|
《环球科学》特约记者 陈耕石 刚刚落幕的2017 世界机器人大会相信震撼了每一位参观者。从机械加工，到灾难救援，再到外科手术甚至是执子对弈，机器人和人工智能已然进入了人类生活的方方面面。 看着大会讲演嘉宾的中文发言被翻译系统自动即时翻译成英文，作为参会者的《环球科学》记者不禁后背渐渐发冷。一方面现场的空调的确给力，另一方面像文字记者甚至是同声翻译这样的高阶职位都呈现了将被机器替代的趋势也确实让人感到恐慌。大会论坛行将结束时，来自新加坡南洋理工大学的陈羲明教授分享了他的团队两次参加亚马逊货物分拣挑战赛的故事，让记者有种如释重负的感觉，原来，和机器人相比人类暂时还不是那么一无是处。 以下内容来自陈羲明教授的演讲：
我们知道目前物流中的自动化主要是针对大型货物或者标准化包装的，这些叉车或者大的工业机器人在做这种大件物品的搬运时，它的灵活度是很低的。现在应用于电商的新物流模式，它的主要运输方式是货物从商家发送到物流营运中心，再由营运中心运送至客户手中。这中间需要面对各种大小不一的货物，分拣主要还是依靠人工完成的。
物流行业中货物分拣流程对机器人的需求是强烈的。货物分拣是一个劳动密集，重复性高，极度无聊的工作。亚马逊每年在这个环节中会产生大量的劳资纠纷。而且在遇到像阿里巴巴的“双十一”或是亚马逊的“黑色星期五”这样的线上大型活动时，货物分拣的工作量会成倍上升，这时人工分拣出错率就会上升，如果出货合格率仅达到90%左右，就会造成大量的投诉，如果我们要求合格率达到99.99%就一定会影响工作效率。
如果变成机器人或者自动化地去做，面临的挑战在哪里呢？这就是亚马逊会举办这个货物分拣挑战赛的初衷：如果是在线的商店，基本上会储存50万甚至上百万件不同种类的商品，每天还有5万件新的货品进来，怎么自动辨识这些货品很重要。我们看到很多团队都在做抓取的实验，但是对机器来说你看到的东西都像积木一样，除了上面标签以外都是相同的罐子，你买饼干或者其它东西包装盒大小都是一样的，就是牌子不同，所以这个过程不仅要辨识几何形状，还要辨识那个包装。仓库条件就变得很重要了，因为人的眼睛是非常好的Sensor（探测器），机器视觉最大的问题就是光线，光线不对的话就完蛋了。
每个货物包装不同、大小不同、软硬度不同，应该怎么处理？我们的人手是万能的，但是人工智慧下棋很容易，洗个盘子是很困难的。功能强大的机械手至少有22个自由度，但是成本过于高昂；如果把自由度降低又会面临功能度不够的问题，所以从某个角度来讲，按照目前的环境和技术，机械手商业化非常困难。 一个机械手，图中的每一个关节都由一只昂贵的伺服电机驱动，成本高昂
货物拣选需要对机器人的“智能”提出怎样的要求呢？首先是要做物件的辨识，你知道是奶粉、玩具还是刀叉，你要知道这个东西的Posture（形态）是什么样的，手机买来的是正的，但是晃一晃可能就斜了，人可以看出来，但是机器视觉要做很多的判断；然后机器要做的是有序的规划，能够避开其它的障碍进到货架上去拿到目标物品。如果按照现在的人工拣货的话会有一个拣选单，什么先拿什么后拿，这也要做一个规划；最后要看到底怎么执行这个工作，如果中间出错的话应该怎样放回来，人是可以一气呵成的，但是机器错了必须要有另外一套方式找到它才能补救回来。 机器人很难“理解”为什么每张图中都有同样的方便面 亚马逊在物流方面有很好的货物分拣中心，它想继续扩大规模又不想增加新的员工，所以这就推出了这个机器分拣挑战赛。如果2015年没有这个挑战赛很多人可能还没意识到货物拣选的问题，所以说亚马逊是抛出了一个工业界重要问题，但目前还没有找到解决方案。