機器人作為引領世界未來的顛覆性技術，正在創(chuàng)造新產(chǎn)業(yè)新業(yè)態(tài)，推動社會生產(chǎn)和消費向智能化轉變，進而深刻改變人類社會生活、改變世界。論壇圍繞機器人行業(yè)的創(chuàng)新與發(fā)展問題展開探討，旨在推動機器人技術、產(chǎn)品、業(yè)態(tài)和模式創(chuàng)新的發(fā)展，促進機器人在各行業(yè)的深度融合，以此不斷改變人類的生產(chǎn)生活方式。
在本次論壇上，德國漢堡大學信息學科學系教授、德國漢堡科學院院士張建偉表示，機器人學習非常重要，它能夠應用集成化的知識系統(tǒng)，或充分應用交互式的動態(tài)系統(tǒng)去解決新的世界問題。
以下為德國漢堡大學信息學科學系教授、德國漢堡科學院院士張建偉在“機器人發(fā)展創(chuàng)新論壇”上的精彩演講實錄，由云現(xiàn)場整理。
我想講的是德國關于神經(jīng)科學和機器人學習方面的項目進行合作，人工智能是一個很熱門的話題，同時我們想要去找到人工智能跟其他方面，在制造業(yè)方面能夠有什么用武之地？我們很感興趣。人工智能方面的論文有一些重點的信息，同時我也被邀請到CCTV的節(jié)目做嘉賓，這里我會給出一些重要的任務，現(xiàn)在的棉布識別技術沒有辦法識別的東西，在實際世界中給出這個圖像，讓人工智能去識別真實世界中的物體，比如說機器人，這里最好的人工智能系統(tǒng)也沒有辦法去把這個女孩和他父母的臉部去分辨。而警察同志就能夠通過圖像，通過他的知識，通過他的經(jīng)驗，成功地去把兩位父母識別了出來，這是一個很好的例子。
我們都知道，在未來這樣的智能機器人系統(tǒng)將會基于和新的高科技進行，包括人工智能技術進行融合發(fā)展的結果。在這個項目中，一些人工智能相關聯(lián)的機器人項目也出現(xiàn)了，就像這一個打羽毛球的，和我們最好的羽毛球隊員對打的項目。
羽毛球的冠軍打得很好，但是我們能用攝像頭來識別出球的方向和速度，還有自動讓球拍可以接到球，是用無人機去接的，這個看起來很難，但是可能15年之后，這個機器人就能和實際的人來打球。
還有打籃球，在打籃球的話，如果這個目標在不斷的動，機器人就能夠做得很好。但是在第二輪，林書豪來了，和機器人進行競賽，這是針對一個移動的物體競賽，這里是人贏過了機器人。它顯示了在復雜多動的環(huán)境中，我們還要很長的路要走。
機器人的自動，或者是無人化方面有很長的路要走，比如說我們的導航，還有動靜態(tài)方面。另外從2D建模要變成3D建模，下一步是語義建模。我們目前對一些小的項目，對小的機器人感興趣，比如說吸塵器項目，這在深圳這里是比較火的，還有無人機項目，大疆無人機就在深圳。比如說農業(yè)機器人，制造業(yè)機器人，還有家用機器人方面，還有無人駕駛車方面的重大挑戰(zhàn)都可以進行解決。
在增強學習方面，我們也取得了長足的進展，這個是把它編輯到機器狗里面，這個機器狗的編程有一些結果，就能夠進行持續(xù)的學習。兩個月之前，我也在中國的機器人會議上做主持，那里展示了中國機器人的平臺，還有中國社科院一起和浙江大學一起開發(fā)的機器人系統(tǒng)，還有沈陽的大學，還有一些自動行使的自行車是由清華大學去開發(fā)的。
這里還有一些機器人競賽，我在那里和清華大學共同開發(fā)了機器人競賽，使得機器人用這些虛擬系統(tǒng)去識別出強橋障礙，讓機器人在三五分鐘之內進行決定完成這段路程及完成所有的目標。我兩位漢堡的學生也參與了本次競賽。這個領域有很多長足的發(fā)展，在制造業(yè)也是。
上海有一個合作方，他之前也把這個機器人用到機場的視察當中，也把這個機器人用到很多偵查的工作當中，也可以用到對基建設計的維護，同時機器人也可以用于農業(yè)當中。這個應用，我們可以把設備連接在一起。這個機器人可以用來運送相應實驗的事跡，這個機器人是在20年前就出來了。未來的話，機器人也可以商業(yè)化，藥廠或者是藥工業(yè)，能夠把機器人商業(yè)化出來。
現(xiàn)在的機器人之前是作為原始階段，現(xiàn)在用各種傳感器或者是多方位的設備捕捉出機器人的各種動作，十年、二十年之后，我們也對移動操控技術方面有長足的進步，我們使得機器人護理人類，同時機器人互相協(xié)作服務于人類。我們需要做很多的工作，才能提高機器人的智能。
未來，人類是能夠很好的應用機器系統(tǒng)，做我們不能夠做的事情。我相信機器人學習是非常重要，它能夠去解決新的世界的問題，應用集成化的知識系統(tǒng)，或者是充分應用交互式的動態(tài)系統(tǒng)。Alois Knoll教授也說過了，機器人系統(tǒng)能夠通過相應的系統(tǒng)夯實人類的知識，應用到真實的場景當中。如果我們提到了人工智能，很多人覺得AI指的是深度學習，其實深度學習只是5個范疇當中的一方面。這是自下而上的數(shù)據(jù)驅動的系統(tǒng)，現(xiàn)在我們能夠獲得很多的數(shù)據(jù)，也獲得了很多的結果。
