于海斌：机器人互联网面临的挑战

资料图

机器人互联网面临的挑战

文｜于海斌

把机器人作为一个终端来看，手机现在是最成功的，颠覆了一些领域的概念。机器人要想发展到这样的程度，或者是万亿美元的市场，一定会走进我们生活的各个方面。机器人比较难用，基本上还处于专业人士编程的阶段，集成性也受到挑战，如果机器人搬到了一个新的环境，能否和那里的系统很好地融合也有很大的挑战，而手机无论走到哪里都是无缝链接到基础设施里面的。此外还有适应性的挑战，机器人对环境和非结构环境的认知能力仍有很大的提升空间。所以我们在机器人编程、环境感知和人机交互方面都面临挑战。

机器人的发展将要有一次爆发性的增长。麦肯锡在2013年发布的报告从经济和技术综合的角度对此进行了分析，给人最深刻的印象就是“万亿美元的市场”，这是原来在机器人领域不可想象的事情。为什么会出现这样爆发式的增长？原因就是它的领域在不断拓展。原来机器人最经典的领域就是制造业，也就是我们讲的工业机器人。麦肯锡这份报告讲的是服务机器人在医疗、健康、国防等各个方面的应用。

在这样的背景下，很显然，机器人技术就要有新的突破。很多新的概念应运而生，机器人本体、传感、智能软件、人机交互和网络方面都有所涉及。笔者的感觉是，第一次群体性地听到关于网络交互软件或者传感这样的整体要求。比如原来视教编程比较多，现在更多的是在任务集怎么自动编程。机器人交互的案例并不多。很多做信息工作的人把技术的概念抄过来，认为机器人也要有一个操作系统，而操作系统是物理本体的抽象，所以整个报告当中都体现了信息技术的切入，也可以看出来，如果服务机器人能做得好，就是说如果从结构化环境到非结构化环境用得好，信息技术是应该能够发挥重要作用的。

现在我们遇到的挑战有很多，但是总体来说，把机器人作为一个终端来看，手机现在是最成功的，颠覆了一些领域的概念。原来我们有IT和CT的概念，现在就有ICT的概念。因为很难说手机是一个IT产品，也很难说它是一个单独的CT产品，而是一个综合体。机器人要想发展到这样的程度，或者是万亿美元的市场，一定会走进我们生活的各个方面。机器人比较难用，基本上还处于专业人士编程的阶段，集成性也受到挑战，如果机器人搬到了一个新的环境，能否和那里的系统很好地融合也有很大的挑战，而手机无论走到哪里都是无缝链接到基础设施里面的。此外还有适应性的挑战，机器人对环境和非结构环境的认知能力仍有很大的提升空间。所以我们在机器人编程、环境感知和人机交互方面都面临挑战。

那么我们应该怎么办呢？有多种解决方案，包括很多颠覆性方案。比如新材料的进步、生物技术的进步、类脑智能的发展，都有可能产生一些改进。但是在机电和系统融合的时代，我觉得网络信息技术与机器人融合是我们可以见到的最现实的可能。比如自动驾驶汽车，有人把汽车看成一个信息的终端，也是智能的一部分。信息社会已经进入万物互联的时代，万物互联是什么概念？现在全球有76亿人口，到了2020年的时候，物联终端可以达到500亿人口的规模，是现在的两个数量级的进步。

500亿的终端从哪里来？谁是最高级的终端？谁是使命的终结者？除了这些后台的网络以外，信息终端最成功的应该是手机。现在我们看到的很多信息终端包括摄像头也在智能化。机器人本身的智能程度是够的，但是怎么变成一个互联网上普及化的终端？这是解决基础设施挑战最有可能的一个方向。

美国自然科学基金会去年发布了一个指南，讲的大量的都是协作，这是一个例证。这种协作现在靠什么来做？有人提出了一些想法，我们可以看一看还有没有更大的提升空间。我们讲前沿技术，就是要把这些东西理清楚。现在谈得比较多的是云端机器人，对此业界有不同的看法，搞机器人的有搞机器人的看法，搞信息的有搞信息的看法，不管怎么说，它是一个标志。

