欧勇盛：基于人类行为模仿的机器人智能控制研究

一

报告导读

本文报告主要分享人工智能和工业机器人应用结合的具体案例，首先介绍了我国机器人智能化的现状，然后从类人思维、类人动作、类人力觉三个方面介绍了最新的研究进展，最后从多模态融合感知、快速示教学习、类人柔顺操作与人机共融等方面对机器人的发展进行了展望。

二

专家介绍

欧勇盛，博士生导师，研究员。他2010年从美国回国后，获得中国科学院百人计划择优支持，并入选广东省特支计划科技创新领军人才。科技部十三五智能机器人重点专项总体组专家，国家863和自然基金委评审专家，国家科技奖励计划评审专家，现任中国自动化专业委员会机器人专委会成员，广东省机器人专家委员会副主任委员。近5年在控制和机器人领域发表EI/SCI论文180余篇，总引2047次数。他的研究获得2016年度吴文俊人工智能科技进步奖(排名第一)以及深圳市科技进步奖励(排名第一)。主要从事机器人与智能控制的研究。

三

报告内容

我们国家经济发展进入了一个新常态，尤其这段时间中美贸易之间的摩擦，自主创新是一个很重要的抓手。习主席曾经在院士大会上说过，机器人是制造业皇冠顶上的明珠，我们国家的年轻人特别是90后和00后，他们不愿意再从事父辈和兄辈那些简单的体力工作。尤其是富士康曾经启动了百万机器人计划，这个计划虽然取得了一定的成果，但是富士康又重新开启了招收人类工人的状态，就是因为我们的机器人还不足够智能，特别是在一些3C产业等很多行业，传统的工业机器人没有手，也不能做一些智能方面的工作。国外很多的像ABB等四大家族等分别在我们国家布置了相关的研究所，这是我们不能再失去的一块阵地。

另外在家用的和各种特殊用途的机器人当中，我们的智能程度还不足够高，所以我们用户体验也不是特别好。我们国家目前还有好几千万残疾人和老人，需要尽快建造智能机器人，为提高残疾人、老人和日益增长的生活水平的需求，这是一个很重要的结合点。

这里我提供一些例子，比如说建造这种3C产品的小批量、多品种，现在人们生活水平的提高，越来越多的产品是定制化的，比如说我们买了一个新房之后要做家具，比如说卫浴，通常情况下只有几件，如果花很多时间去构建这个自动化的喷头过程是得不偿失的。这里面有一个例子，就是滑板车，我们知道这个滑板车是几块比较特殊的木头粘在一起，它们的翘取程度是不一样的，如果我们对它的边缘进行抛光打磨的话，因为翘取程度不一样，轨迹也不一样，如果我们用一个固定的滚线走的话，有些地方就会磨得更重一些，有一些地方没有磨到，严重的时候也会使部分东西劈掉。如何适应单个个体变化，给我们带来了一个很重要的智能方面的挑战。

人是很智能的，但如何把这个智能传递给机器人，用人工智能注入到无人系统当中去是一个很重要的挑战。我们不仅在工业上，我们在医疗康复上，在军事上，在海洋探索勘探或者是搜救空间机器人以及家用服务机器人等，都有非常广阔的人工智能的应用前景，同时机器人也是一个非常重要的载体。首先我们考虑的这个问题进行分解，第一步分解，就是说让机器人具有人类的这种理解和规划能力，相当于如果有一个工序的话，如何安排一个电机轴的加工过程，如何进行断面的切削，如何切削整个轴以及相关的倒角这些工序，这个智能就像小孩子一样，我们小的时候都喜欢搭积木，老师教了几组之后我们就可以根据要求自主搭出新的形状来。我们也希望我们的智能机器像人一样搭出新的工序来。

另外就是一个复杂轨迹的跟踪过程，比如刚才我说的滑板车，这个滑板车的翘取程度不一样，尤其在从直线向曲线旋转的时候，角度也在变化，不仅是xyz这三个方向，角度也在变化，如何跟上这么复杂的轨迹，包括给老人端盘子、倒咖啡或者是倒茶水的时候，这个位置也要进行相关的调整，如何实现自适应的，具有泛化能力的轨迹跟踪问题。

另外一个更重要的问题，就是跟人类协作的这么一个立位混合的控制问题，比如说外骨骼机器人，它也要适应不同的人，比如说有的人身强力壮，我们想配合好他，就需要一个更大一点的力，如果我们想要配合一个体弱多病的老人，他已经很消瘦了，而且也不太高，我们用这么大的力来适应他，不帮助他的话反而对他的身体会产生一些伤害。另外我们在很多时候都会遇到这种问题，比如说我们和人一块去装配一家买了桌子，那么我们的立意要合适，包括和医生一块进行外科手术，比如说我们做这个胃窥境的操作，如何能减轻患者的痛苦，一个合适的力跟医生恰如其分的配合是非常重要的，这样的例子也是不胜枚举。