現(xiàn)在來了解如何把各種節(jié)點連接在一起，同時要找到集成式的、改革性的計算能力去賦能構建強勁的AI系統(tǒng)，這是我們中德合作項目焦點當中的重要項目，把它稱之為人類2.0以及機器2.0，這是由中德合資的項目，現(xiàn)在我們是運營到了第3個年頭，我們也進行了復盤，我們希望能夠準入到下一個4年的發(fā)展階段。
我們第一個階段也獲得了非常好的估值，這個項目盡可能讓生理學家進行合作，進行跨模式的研究。我們現(xiàn)在也有非常多的AI系統(tǒng)、AI感知，比如說傳感器也可以做不同程度的感知，同時我們也去做了鐳射傳感器和自動化的傳感器，現(xiàn)在這種傳感器還沒有裝配出來，但是我們可以從人類的認知系統(tǒng)當中或者是人類的視覺系統(tǒng)當中認知很多，把這種系統(tǒng)的能力集成在機器人當中。
我們有很多的挑戰(zhàn)，也有很多的學習架構，如何去解決學習的戰(zhàn)略和策略?？梢钥吹?，我們針對人類的錯誤做一些比對的實驗，看如何使得整個機器人系統(tǒng)大大減少誤差，同時也可以了解到認知以及感知，還有預測。預測非常的重要，可以用預測能力了解到系統(tǒng)是怎樣運作的，同時通過預測的系統(tǒng)去避免各種不確定性因素。還有用相應的系統(tǒng)去生成知識，同時把這種知識用到不的應用場景，同時也對數(shù)據(jù)進行校準，不僅僅是能夠聽覺的數(shù)據(jù)，還可以處理視覺的數(shù)據(jù)等。
我們之前做了操作系統(tǒng)，能夠構建不同的機器人的技能。20多年前我們已經(jīng)開始了這項工作，但是我們可以用這個實驗了解機器人是如何運作和如何裝配。很多實驗以及研究中心，已經(jīng)開始應用這種機制來進行研究。我們也構建了交互式的架構，這種架構能夠了解到人的語言內涵，最后根據(jù)人語言的指令去裝配架構。
目前，我們也運用一些學習的機制，我們把它稱之為實驗室4.0項目。這種機器人，能夠用不一樣的學習模式，去做用戶界面的操控。
我們都知道，人類的系統(tǒng)是非常相近的，有些盲人能夠感知真正的世界。人類的系統(tǒng)非常奇妙，如果我們能夠考慮這種處理的系統(tǒng)，通過不一樣的模式了解處理的機制，人類可以用傳感器的補償機制，通過非常復雜的方式去處理。目前來說，我們也去做了這種研究，早期的時候，我們也能夠比對整個系統(tǒng)的模式進行比對和研究。
這個項目我們把它稱之為“大腦激發(fā)的深度學習”，這個項目也跟清華大學進行合作。這個項目主要針對的是人腦的研究，也能夠賦能機器人去完成不一樣的項目和任務，我們也可以充分應用多模式的深度學習，我們在此方面也有很多的挑戰(zhàn)。
比如這個蠟燭，很多機器人把它理解為了指甲，目前來說，整個機器人對物體識別方面經(jīng)常失敗，如何去解決機器人認知的問題呢？機器人認知問題是我們需要去解決的下一個問題，我們也執(zhí)行了各種機制，做了視覺注意和視覺認知的系統(tǒng)。
還有一些跨模式的學習，能夠進行更加強勁的認知。同時，這是我們目前聚焦的例子，我們用聲音和視覺的信息來去做校準的數(shù)據(jù)。識別率能夠大大提高。
機器人不僅僅是通過視覺的方式進行行動，還可以通過感知來進行行動。我們也希望大大提高機器人的認知能力。比如說使得機器人能夠識別出給我一些東西去喝的指令。
機器人的行為，也是可以應用到解讀圖像，這種圖像也可以把它轉換為語言上的表征，這種模式也可以充分應用到各種操控的任務當中。這個項目，也跟吳教授進行了合作。在韓國，我們在馬德里的機器操控項目當中也獲得了一等獎。這是我們之前所做的機器人識別物體的任務，也設置了數(shù)據(jù)組，它是來源于多種模態(tài)的學習知識，也來自于不一樣的傳感器。
我們用的是感知的手術機器人系統(tǒng)，這種系統(tǒng)也是由深圳的一個團隊主要負責。手術機器人有自動化的傳感器、聲音傳感器和視覺傳感器，能夠對手術過程以及各種器官來進行準確的把控和監(jiān)測，這是動物的測試實驗。這種實驗可以告訴大家，手術機器人的整體工作原理。
最近我們也開發(fā)了被動的工作機器人，這個機器人打破了吉尼斯的記錄，在敏捷度方面和速度方面。這種機器人能夠奔跑40公里的路程，我們用這種機器人去加強整個機器人運動性能，讓機器人應對各種振動的情況。
這是另外一個版本的機器人，之前也是在慕尼黑的大會當中展示了機器人的性能，目前來說，這個機器人將會展示出來，他們將會在上海的進博會公之于世。我們需要有非常多的大腦模型，比如說我們要了解神經(jīng)的原理，以及記憶的技術。這些模式都是我們希望能夠去開發(fā)的模型，這也是我們在中德合作項目當中需要去獲得的動態(tài)模型，我們希望能夠從中德項目的模型當中獲得更加多的數(shù)據(jù)，通過中德合作，以及中歐的合作獲得更多的數(shù)據(jù)。
關于人和機器人的近距離合作，對非常有意思的應用提供一些支持，非常感謝大家的聆聽。
