許多人都在思考機器人進入千家萬戶會有多遠，但豐田的機器人研究者認為，機器人進入家庭生活已經(jīng)沒有問題，但最大挑戰(zhàn)是可靠性。

機器人進入人類社會的初期，必然會比小孩子犯更多各類錯誤，只有將這種錯誤率降低到接近于零，機器人才真正有可能穩(wěn)定走進人類生活。

因為與環(huán)境大多是相對結(jié)構(gòu)化和可編程的工廠不同，人類環(huán)境如某人的家必然是非結(jié)構(gòu)化和多樣化，機器人在人們每天工作生活的復(fù)雜、非結(jié)構(gòu)化環(huán)境中持續(xù)可靠地運行難度很高，每個家庭獨一無二，具有不同配置且由不斷變化的對象隨機組合。

由于人類活動中任務(wù)、環(huán)境和要處理的物體（從玩具和餐具到洗衣）種類多流程長，機器人進行例如如何學習和執(zhí)行諸如擦拭表面、撿起各種物品和裝入洗碗機，以及在專為人類而非機器人設(shè)計的動態(tài)環(huán)境中運行的任務(wù)難度非常高。在這種動態(tài)非結(jié)構(gòu)化環(huán)境中，傳統(tǒng)獲取大量數(shù)據(jù)進行動作的方式并不實用。因此，豐田的研究者們一直希望找到一種更省時省力的方法，從更少的數(shù)據(jù)中學習如何完成動作，同時降低成本。

▍研究演變歷程

早在2020年10月，美國加利福尼亞州洛斯阿爾托斯的 TRI 總部里，由 Jeremy Ma 和 Dan Helmick領(lǐng)導(dǎo)的研究團隊就首先嘗試讓機器人進入一個“模擬家庭”的設(shè)施中測試工作。模擬家庭設(shè)有廚房、用餐區(qū)、浴室和生活空間，與實際房屋中的相似。在這種研究環(huán)境中，TRI 可以重新排列地板布局和移動物體，使TRI 能夠在更像真實的家庭環(huán)境中測試它們之前開發(fā)基本的機器人功能。

這項工作側(cè)重于解決兩個關(guān)鍵挑戰(zhàn)：一個是如何從人類行為邏輯延伸到機器人，另外則是如何使用模擬來訓(xùn)練和驗證機器人行為。

TRI 機器人技術(shù)副總裁 Max Bajracharya表示：“未來在家庭環(huán)境中，我們希望當一臺機器人從人類那里學習某些東西時，它們都會像孩子一樣總結(jié)和學到一些技巧，這將是使機器人在人類環(huán)境中更加實用化的關(guān)鍵?！?/span>

同時，TRI 認為，要使機器人技術(shù)在家庭中取得更大范圍的成功，發(fā)現(xiàn)并考慮到個人的特性、需求和實現(xiàn)方式也非常重要。因為每個用戶代表一個獨特的案例，真正了解如何開發(fā)以人為中心的機器人技術(shù)需要不僅僅只是為人們提供小工具，而是想方設(shè)法讓機器人保留人類真正獨特的個性化方式。

▍核心技術(shù)解析

基于這些認識，TRI采用了云機器人技術(shù)和深度學習結(jié)合的fleet learning技術(shù)，開始使用遙操作和虛擬現(xiàn)實系統(tǒng)結(jié)合的方式，指導(dǎo)機器人進行學習，同時建立了一個機器人用戶體驗和工業(yè)設(shè)計小組來發(fā)現(xiàn)和探索真正的用戶需求。

人類訓(xùn)練師實時查看機器人所見，然后命令機器人執(zhí)行各種不同的動作，這樣如果一個機器人在模擬家庭廚房學習擦拭任務(wù)，它可以在任何廚房完成相同的任務(wù)。

Fleet learning技術(shù)的好處在于，如果研究者無論通過人類遙操作還是在模擬中讓一個機器人學習執(zhí)行了一項任務(wù)，后續(xù)該主體都可以與系統(tǒng)中其它所有機器人共享這些知識，以便它們可以在類似新情況下執(zhí)行任務(wù)，從而幫助機器人實現(xiàn)能力指數(shù)級增長。