总体来讲，我们希望在这个过程当中机器人具有类人的思维，能够根据情况来理解场景，合理地安排我们要做的工序。另外我们还有类人的动作，能够像人一样做各种具有泛化能力的复杂的动作，另外我们希望与人类配合，或者是独立操作一些抛光打磨的时候，具有一个类人的力觉。

下面给大家介绍一下我们的一些初步的研究成果。我们希望机器人独立具有人类的智能，比如说无人驾驶车、无人飞机等等，都有非常广阔的应用前景，但是我们不能操之过急，比如说无人驾驶车，目前在正常的公路上还不能使用，这个原因可能大家都清楚。人在这个时候还是在回路当中，正常情况下人是在回路当中的，所以我们没有一步跨到让机器具有完全独立的类人智能，而是机器和人共存，也就是人机共融，人在回路当中。这个机器人和人共同去适应双方，共同去培育这个人工智能。首先一个很重要的问题，就是机器人对人要有理解，因为不同的人不同的高度、不同的年龄、不同的习惯，希望这个机器能够理解人，能够快速地跟人进行自然的交互过程。这里包括对机电信号、脑电信号，眼动、手势、语言多方面的理解，这是一个很重要的技术。我们让这个机器能够很自然的理解人类的意图和暗示，从而和人类更好地紧密地结合在一起，从而把人类的这种智能有效地传递到机器当中去，这是一个很重要的挑战。在人类的指导下，它就更能够理解这个环境，更快地学习人类的这种智能。

在人类的示教过程中，有些样本的采集过程是相对比较困难的，这个时候我们如何能够在虚拟环境当中大量产生出人类的学习样本，我们才能恰当地使用比如说深度学习的能力，如何产生大量的样本，有的时候对我们也是一个巨大的挑战。

这是在场景当中进行学习，因为场景对人的环境的理解是非常重要的，机器要跟这个场景产生理解，这个在工业机器人上有很多的应用，比如在导航方面，在无人驾驶方面同样有很多应用，这些应用成果可以来自于无人驾驶或者机器人室内外的导航技术，用在环境理解当中就可以更容易去理解人类的这种意图，更容易适应这个发展的变化。

这是一个具体的工序规划的方案。我们国家在长三角和珠三角都有大量的玩具生产厂商，在最后一道工序装配过程当中，如何让机器人能够替代人自主装配是一个非常挑战的问题，这里面既有工序问题也有轨迹和立位混合柔和的控制问题。

这个机器人想给老人端一杯茶水，但是由于适应能力比较差，很容易出现失误，其实失误是频繁出现的，我们往往看到了一些成功的表演恰恰是偶然，所以如何使这个机器人能够适应这种位置的多变性，这是一个很重要的挑战。我们主要的思路，学习的过程可以看成一个优化的过程，就是说我们在目标和输入的系统状态之间一个优化的过程，我们把控制领域的一个函数变成约束条件，是现代有约束的优化问题，求解之后就能同时保证这个学得又像，同时又能保证控制的稳定性问题。

在做轨迹跟踪时，如何走一个比较复杂一点的轨迹，比如要擦试一个黑板，我们就要跟踪这个复杂的轨迹，就可以用我们这个理论来实现一个更加精准的跟踪。

这个力的问题也是非常重要的，在我们的工业生产中反反复复地用到很多地方，比如说前面已经举过的3C产业的，还有一个卫浴的喷头，还有抛光的打磨包括滑板车的打磨等场景中，都会遇到这个问题。除锈也会遇到这个问题，如何实现一个具有人类适应能力的这么一个力控关系，这是一个非常大的挑战。

比如说在熨衣服的时候，这是我们家庭当中常用的，尤其是女同志经常做的熨衣服的动作，希望机器人自主完成这个动作，这就是我们力不能用得过大，力气过大就会把衣服熨糊了，力小了还熨不好，这就有一个力、位置和速度混合的问题，速度也是很重要的，如果速度很快，我气就可以大一点，如果速度比较慢，力气就可以小一点，这个关系都是相关的。

这是我们学习过程当中用到的一些发力的模型，比如说人和机器人的协作，让机器人适应不同的工人，因为不同的人可能力不一样，动作习惯也不一样，另外人类可能希望这个机器人具有一定主动的智能，这个时候就需要靠一些发力的模型跟人互动适应的过程。

总体来讲，我们希望机器人具有多模态的感知融合来适应环境和学习人类的智能，另外希望能够通过多模态的示教学习实现快速的社交互动过程，另外希望类人类柔顺操作与人机共融的方式实现深度学习的提高。