从机器人发展的50年来看，从第一台工业机器人到工业上的焊接，再到大批量进入制造业和电子制造业，然后是在制造业里面多样化地应用再进入家庭，然后是爆发性地增长。不管怎么说，大家老生常谈的还是机器人的单体，并没有和基础设施连起来。我们想一下，改造人类社会的技术在信息时代如果家喻户晓、路人皆知，就一定要与基础设施连接。汽车到处都有，因为它有一个强大的基础设施支撑；手机无处不在，因为它有一个强大的网络基础设施支撑。

云化机器人有独特的优势，它的概念是讲怎样用云的计算能力提升机器人很多方面的不足。比如当时搞计算机的时候，我们讲到客户服务器，讲到计算网格，甚至讲到薄的客户、厚的服务器。云提供了很多计算能力，未来的很多智能功能放到云上面执行是有很大可能的。云的计算能力是足够强大的。怎么和机器人结合？当然有很多挑战，现在我们刚刚开始，不是把信息拿上去就可以用的，我们对机器人的描述、数字化的结合还有很大的空间，所以现在讲CPS非常多，它只是一个理念，具体领域还有很多问题需要解决。

Robot Us是一个荷兰的计划，这个计划的基本目标是如何充分发挥云计算的能力，解决机器人的“智能问题”，把重计算的部分放到这里解决。确实在一些机器人的基本问题上，比如Slam这些情况有所帮助，它能够提供一些优势。它的核心是利用了云端的存储和共享信息的能力，是将物端的计算卸载放到了云上，也解决了一些协作的问题，所以有很多的技术需要开发。我觉得这是一个很好的思路，它解决的互联是一个垂向的互联，是从物端到云端的连接，它有它的优势，但是并没有解决问题的全部。

我觉得机器人互联网是一个体系。我们回顾一下互联网的历史，大概是这样的一个情况。互联网的核心已经不再是讲技术了，它的背后有这么多年的发展和进步，比如它的背后的核心是集成电路的发展，如果没有集成电路的发展，就不可能有今天的互联网。另一方面，互联网是网络技术的进步，如果没有IP技术的话，互联网不可能变得这样容易扩展，让我们随处可以接入。交互式互联网最近的核心进步就是云计算，因为它终于给我们提供了一个可以计算的平台，原来只是一个通讯的管道。

再讲工业互联网。严格讲，工业互联网不仅仅是网络，不要以为工业上用的互联网就叫工业互联网。它是两个方面的综合集成：一方面是要对工业上用的网络技术进行开发，另一方面还要基于这些网络开展工业上的应用。这是GE首先提出来的，提出了机器、数据和制造中的人，人机物三元的融合。从这个角度来说，工业互联网不仅仅是网络，还是一个体系。在GE的倡导下，现在IIC变成了一个联盟，也是很多工业界的人在主导它的需求，信息技术在融合，融合的概念不是简单地拿来用。其实很长一段时间以来，搞自动化的人一直是在用信息技术的成果，但是并没有很好地融合Merge。现在发展到了5G时代，我们讲CPS就是物端要和信息在一起开发，大家应该是一个同步的过程，不是计算机拿来简单用的问题。所以越是靠近物联一端，大家起步的时候就越应该协同工作。

互联网机器人比云端机器人更近了一步。因为机器人和机器人的互联在20世纪90年代就有过，但那个时候是把现有的网络技术拿过来，不是根据机器人协作的需求来做网络。如果从这个角度来说，今后网络进步的空间依然很大。机器人互联网是在互联网机器人的基础上，是从机器人应用和推广或者技术需求的角度来看这件事情，所以核心的问题是有两个互联：一个是水平的互联，一个是纵向的互联。水平的互联就是机器人和机器人之间的协作，机床和机器人有很大的区别，机器人能够移动和自主认知环境，机床联网运动控制的时候几个轴之间的协同精度要求是非常高的，但毕竟是在一个半径下。机器人如果要在跨地域或者可移动的未知环境下做到要协同的话一定是无线的，现在的实时性根本满足不了，因为两个协同保证精度才能实现一个确定的轨迹。

