当深度学习开始介入工业机器人的钢铁之躯，将会带来什么样的变革与新生？

来源：IEEE MultiMedia Magazine

编译：T.R

在过去的几十年中，工业机器人是自动化的代表。在提高人类生产力的同时，不断拓宽着自动化智能化的疆域。如今广受关注的深度学习开始介入工业机器人的钢铁之躯，让他们迎来新的变革与新生。

深度学习是一种模拟人脑进行训练并预测系统，将能够赋予机器人更好的解决问题能力和识别复杂真实场景模式的能力。按照目前的趋势看来，深度学习将开启机器人的新时代和一个崭新的自动化世界。

让我们先来看看亚马逊机器人抓取挑战赛，在其中真切的表现了深度学习赋予工业机器人智能并出色完成工作的过程。在竞赛中需要机器人通过深度学习将不同形状的物体抓取并平稳放置到货架的栅格中去。参赛队伍们利用深度学习对高度定制化形状各不相同的物体进行识别和选取，并将其放置到盒子里。比赛同时还需要精确和迅速。

其中16年的冠军队伍Delft使用的深度学习系统名为“基于区域的更快速卷积神经网络”用于进行物体检测识别。他们开发的系统在著名的物体检测数据集Pascal VOC和COCO上都取得了高水平的结果。他们通过深度学习将场景照片中的物体及其分类检测出来，下图中作图为分拣作业的检测结果，右图中为装放作业的检测结果。

相关论文：

http://moveit.ros.org/assets/pdfs/2016/team_delft_apc_motion_module.pdf

同时这一团队开研发出了一种精密的相机可以通过物体的形状、位置和姿态检测物体。不仅检测出物体的6D位姿，同时通过抽取的点云与预制的CAD模型记性匹配。他们通过外形来描述物体的几何特征，并利用预先定义的抓取参数进行作业。由于可以得到物体的位姿，夹具的位姿可以与对象的位置进行转换，为机器人提供可以移动的位姿和运动参数，从而实现有效地抓取。

这一团队同时利用开源软件MoveIt来进行离线运动控制（粗移动），用于提供在货架外的不考虑碰撞的轨迹，而在货架内的移动则需要根据视觉检测辅助（精细位移）。

比赛中参赛队伍使用的深度学习技术很好的诠释了机器人与人工智能的紧密结合。事实上除了工业界和AI领域以外，深度学习也在巨大地影响着我们的日常生活，从衣食住行到生老病死，都会有AI在改变着我们的生活方式、社交行为和医疗保健。正因为如此，深度学习被IEEE计算机协会评为了2018年十大技术趋势的榜首。

研究人员表示深度学习受到学术界、工业界甚至社会大众的广泛关注，其本质在于它可以抽取事物的抽象表示并进行准确的识别，这在曾经被认为是计算机无法做到的工作。而今天它的突破使无数曾经的不可能成为可能，而这无疑是生产力的变革和社会效率提升的巨大契机。

除了亚马逊挑战赛，机器人产商也在加速为机器人赋予智能以便能适应正在到来的新技术革命。发那科和Preferred Networks合作开发了一套可以从原料箱中正确拾起钢柱的深度学习系统，并能达到与传统机器人系统同样的精度，但无需人类的大量参与。这一系统充分地诠释了深度学习与工业机器人的结合与促进。

这一系统利用深度相机获取原料箱中零件的深度图，并与机械手夹具的位姿一起作为输入，而后通过深度学习的计算推理后得到了一系列可以成功抓取的零件位姿。通过不断的试错，在实际机器人上得到了一系列输入输出对。这一系统通过随机初始化后基于上述的输入输出进行训练，最后得到了可以成功给出精确抓取位姿的深度学习系统。

这一系统通过深度相机将位姿和能成功抓取的工作位姿输入深度神经网络，随后通过网络的预测得出抓取的成功率，并指导机械臂最合适的位姿抓取。将成功和失败抓取的深度图分别记录下来送入网络做进一步训练。经过不断地训练这一系统最后达到了90%的精度，这是一个可以和传统方法比拟的精度，而传统的方法则需要工程师和操作人员进行详细的参数调整才能达到的。但对于深度学习来说，并不需要事先定义模型的形貌，需要的只是输入输出对应的训练。

研究人员表示在未来工业机器人的发展将决定于两个方面的状况：深度学习机器人和传统程控机器的发展和相互竞争。

现在的端到端训练的机器人在精度和准确率上还不能和经过微调的传统机器人相比。然而对于抽象的任务（比如拿起一个杯子），直到最近几年端到端的方法才逐渐可以实现可观的结果。相信随着新技术的到来机器人系统的设计和制造将会在不远的未来产生全新的变化。

对于我们人类来说，如果想要用两个手指抓取一个方块，我们会直接选择用手抓取它两个相对的面，而不是其他的面。我们的直觉和经验告诉我们这是最优的抓取方案，而不需要进行无数次计算和尝试可能的抓取位姿。这样的经验和直觉可以注入到深度学习系统中帮助我们训练出更好的深度神经网络。

随着自动化的需求和大规模的定制化解决方案不断增加，更多的行业和工厂将会收益于自动化的变革。但同时由于某些精巧的技术机器目前还无法胜任，同时工厂也不愿意进行无法获利的自动化投资。对于这两方面，深度学习机器人都扮演着至关重要的角色。它的不断进步将会促进系统能力的延伸，更能为尚未开拓的领域提供更加可靠、高度适应和灵活的系统。于此同时降低研发和维护成本，更广泛的深入到行业中去。

深度学习将会让机器人变得更加智能，将传统程序化的操作方式变革为具有学习和高度适应力的新模式，随之而来的是制造业的进一步变革和生产力的大幅提升。

-The End-

将门是一家专注于发掘、加速并投资技术创新激活商业价值的创业公司的创投机构，旗下设有将门创新服务、将门技术社群以及将门投资基金。

将门创新服务专注于使创新的技术落地于真正的应用场景，激活和实现全新的商业价值，服务于行业领先企业和技术创新型创业公司。

将门技术社群专注于帮助技术创新型的创业公司提供来自产、学、研、创领域的核心技术专家的技术分享和学习内容，使创新成为持续的核心竞争力。

将门投资基金专注于投资通过技术创新激活商业场景，实现商业价值的初创企业，关注技术领域包括机器智能、物联网、自然人机交互、企业计算。在两年的时间里，将门投资基金已经投资了包括量化派、码隆科技、禾赛科技、伟景智能、Convertlab、迪英加科技等十几家具有高成长潜力的技术型创业公司。

如果您是技术领域的初创企业，不仅想获得投资，还希望获得一系列持续性、有价值的投后服务，欢迎发送或者推荐项目给我“门”: [email protected]

将门2018招聘看这里！

企业战略合作、新媒体运营、技术专家、行业专家等多个岗位期待您的加入~

也欢迎您转给身边优秀的朋友！推荐成功、一经录用将获得15000元现金作为答谢！