2020年11月6日至8日,第十八届中国机器学习及其应用研讨会(MLA’20)在南京大学隆重召开。隆博科技创始人兼CEO佘元博,受邀参加了本次会议,并发表了主题为《机器学习在自主移动机器人 (AMR) 中的应用价值》的演讲。
作为国内顶尖的机器学习领域研讨会之一,MLA系列研讨会迄今已举行了17届,近年来参会人数超过2000人,汇聚了来自清华大学、北京大学、南京大学、南方科技大学等机器学习及其相关领域的专家学者,共同探讨机器学习发展及在各领域的应用情况,是一场不可多得的人工智能学术和产业应用结合的盛会。
隆博科技专注于自主移动机器人(AMR)技术研发及柔性室内物流解决方案,已经为全球500强企业提供AMR产品及相关解决方案,在多类场景中投入应用,并远销海外。创始人兼CEO佘元博,是国内最早开展AMR商业化应用的推进者之一,同时也是优秀的机器人与人工智能领域技术专家,从商业应用价值角度,分享了关于机器学习(ML)在室内工业AMR领域应用价值的观点。
柔性室内物流东风已起,人工智能将大放光彩
报告中,佘元博从隆博科技AMR产品在工厂和仓库的应用案例切入,介绍了AMR飞速发展的市场背景。近年来,制造业和仓储物流的发展风起云涌,而风光的背后是其工厂和仓库的室内物流压力倍增,加上用工难的现实环境,和企业信息化的趋势,室内物流迫切需要提升自动化和智能化水平。而室内物流的自动化和智能化,需要大量采用移动机器人替代有人叉车和人手推车,虽然传统导航技术AGV已有成熟应用,但这块市场依旧有巨大空缺。
工业室内物流有大量人机协同混合作业的场景,需要移动机器人具备 的环境感知能力,对环境变化做出动态反应,大量复杂场景需要智能化程度更高的AMR填补市场空缺。另外,在场景部署上,AMR有部署成本低、效率高、周期短、容易变更的优势,这就使得大面积复杂场景更适用部署AMR产品。
(数据来源:Interact Analysis)
根据国际知名研究机构Interact Analysis的数据显示,AMR增势强劲,在将未来几年内全面超越AGV,其硬件规模将在2024年达到近100亿美元。虽然目前传统导航技术的AGV依旧占据主要市场,但更接近与人的智能水平的移动机器人是应用趋势,这也给人工智能技术应用留下了广阔空间。
从良到优的跨越,ML让AMR具备更接近人的智能
报告中,佘元博指出了机器学习在机器人技术中应用的思路。传统的机器人技术都是人去设计算法,而机器学习是机器从数据中学习模型,通俗说,机器学习是设计算法的算法。两种方法各有优劣,如何结合是提升机器人智能水平的关键。
为简化表述,我们把人设计算法的思路称为逻辑方法。逻辑方法的优势是,通过算法原理能够对结果做出唯一的推导,即只要算法设计得好,结果一定是稳定一致的。而劣势在于对于复杂逻辑,人脑难以设计出完美的算法以得出完美的结果,即复杂逻辑面前,无法通过人脑的设计让算法接近人的智能。
当一个信息处理过程,影响结果的变化因子太多,甚至无法知悉哪些因子影响结果,以至于无法采用逻辑方法建模的时候,机器学习可以填补这个空白。另一方面,很多复杂信息处理过程,逻辑方法无法尽善尽美,这个时候机器学习可以起到拔高的作用。即一个复杂信息处理过程,再聪明的人设计出来的算法只能做到80分水平,但是机器学习可以做到90分。
另外,佘元博强调,我们一定不要误认为机器学习是万能的。机器学习有天然的劣势,就是得分上限很高,但是下限也很低,而且结果的质量不稳定,这刚好是和逻辑方法相反的。那么我们在应用机器学习过程中,要注意分解问题,将逻辑方法与机器学习结合,既保障逻辑方法的高下限和稳定性,又能通过机器学习提高上限。通俗地说,就是如果我们只运用机器学习方法,结果可能是某些场景50分某些场景90分;如果只运用逻辑方法,结果可能保持在80分。而两者结合后,则可以是保障在80～90分之间。
从感知到决策,隆博AMR将ML投入“实战”
感知,是从传感器数据到有价值的环境信息的处理过程,而视觉数据是信息量最丰富的,随着视觉的大规模应用,机器学习可以发挥重要作用。当然,除了视觉数据,从其他信息量丰富的数据里面,我们也可以通过机器学习得到环境中有价值的信息。隆博在这个层面做了很多应用,包括储位状态识别、料车识别、AMR运动过程中的障碍识别、人体跟随等。
决策,是从有价值的信息到反馈策略,或者结果预测的处理过程。由于目前各类机器人智能的发展水平还不高,绝大部分场景都是希望机器人完成特定的任务,而不是希望机器人有自己的个性。所以现实中,绝大部分决策模型都是逻辑方法,需要用到机器学习的可能只有4%,这些机器学习应用主要起到将结果从80分提升到90分的效果。隆博科技在定位技术上运用机器学习技术,将影响定位结果的弱关联数据组织起来,采用可信定位对数据进行标记,得出的模型不仅能提升定位精度,还一定程度上消除了噪点影响。在避障技术上运用机器学习技术,将影响避障策略的环境数据和导航数据组织起来,采用人工决策对数据进行标记,得出的模型更接近人的避障决策水平。
在智能化的道路上,隆博科技一直在做相关的技术创新,让机器人的智能水平更加接近于人。
技术并非越高端越好,解决客户痛点才是王道
“找到客户的痛点问题,判断技术的应用趋势,才能让技术产生最大的商业价值。”报告中,佘元博回归主题,指出技术只是通过产品解决客户需求问题的手段,一味追求高端技术,耗费大量成本去解决客户不关心的问题,对技术的商业价值是没有贡献的。所以从商业价值角度来看待技术应用,我们一定先好了解技术的应用场景,优先解决客户的痛点问题。
另外,佘元博也指出了从行业竞争角度来评价技术的商业应用价值的思路。如果一项技术很有用,大部分同行都采用了,而且解决了客户的痛点问题,那么这项技术很有商业价值。在未来技术的预判上,如果一项技术目前没有被大部分同行应用,N年后可能会被大部分同行应用(来解决N年后的痛点问题),那么N越小,这项技术的商业价值越高。所以我们要判断技术应用的趋势,才能始终在技术发展上领先同行一步,但是从商业价值角度看,领先太多也没有意义。
佘元博认为,目前机器人行业发展迅速,但整体技术发展水平还不够高,很多场景没达到必须通过机器学习解决业务问题或竞争问题的程度,所以有非常多没有被开发的需要用到机器学习的场景。如何将机器人智能从80分做到90分,需要人工智能从业者一步步挖掘。机器人智能化,还有非常多的空间,隆博科技在智能技术上将不断深入和创新,在业务上围绕市场需求和客户痛点,不断挖掘机器人智能的商业应用价值。
（免责声明：本网站内容主要来自原创、合作伙伴供稿和第三方自媒体作者投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时，应及时向本网站提出书面权利通知或不实情况说明，并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后，将会依法尽快联系相关文章源头核实，沟通删除相关内容或断开相关链接。 ）