這種人類參與的方式，能利用人類的智慧和洞察力，來指導(dǎo)機器人的具體執(zhí)行，從而讓機器人的行為動作更加具備通用性和可靠性。為了解決機器人在家庭環(huán)境中面臨的多樣性問題，TRI 則嘗試教導(dǎo)機器人使用各種對象執(zhí)行任意任務(wù)，而不是對機器人進行編程以使用特定對象執(zhí)行特定的預(yù)定義任務(wù)。

通過這種方式，機器人學會將它所看到的與它所教的動作聯(lián)系起來。當機器人再次看到特定的物體或場景時，即使場景略有變化，機器人也能知道它可以根據(jù)所看到的內(nèi)容采取什么行動。

在教授任務(wù)時，訓(xùn)練員可以利用他們的創(chuàng)造力使用機器人的手和夾爪來嘗試不同的方法執(zhí)行任務(wù)，這使得機器人利用和使用不同的工具變得容易，也讓人類能針對特定情況將他們的知識快速轉(zhuǎn)移到機器人。

TRI 的實驗表明，目前TRI 的這套系統(tǒng)可以在大約 85% 的時間內(nèi)成功執(zhí)行相對復(fù)雜的人類任務(wù)，這個數(shù)據(jù)包括讓機器人在識別出它在特定行為上失敗時自動重試的概率。每個任務(wù)由大約 45 個獨立的行為組成，這意味著每個單獨的行為在 99.6% 的情況下都會導(dǎo)致成功或可恢復(fù)的失敗，當然這距離100%可靠并真正走進千家萬戶，還有非常大的距離。

▍延伸與發(fā)展

豐田也在考慮例如廚房等相對固定化的場景中，開發(fā)一些折中的系統(tǒng)化方案，這讓這項技術(shù)也在2021年得到了非常多的延伸。

（龍門吊頂式廚房機器人。資料來源：豐田研究所）

低成本傳感器無疑是人類將機器人技術(shù)帶進更大范圍場景的重要推動力。多年來人們一直嘗試讓機器人具備更像人的特性，傳感器就是人類感官的很好替代物，但用機器人復(fù)制人類身體的各項能力往往就需要無數(shù)傳感器，同時能將所有的數(shù)據(jù)發(fā)送到某個處理單元進行處理，這其實也非常考驗整體數(shù)據(jù)處理能力。

在硬件上，為了滿足機器人與室內(nèi)環(huán)境交互時對軟接觸的需求，TRI 研究人員開發(fā)了具有高密度觸覺感知能力的新型軟抓手。這種抓手類似于人類指墊的軟氣泡夾具，其內(nèi)部裝有攝像頭，可記錄不同物體如何使氣泡變形，同時在環(huán)境中加入了一些攝像頭和傳感器，這配合大量虛擬仿真后的算法，能讓機器人不需要對物體有太多了解，只需要感知基本幾何形狀就可以執(zhí)行某些動作。但這還遠遠不夠，在真實家庭生活中，往往還必須了解每個物體的形狀、位置和方向，因此這條路徑還很長。

（TRI開發(fā)了一直柔軟觸感的機器人“手試圖解決更多問題，資料來源：豐田研究所）

不只是在家庭生活，TRI 也希望在一些公共場景中能夠快速落地。雖然抓取技術(shù)能夠滿足要求，但在這些場景中，不同的光環(huán)境帶來的挑戰(zhàn)尤其巨大。例如在超市，機器人面對的環(huán)境比家庭中更加復(fù)雜，由于超市中各種商品，有的非常柔軟，有的棱角分明，貨架上的商品在超市的強光照下，更是反射出五顏六色的光芒，這對于機器人的各種傳感器提出了更為巨大的挑戰(zhàn)。

12月27日，豐田研究所 ( TRI ) 的機器人公布了正在進一步嘗試挑戰(zhàn)這種存在復(fù)雜光源環(huán)境的方法場景，該研究已經(jīng)取得了一定成效。TRI 發(fā)現(xiàn)，人類對于這些復(fù)雜事物的處理方式，除了用眼睛看見，也經(jīng)過了大量的思考和理解，才有了更進一步的動作執(zhí)行，因此，豐田繼續(xù)選擇了“fleet learning”的方法，希望能讓機器人擺脫人類云端控制或者編程，通過具備“判斷能力”來進一步解決這些現(xiàn)實難題。

