隆博科技出席MLA研讨会,就机器学习在AMR中的应用价值分享观点

2020年11月6日至8日,第十八届中国机器学习及其应用研讨会(MLA’20)在南京大学隆重召开。隆博科技创始人兼CEO佘元博,受邀参加了本次会议,并发表了主题为《机器学习在自主移动机器人 (AMR) 中的应用价值》的演讲。

作为国内顶尖的机器学习领域研讨会之一,MLA系列研讨会迄今已举行了17届,近年来参会人数超过2000人,汇聚了来自清华大学、北京大学、南京大学、南方科技大学等机器学习及其相关领域的专家学者,共同探讨机器学习发展及在各领域的应用情况,是一场不可多得的人工智能学术和产业应用结合的盛会。

隆博科技专注于自主移动机器人(AMR)技术研发及柔性室内物流解决方案,已经为全球500强企业提供AMR产品及相关解决方案,在多类场景中投入应用,并远销海外。创始人兼CEO佘元博,是国内最早开展AMR商业化应用的推进者之一,同时也是优秀的机器人与人工智能领域技术专家,从商业应用价值角度,分享了关于机器学习(ML)在室内工业AMR领域应用价值的观点。

柔性室内物流东风已起,人工智能将大放光彩

报告中,佘元博从隆博科技AMR产品在工厂和仓库的应用案例切入,介绍了AMR飞速发展的市场背景。近年来,制造业和仓储物流的发展风起云涌,而风光的背后是其工厂和仓库的室内物流压力倍增,加上用工难的现实环境,和企业信息化的趋势,室内物流迫切需要提升自动化和智能化水平。而室内物流的自动化和智能化,需要大量采用移动机器人替代有人叉车和人手推车,虽然传统导航技术AGV已有成熟应用,但这块市场依旧有巨大空缺。

工业室内物流有大量人机协同混合作业的场景,需要移动机器人具备深度的环境感知能力,对环境变化做出动态反应,大量复杂场景需要智能化程度更高的AMR填补市场空缺。另外,在场景部署上,AMR有部署成本低、效率高、周期短、容易变更的优势,这就使得大面积复杂场景更适用部署AMR产品。

(数据来源:Interact Analysis)

根据国际知名研究机构Interact Analysis的数据显示,AMR增势强劲,在将未来几年内全面超越AGV,其硬件规模将在2024年达到近100亿美元。虽然目前传统导航技术的AGV依旧占据主要市场,但更接近与人的智能水平的移动机器人是应用趋势,这也给人工智能技术应用留下了广阔空间。

从良到优的跨越,ML让AMR具备更接近人的智能

报告中,佘元博指出了机器学习在机器人技术中应用的思路。传统的机器人技术都是人去设计算法,而机器学习是机器从数据中学习模型,通俗说,机器学习是设计算法的算法。两种方法各有优劣,如何结合是提升机器人智能水平的关键。

为简化表述,我们把人设计算法的思路称为逻辑方法。逻辑方法的优势是,通过算法原理能够对结果做出唯一的推导,即只要算法设计得好,结果一定是稳定一致的。而劣势在于对于复杂逻辑,人脑难以设计出完美的算法以得出完美的结果,即复杂逻辑面前,无法通过人脑的设计让算法接近人的智能。

当一个信息处理过程,影响结果的变化因子太多,甚至无法知悉哪些因子影响结果,以至于无法采用逻辑方法建模的时候,机器学习可以填补这个空白。另一方面,很多复杂信息处理过程,逻辑方法无法尽善尽美,这个时候机器学习可以起到拔高的作用。即一个复杂信息处理过程,再聪明的人设计出来的算法只能做到80分水平,但是机器学习可以做到90分。

另外,佘元博强调,我们一定不要误认为机器学习是万能的。机器学习有天然的劣势,就是得分上限很高,但是下限也很低,而且结果的质量不稳定,这刚好是和逻辑方法相反的。那么我们在应用机器学习过程中,要注意分解问题,将逻辑方法与机器学习结合,既保障逻辑方法的高下限和稳定性,又能通过机器学习提高上限。通俗地说,就是如果我们只运用机器学习方法,结果可能是某些场景50分某些场景90分;如果只运用逻辑方法,结果可能保持在80分。而两者结合后,则可以是保障在80～90分之间。

从感知到决策,隆博AMR将ML投入“实战”

感知,是从传感器数据到有价值的环境信息的处理过程,而视觉数据是信息量最丰富的,随着视觉的大规模应用,机器学习可以发挥重要作用。当然,除了视觉数据,从其他信息量丰富的数据里面,我们也可以通过机器学习得到环境中有价值的信息。隆博在这个层面做了很多应用,包括储位状态识别、料车识别、AMR运动过程中的障碍识别、人体跟随等。