我们提出了机器人互联网的概念，它的内涵应该是实现机器、人、物理过程、信息和人之间的横向和纵向加起来的两个融合。另一个方面的概念是要有一个支撑平台，我们是基于已有的技术，但是要对现有的技术进行改造和提升，特别是在物端。现在5G已经到来，5G和4G最大的区别是在面向各个领域定制了自己的很多标准和要求。所以在制造领域特别是可动作的、未来可以广泛应用的智能空间领域，应该是一个新的突破。如果仅仅从通讯的角度拿过来用，有很多问题解决不了。所以机器人互联网是一个新的模式，也是一种新的应用方式。

内涵是对开发者有价值，外延是对用户有价值。所以从网络角度来看是借助机器人促进信息物理深度融合，从机器人的角度来看是借助互联网的资源扩充本身的能力，重点是一个垂向和一个横向。那么它应该有一个架构，我们可以看到这个架构有橘黄色的，那是边缘计算的资源。现在互联网的计算资源是足够大的，但是操作机器人要求有实时性，如果都到云端计算的话实时性是不可能实现的。我们在物端来做的话，因为要移动，一定是一个嵌入式系统；如果是在本地的话，它的计算能力也有限。物端的计算要实现三个无缝：第一是在通讯上实时性保证不了，这个缝隙要解决掉。第二是在计算资源上能力是不够的，要有一套信息的调度，因为对用户来讲它应该是透明的。第三是这些业务关系现在没有很好的描述，很多还需要人的干预。这三个缝隙是需要解决的。

从解决的角度来讲，机器人的本体要有一个很好的信息抽象和描述，叫不叫操作系统没有关系，但确实不是一个简单的控制器的概念。只有这样，我们才能把很多好的东西加进去，比如信息安全、公共安全等，才能给大家做机器人提供一个很好的基础设施的服务。而在互联网络方面，特别是物端的网络实时性确实有很多的挑战，对用户来讲一定要有透明的编程环境，要有云的存储和编程的通用架构。另一个例子是Google的互联网抓取训练，14台机器人完全以协同的方式，经过大量的训练学习和深度学习使其在复杂环境下有很强的智能抓取能力。但是现在如果机器人的技术是成熟的话，怎么放到应用上去？现在的开发工作量是十分巨大的，缺少一个好的平台。Google的搜索引擎是很重要的，所以我们会不断地接触到引擎平台和基础服务这样的概念。

挑战重点体现几个方面：因为要无缝集成，基础技术是有挑战的，物联方面有严峻的挑战，特别是离散制造业是一个高速的过程。这样的指标现在很难达到，即使达到了这样的指标，对群体性机器人也满足不了它的要求，还有很多的事情要做。现在讲离散制造，这个指标拿到机器人的高速高密度运动的环境下确实还不能完全满足要求。计算任务迁移到云端难以满足实时性要求，本地的资源受限处理不了那么多复杂的计算，因为有了传感器和信息融合，不是简单地搞到一个位置就可以解决时间的问题。我们介绍一些相关的进展，零零散散地也有一些工作，特别是物端的网络方面，现在基本达到了百规模的网络节点在连接的情况下不需要通过中间节点互联，延迟是小于10毫秒的，这些在不是极高速运动的情况下是可以解决问题的。

车间AGV的控制解决方案，通过这种网络可以解决百台AGV的自主调度和解决问题。因为现在的办法都是分区的，而且是靠顶上的集中控制做的更多一些。一些集成的开发环境方面也做了一些调整，原来更多的是到物理系统，现在抽象出了一个好的开发环境，让你对用户、对认知不需要太多的了解，用户是开放的。我们还要做一个定制化的生产系统，因为现在还不能叫平台。也做了一些互操作的工具，能够跨多家机器人进行快速的工业开发。我们做了一个演示的生产线，取得了一定的效果，在汉诺威的展会和乌镇世界互联网大会上都引起了一定的反响。

这是一项非常具有挑战性的工作。我们的路演刚刚开始，但是既然GE在搞工业制造的时候提出了工业互联网，而且有那么多的问题要挑战，我们当然可以借鉴。作为机器人来讲，要能够更广泛普及地走向未来，我们在基础设施、基础平台上仍然有很多挑战。当然，这个平台的背景下也蕴含着非常多的基础问题。总之，我们要跟信息技术深度融合，但是机器人有它自己的特点，我们要为机器人事业作出一点自己的贡献，也希望这些对大家未来的学习和工作能够有一点启迪。

■作者系中国科学院沈阳自动化研究所所长