TRI 認為，fleet learning的方法還可以輕松擴展到家庭之外并應(yīng)用于其他環(huán)境。例如，一個人可以快速遠程地教工廠的多臺工業(yè)機器人執(zhí)行重復(fù)的制造任務(wù)，或者快速調(diào)整物流機器人的揀貨-移動-包裝任務(wù)，但這目前也面臨數(shù)據(jù)私密性和工藝可復(fù)制性問題，TRI 也正在嘗試解決。

“如果一個機器人無法正確處理您的杯子，那么世界各地的所有機器人都會從該錯誤中吸取教訓(xùn)。我們的下一項工作重點是開發(fā)算法，以便在我們發(fā)現(xiàn)新的故障案例時自動“修復(fù)”感知算法或控制器從而實現(xiàn)對這項工作的升級優(yōu)化?！盩RI 機器人研究副總裁Russ Tedrake說。

▍技術(shù)與理念

與大多數(shù)為了實現(xiàn)自動駕駛汽車而去開發(fā)機器人技術(shù)的汽車制造商不同，當前，隨著豐田轉(zhuǎn)變?yōu)橐患乙苿咏鉀Q方案的公司，其團隊正利用技術(shù)通用性，擴大技術(shù)本身的應(yīng)用面和覆蓋面，專注于最終為城市的控制平臺或基礎(chǔ)設(shè)施技術(shù)提供各類解決方案。

豐田研究所認為，豐田正在投資的機器人技術(shù)，可以將其作為汽車增強移動性的邏輯延伸，但無論研究領(lǐng)域如何擴展，都將保留“自動化以人為本”作為最重要的技術(shù)元素。就像是 Ikigai 概念提出的理念，這意味著機器人或人工智能等系統(tǒng)不應(yīng)取代人類，而是永遠珍惜人本身的“能動性”，豐田一直希望通過開發(fā)更人性化的系統(tǒng)來實現(xiàn)幸福生活。

據(jù)聯(lián)合國稱，在接下來的三十年中，全球 65 歲以上的人口預(yù)計將增加一倍以上。這意味著到 2050 年，全世界將有超過 15 億人年滿 65 歲或以上。人口老齡化將對社會、勞動力和經(jīng)濟產(chǎn)生深遠影響。

因此機器人技術(shù)必然將在未來逐漸走進更多家庭，豐田研究人員一直在嘗試將機器人技術(shù)用于各種應(yīng)用，希望致力于“幫助人類完成各類生活活動，推動與人和諧相處”。例如豐田研究所就也曾開發(fā)了外骨骼機器人，希望幫助無法自行移動的殘疾人以及解決人口老齡化問題。

基于這種認識，豐田研究所提到，未來TRI 的研究不是取代人類，而是利用人工智能來增強人類能力。這種方法被稱為智能增強 (IA)，即大數(shù)據(jù)和機器學習代表著人類智能的放大，使用大量數(shù)據(jù)和機器學習，目的就像讓機器人能夠“聯(lián)系上下文”一樣，最終實現(xiàn)以一種更簡單而基礎(chǔ)的方式來理解他們所看到的東西，突破“從看到行為”的認知障礙。當然，這條路或許還很漫長。

▍結(jié)語

“經(jīng)過1000次不計成本的實驗，我們的鏡頭成功捕捉到機器人成功了一次，然后向全世界展示了該視頻，這讓人們會誤以為它在所有情況下都能正常工作。”TRI 首席執(zhí)行官 Gill Pratt 說道?！把芯空咚龅拇罅抗ぷ?，必然是試圖將機器人技術(shù)帶出DEMO的時代，這就需要更高的可靠性和穩(wěn)定性。”

可以判斷，走進千家萬戶的機器人必然與大多數(shù)自動駕駛汽車一樣，需要去不斷感知周圍環(huán)境，預(yù)測一個“絕對”安全路徑，然后根據(jù)這種理解計算出運動軌跡。另一方面，新的深度學習方法未來必然直接將從視覺和各類傳感器輸入計算低級運動動作，這就需要機器人能夠處理執(zhí)行任務(wù)帶來的大量數(shù)據(jù)，將會拉動和延伸出更多產(chǎn)業(yè)的發(fā)展。

機器人走進千家萬戶，遠沒有在科幻小說和流行娛樂影像作品中看到的那么簡單，但在這個技術(shù)進步巨大的時代，我們相信這并不會太遙遠。