从我们做机器人研究的角度来讲，只是单独地做抓取和Motion Planning（动作设计），这些东西都有一些Solution（方案），但是全部摆在一起的时候就不是那么回事了。我们比赛的时候会发现，所有以前做的研究80%以上完全不能用，那么是出了什么问题呢？主要是因为我们做研究的时候不是在真正的现实环境下工作的，原来我们考虑问题太过于简化了。 2015年的比赛吸引了很多人去报名参加，最后选了26个队伍，我们是南洋队。当年第一次比赛的规则是这样，就是给亚马逊的货架，然后给你25件物品，这是事先给好的。比赛的时候物件怎么摆当场会有裁判，有一个小的货柜当中随机摆放着两三件货物，有时候能达到四件，机器人必须要把它识别出来。这就造成了很大的挑战，当年我们有三位老师，加上八个研究员，花了五个月的时间才做出来。亚马逊的比赛很好玩，大部分的队伍都是用工业机器人加上自己的程序，然后再加上视觉，全部都是自己的软件系统来做。
比赛中的机器人选手 在这种规则下，机器人必须要用3D视觉去做判断才能完成目标识别，因为你已经知道它是什么东西了，但是不知道在哪个货架，所以必须要做检测，然后判断它在哪里。比赛的时候很好玩，因为要求的精度很高，所以大家用的都是抓手和吸盘。2015年第一届的状况是，有的队可能一个都拿不到，有的却拿到了很多，冠军是德国的柏林大学，亚军是MIT（麻省理工）。现在已经办了三年，去年我们没有参加，今年参加了，因为大家对这个很有兴趣，而且这个项目有很大的商机。今年的比赛规则可以让我们自己设计货架，因为亚马逊已经意识到如果纯粹是按照原来的货架去做的话，拣选的速度不会很快，很多时候必须要对环境做一些修改，所以就让大家自行设计。另外，今年的比赛只提前给定了一半的货物，另一半货物要在现场发放，我们只有15分钟来训练机器人识别新的货物，这种需求和实际的状况类似，电商每天可能会有5万件新物品进来，每天都要去扫描。 我们这次参赛做的系统，包括了两个工业机器人，货架可以像抽屉一样伸缩。这个东西在分拣的时候有用，因为东西都堆在一起，识别的时候很难看到一个完整的物品，都是一小部分而已，展开了可以识别到单个货物。我们今年只用吸盘，基本上可以拿到99%以上的东西。实际上Griper（机械手）在这里速度不够，而且抓了两个判别起来会花很长时间，因为速度和精准度很重要，很多东西它是拿不起来的。 很多人想说你们只装一个吸盘有没有用？实际上这在参赛队里是最强的，基本上什么东西都可以吸，甚至包括皮搋子、还有一个1公斤左右的小哑铃，因为货物的宽窄不一，而且也不一定要对得很准，吸盘反而效果更好。 我们要做当场Scan、当场训练，然后再比赛。机器人应该是给大家谋福利的，但是比赛时大家都被机器人弄得很紧张，我们要花很大的力气做这个Programming（编程）。现在这些队都很强，因为比过两三次了，比如德国的博尔朗大学，MIT也不错，澳洲队最后拿到了冠军，日本的这些队也很好玩。比赛很激烈，如果算总积分，我们的队伍在三天的比赛里都是前三名，所以就系统的稳定性来讲所有队伍当中我们应该是最好的。今年的冠军杯不是什么金属，而是给一个笔筒。因为网格的笔筒是最难辨识的，系统里面是什么都看不到的。 我们和亚马逊的CTO聊过，他也在讲亚马逊这个挑战赛他们还是会继续做下去，因为他们真的需要精度达到99.9%的超级机器人。而目前，连我们自己最好的机器人在内也只能达到80%-85%，所以距离这个目标要求还是有些距离的。
转载请联系：newmedia@huanqiukexue.com |
|
|
