这台独臂 7 关节机器人真能成人类的保姆么

《我，机器人》上映距今已经 12 年了，其中描写的智能机器人作为人类管家的世界，与我们还相距甚远。但 OpenAI 最近的一项技术让我们看到了些许未来的影子。

(图片来自:Movie Pilot)

据 MIT Technology Review 报道，OpenAI 这家由伊隆·马斯克投资兴办的非营利性人工智能研究所近日使用 Fetch Robotics 研发的智能仓储机器人开发出了一套机器深度学习系统，可以让机器人进行自我学习，掌握如何完成新任务。

本质上说，这个项目是软件创新而非硬件创新，是将算法植入现有的工业用机器人上，让它拥有了在家庭、医院等场所工作的能力。让机器人掌握自主学习能力终于不再是科幻小说里的情节。

（图片来自：Fetch Robotics）

其背后的 OpenAI 公司有众多硅谷企业家的支持，除了马斯克外，连续创业者与投资人 Peter Thiel、风投公司 Y Combinator 的主席 Sam Altman 等也是主要股东。此外，来自 Google 的著名人工智能专家 Ilya Suskever 是公司内的主要项目负责人。
 

自主学习?这不是噱头!

OpenAI 使用的这台仓储机器人基于一个被称为 Freight 的基座，带有 2D 激光传感器以及一个三维深度传感器，可自行探测空间并移动，用户可以用各种组件对其进行功能拓展。

加上 OpenAI 所使用的机械臂组件，这款机器人有将近一人高，手臂上的 7 个关节可以帮助完成各种复杂的动作。此外，这款机器人性能强大，装有第五代英特尔 i5 处理器、16 GB RAM 以及 120GB 固态硬盘。Fetch 还开放了 API，供 OpenAI 这样的公司进行研究。

(图片来自:Belezc)

Pieter Abbeel 是一位来自加州大学伯克利分校的机器人专家，目前供职于 OpenAI，他介绍称他们的技术叫做“深度强化学习(deep reinforcement learning)”，可以绕过一些较为复杂和艰难的编程，让机器人通过一遍一遍的反复尝试学会新技能，就像婴儿学走路一样。
 

据 Abbeel 介绍，这项技术运用一种模拟人类神经网络的技术，通过传感器输入让机器人控制自己的动作。每次传感器捕捉到与先前不同的信息，整个控制网络会自动调整参数，朝着目标迈进。多次尝试之后，这款机器人就可以熟练掌握一项工作的流程。

他说，OpenAI 目前所使用的技术，与 Google DeepMind 的技术类似，后者即是开发出大胜李世石，称霸围棋圈的 Alpha Go 的公司。但是 OpenAI 是第一个将这一技术与实体机器人结合起来的公司。

这种技术在家用机器人领域有非常乐观的应用前景。目前我们所能在市面上买到的机器人功能都非常单一。比如扫地机器人只可以用来探测空间，清扫地面，而通过 OpenAI 的技术，机器人只需要熟练几次，就可以学会如叠衣服、扫地等家务。

(图片来自:TechCrunch)

因此，与传统消费机器人相比，这个机器人功能更多，也更有人性，而传统机器人遇到新情况，其“智商”上的劣势就暴露无遗。

市面上的家用机器人为何无人认领

目前市面上可以买到的机器人无非是这么几种形态:单一功能的家务机器人、作为电器中控的家居机器人、以及提供家庭娱乐的陪伴型机器人等。

(图片来自:YouTube)

以海尔最近发布的 Ubot 为例，这款机器人据说可以探测火灾、漏气等灾祸，可以监测家中空气质量、湿度，用自带的语音交互陪伴孩子的老人，并作为家用电器的中控台。

但是就本质上来说，这款设备的“智力”仍处于智能手机水平，只不过是多加了几个轮子和传感器而已。同时，这些机器人往往价格极高，因此很难有市场。
这种现象反映出的问题有两个。

家用机器人的基础机械水准不高，大多数仅可以凭借轮子在空间内移动，除了语音交互提供信息外难堪大用。功能过于单一，而通过将 SDK, API 开放给开发者难以实现功能的快速增加，培植整个生态需要较大投入。因此，目前市面上的家用机器人可能还有没有亚马逊 Echo，Google Home 这类智能语音助手性价比高。
 

下一秒就爆发的机器人市场

据 BI Intelligence 的市场报告分析，从 2016 年到 2019 年，消费机器人市场将维持 17% 左右的高速增长，到 19 年将成为一个 15 亿美元，约合 100 亿人民币的市场。其中，家务与陪伴、家庭娱乐、远程呈现将是三个主要发力点。

据市场研究机构 Juniper Research 预测，到 2020 年，1/10 的美国家庭将拥有消费机器人。而目前拥有机器人的美国家庭仅占 1/25。

OpenAI 无疑提供了一个很好的解决方案。一方面，他们借用工业机器人，使机器人的机械化提高，让可以完成的任务变得更多了。另一方面，“深度强化学习”解决了功能单一性的问题，也实现了很多编程难以解决的问题。

对此，代尔夫特科技大学教授 Jens Kober 评论称：从为机器人编程的时代，转到让机器人拥有自主学习能力的时代，这是机器人发展未来的关键里程碑。