比脸大的蝙蝠从我头顶飞过，长得还挺萌

把复杂的世界简单化，让人类生活更美好。随着AlphaGo不断战胜人类棋手、美剧《西部世界》热映……放眼全球，“人会不会被机器人取代？”的讨论不绝于耳。

美国未来学家雷·库兹维尔在《奇点临近》一书中预言，人工智能既会超过人类智能，又能和人类紧密结合，形成人机系统，并称“本世纪40年代中期，这样人机融合的奇点时刻就会来临”。

上月在亦庄国际会展中心举办的2018年世界机器人大会，提供了一个近距离接触这些“尖端产品”的机会。我被展会中一款很萌的仿生机器人所吸引。它就是由Festo公司推出的，模仿狐蝠特点的， BionicFlyingFox仿生机器人。

BionicFlyingFox仿生机器人在展会现场试飞

在现场看到这个“大蝙蝠”煽动着长达228厘米臂长的翅膀，绕着雀跃的人群盘旋时，我竟然感到了现场听摇滚时的那种肾上腺大量分泌时的快感。

出于理工男的的专业习惯，我很想知道它实现的原理，弄明白“实现它是否真的很难？是不是以前没有人研究它？”等问题。于是，我对这只“蝙蝠”进行了相关的专利和论文检索。

首先，实现这样的飞行器并不是特别困难的事。Festo的这款飞行器是一款扑翼微型飞行器(Flapping-wing microaerial vehicles,FMAV)，其飞行的原理是通过改变扑动幅度和扑动频率来改变飞行方式，在保证飞行所需气动力的同时，适应飞行环境的变化。

FMAV像昆虫一样基于仿生学原理的扑翼飞行器和常规飞行器相比，仅用一套扑翼系统通过拍动机翼产生升力，就可以可以进行飞行、悬停、盘旋、转弯甚至倒飞等多种飞行方式。

在Incopat数据库中，使用“扑翼”和“飞行”的关键字共检索到1235条专利，专利数量非常多，在这个领域中相应的研究比较活跃，比如专利CN103224025B就公开了一种一方面模仿蝙蝠的上下拍动，另一方面模仿蝙蝠翅膀的收缩，并且用单一原动件来实现模仿蝙蝠飞行的扑翼飞行器。

但是，相比较于固定翼飞行器和选翼飞行器来说，扑翼飞行器依然面临着很大的挑战，需要克服许多问题。包括：气动效率低、动力及机构要求高、材料要求高、有效载荷小等。

BionicFlyingFox它长87厘米，臂长228厘米，但重量只有580克。同时，其飞行薄膜也是由仿生团队专为BionicFlyingFox 开发的，该材料由两片气密膜和一片弹性纤维织物组成，两者焊接在一起，焊点多达约45,000点。可见为了解决材料和载荷低的问题，研发团队没少下功夫。

另一方面，由于FMAV的飞行属于低雷诺数、非定常过程，因此如今仍无法完全了解扑翼扑动过程中的流动模型和准确气动力变化，也没有完善的分析方法可以用于扑翼气动力计算，相关研究主要依赖试验。

但这些方式，并不能实现扑翼飞行器飞行方式的持续改进，并且由于上述的气动问题的存在，这种控制方法无法实现扑翼飞行器的自主飞行。

而Festo在这个令人棘手的地方巧妙引入了人工智能的方法。

BionicFlyingFox与所谓的运动跟踪系统进行通信。利用安装在云台的相机拍摄对飞蝠进行拍摄，所拍摄的监控图像被传输给一个中央主电脑，该电脑跟空管控制器一样评估数据和外部协调飞行。电脑上储存了预编程的飞行路径，指定了BionicFlyingFox 执行飞行动作时的路径。借助其自身搭载的电子元件和复杂的飞行模式，人造飞蝠自行计算执行计划运动顺序所需的翅膀运动。飞蝠从主电脑接收必要的控制算法，主电脑对算法自动进行学习，并持续改进。

通过这种机器学习的方式，BionicFlyingFox 在飞行时就能优化飞行动作，每飞一圈，对指定飞行路线的遵循性就更精确，每次执行飞行时，它都会变得更好一些。

在这次大会论坛上，猎豹的傅盛提出了，“人工智能的进步降低了深度学习的门槛”的观点。

他指出，在过去，不同的感知学领域差别非常大，人脸识别，语音识别，图像识别等每个领域都需要专门的专家和资源才能够完成相应感知领域的深度学习。而随着人工智能的发展，使用通用的神经网络模型，就可以同时解决各个感知领域问题的技术方案，使得更多的“小公司”也能够快速实现深度学习的效果。

可以说，BionicFlyingFox 的研发故事似乎正印证这个观点，深度学习正在影响着机器人的发展轨迹。

人工智能、机器学习等技术手段如今正应用在多个领域，在我们看见或看不见的地方发挥着越来越重要的作用。人工智能正在加速机器人的进化速度，正在拓宽机器人技术的研发思路，正在用整体进化的方式来替代局部技术的迭代。“AI+硬件+用户体验”的机器人时代正在来临。

作者简介：王希波，集慧智佳知识产权咨询师，标准麦霸，热爱NBA和美食，并喜欢尝试各种有趣的事情。