錯誤。我們要修正錯誤，甚至可以把機器進行一些調整，用手動進行移動，讓它修整過去的錯誤。現在可以去做一些更加復雜的任務。比如說需要有一系列的動作，這一系列的動作就展示了一些比較復雜的任務是如何完成的。
我們要找到插頭上插孔的位置，就可以做旋轉，將插孔正確的插入進去。這樣一個片段，是通過對于機器的編程實現的，之后這個機器就可以學習這樣的動作。在人類的示范之后，機器會再次嘗試完成這個工作。現在機器人有了更好的控制，所以這個機器人可以完成過去由人手工才能完成的任務。在這個展示中，機器在尋找插孔。現在它已經找到了插孔，找到插孔之后就會旋轉，取得合適的角度，就可以把插座插上，燈就點亮了。
1987 年的時候，我們訓練這個機器，讓它完成一個搜尋的任務。另外，可以讓機器將合適的部件插入到合適的插孔里。也就是說我們可以讓機器和外界產生一種互動，一種相互的關聯。這樣，它們的動作就會更加精準，可以幫助機器不斷提升技能。機器可以進行自行的匹配以及嘗試。在這背后，人的動作是非常重要的。
人可以有不同的技能，不同的能力，這些能力都可以讓機器去學習，把人類的一些動作教授給機器，或者通過一些算法讓機器習得人類的動作。比如這里建立了一個人類的運動模型。這個動作是人在拋置物體的動作，可以通過 MRI 形成一個精準的運動模型，在對人體進行MRI的掃描之后，就可以把 MRI 的數據輸入到機器中。這也是一個非常重要的過程。這樣可以建立起一些模型，非常精準的重現人的動作。這樣我們也可以幫助人們去做一些運動康復。當然，我們可以很好的觀察人類的運動。這樣才能進一步提升運動的精準性。
另外，可以看一下人類是如何來處理不同任務的。我們有 MRI，就可以對人做一個掃描。但是在 MRI 里是不能動的。在這里找到一個觸覺的反饋設備。比如說可以建立一些聯系，把實時的數據聯系到電腦里，看一下實際發生了什么事情。比如說有不同的方式對計算機進行編程，讓計算機的動作越來越趨向于人的反饋。比如可以做一些示范，讓機器學習。當然，也可以引領機器做一些動作。比如防撞、避免沖撞，或者我讓這個機器不要碰到我的手，它就會自動的進行回避。機器人可以避免碰撞，還可以去到各種不同的位置。這也是一個很大的挑戰，在機器身上，必須要做很多的平衡。
我們說這種機器，它如果是多觸點，就是一個更大的挑戰，要控制它的任務，同時也要控制好這個機器本身的姿勢。當然，這個任務的本身有方方面面的要求，多觸點就要求機器做好平衡。比如要有一些平衡，還要有自我避免碰撞的能力。但我們如何才能實現這個能力？也是現在需要有一種系統性的方式，幫助我們實現大量的配置，最終找到這樣的方法，讓機器人突破局限。
現在我們所做出的最大突破就是能夠真正在實時情況下將力量，包括全身的控制結合在一起。這種方式就叫做對全身多觸點力量的平衡控制。這里是一個機器人在動態環境中的運動，它出現了非常明顯的跌倒情況。如果有任何來自于其他環境中的反作用力，這些人都很有可能跌倒。這樣一種力的平衡，就是能夠讓我們更好的了解到機器人的作用力、本身動能和內能幫我們形成多個接觸點力的形成。
在機器人上，我們總是在探討，對于動作以及動作執行的重要性。在制造業中，很多時候都是把動作進行線下的設計。因為動作的設計是非常復雜的，同時這個動作的執行也是能夠幫助我們通過項目的方式實現的。但我認為在這樣一種環境中，特別是抽象的環境中，這點是做不到的。這就是為什么我們現在建立了一個框架，這個框架可以讓我們更好地從多個層面通過傳感器的回路和環境接觸。
這樣一邊有動作，底層有全身動作的控制，能更好的幫助接觸感官信息，同時通過感官的信息以非常高的速度形成閉環的回路。最后處理這些數據，能夠找到其中一些特色數據，幫助更好的形成標準或者是參數。這些參數能夠幫助我們實現整個動作的測序。人的接觸，通過觸覺、聲音、視覺實現。在這個角度說，可以幫助更好的保證機器實現預先設置的動作。而周圍的環境，不是信息爆炸式的情況出現的，是一種相關性的信息展示出來，能建立起人和機器的合作。人、環境和機器人都是在同一個操作中，這樣一個閉環就是環境和人的操作包括人的動作，最終這些信息的解釋可以幫助我們更好的看到人和機器人還有環境共同的接觸。
現在看一下如何探討一下機器人爬山的工作，可以看一下如何實現力的平衡，同時機器人在這些環節中不斷走動，確保力的平衡，讓機器人可以在不同的環境中，在三個四個接觸點上實現最終作用力和反作用力的平衡。
現有的時間控制，探討一下對于運動的復制，從人的角度來說，會使用很多工具，幫助我們實現力的平衡。現在有一個雙拐的機器人，甚至可以實現三拐機器人，可以探索周圍的環境，最終尋找到最好的接觸點。因為這些觸桿上有相關的感應器，可幫助我們了解周圍的環境，這樣機器人才可以在未知環境中進行探討，最終實現本身力的平衡，和環境的作用力進行結合。
下面回到 Ocean One 這個項目，這個項目結合了我剛剛提到的所有技術，有很多技術都能夠將力的動態控制納入探討過程中。這個力的動態控制是通過手的實現，最終改變機器人的配置，能夠幫助我們更好的理解如何將這些機械臂使用在物體的提升以及下放過程中，如何結合在一起實現不同的動能，不同功能幫我們實現機器人控制和機器人平衡要點。
這些所有的力都非常重要，在機器人的設置過程中，包括機器人的優化過程中，要涉及到大量元件，這些元件都必須在水下操作，與此同時還要保證他們不會出現濕透的情況，這是斯坦福游泳池當中的機器人，現在這個技術越來越成熟。4 月份出現第一次實驗，現在這個機器人已經可以幫助我們完成一部分工作。
我們把機器人放到一個大箱子里，送到地中海的實驗地。這是一個科學教育研究室，把機器人放到水中。這個機器人是能夠從 1.5 米水深的游泳池中出來。現在要在 100 米深的水中實際進行游泳。一開始我們想看是否能在水體中適應，放到水下 15 米，還有相關人的潛水員和機器人進行共同的合作和交互。機器人完成了不同的任務，對于它的構建進行進一步鑒定，后來發現它的水平還不錯。然后開始讓機器人實現自我下潛，沒有人的潛水員陪伴，機器人下到 100 米水深的位置。
在 91 米的法國海域水下，機器人實現了自動下潛，開始漸漸接近于海底。當機器人越靠近海底或者海床，就會有很多石沙和泥沙出現，就會失去很多視覺的清晰性。有時候機器人會卡在這些海溝中。對于人來說，我們和機器人一樣，有同樣的形式和機械臂。我們開始意識到當我們把機器人拉回過程中，機器人完全卡住，我們當時快要折損這個機器人，但是機器人自己通過手的觸覺縮回來了。我當時可高興了。
這個機器人現在正在收集一些海底的碎片，把它放到容器中。一旦我們收集到這些東西，把容器蓋關上，就可以帶到海平面上，這是自動化的過程。這是我們從水下遺址中收到的遺跡，是 16 世紀海下沉船的遺跡。這些是我的學生，他們非常非常高興能夠看到這個 16 世紀沉船遺物重見天日。
這是我們的一個海下作業船，這艘作業船專門針對海下地質勘探。
我們把機器人帶到海底尋寶過程中。整個下潛在 2016 年 4 月 10 號完成。人類的潛水員和機器人在 50 米的水深交互，我們在作業中能操作機器人的觸覺系統。所以機器人當時和兩個人進行溝通，一個是人類潛水員一個是操作員。我們在水下測試了這個機器人的各種動作，它要在百米水下進行的操作動作。最后證實機器人可以在百米水下操作，當機器人成功之后就可以朝更深的水域下潛。現在要把機器人下潛到 100 米的水域。因為 100 米水壓已經很大，它也會遇到很多情況，有可能會造成機器人的失敗。
現在機器人已經慢慢下潛，在兩個海溝之間游動，出現了非常明顯的泥沙。這時候我失去了機器人的視覺，看得不是非常清楚，機器人卡住了，我們非常擔心。但是正是使用了機器人手上的觸覺系統，成功的收回了這個機器人。我相信這是人類的潛水員沒有辦法達到的水底深度。但機器人通過觸覺系統實現了這個方式，降到海底到達海床。
現在這個機器人已經抵達我們要到的遺跡地點，現在機器人要開始采集這個遺跡了。我們機器人的機械手臂開始拿起文物，機器人慢慢把物件運往容器所在地，然后機器人把它的物件放進容器里。最后一個任務，機器人把容器蓋蓋上，容器蓋一旦蓋上，就會自動往海面輸送物件。成功了，我們非常非常興奮。這是我們整個星期的海底操作。最終我們能夠在不損壞文物本身的情況下，從 16 世紀的海底拯救起來，讓它重見天日。我們團隊都非常高興，在沒有任何外力損失的情況下回收了物件。我們非常高興，給機器人也來了一杯香檳。
這是一個很好的案例，向我們展示出一旦我們可以讓人和機器人連接，在環境和挑戰中可以做到什么樣的水平。
雷峰網原創文章，未經授權禁止轉載。詳情見轉載須知。
專題
