編者按：如今，機器人走進工廠和倉庫，已經不是稀奇的事情了。然而，大多數機器人都還是非常笨拙的，設計上也存在許多不足，而且可能也只能抓取特定外形的物品。這篇文章，原標題是AI Helps Warehouse Robots Pick Up New Tricks，作者WILL KNIGHT在文中介紹了加州大學伯克利分校深度學習與機器人學大牛Pieter Abbeel與幾位華人學生創(chuàng)業(yè)，并研發(fā)出具有更高精準和可靠性的機器人。

在人工智能領域，包括機器學習領域兩大鼻祖在內的多位大牛都一致認為，巧妙的算法將會讓工業(yè)機器人的能力實現(xiàn)質的飛躍。

杰弗里·辛頓（Geoffrey Hinton）與楊立昆（Yann LeCun）這兩大鼻祖，與蒙特利爾大學教授尤舒亞·本吉奧（Yoshua Bengio），因在深度學習領域做出的貢獻，共同獲得了2018年圖靈獎。

他們三位也是研發(fā)倉庫挑揀機器人的人工智能初創(chuàng)公司Covariant.ai的投資人。

Covariant.ai公司所研發(fā)的計算機平臺，除了有配備攝像頭的成品機器人手臂、一個專用抓手裝置之外，還有非常強大的計算能力，能夠計算并確認如何抓取倉庫挑揀籃的物品。

前不久，這家初創(chuàng)公司公布了其研發(fā)并已經投入商用的首款人工智能機器人裝備。這款機器人，主要功能是挑揀產品包裝盒和包裝袋，目前已在德國電子產品零售商Obeta公司投入使用。

你可能會認為，挑揀日常的包裝盒以及塑料包裝袋，聽起來也沒有特別之處，而且基本上這類工作也是人工作業(yè)的。

工廠及倉庫中的工人，可能會經常被要求使用新投入的操作工具，有時候可能還是一系列不同的工具。然而，對于機器人而言，要想快速學習如何抓取另一種物品，可能就相對困難了。

如今，在工廠和倉庫中已經投入使用的機器人，大多數都還是非常笨拙的，設計上也存在許多不足。在如今的人工智能及機器人研究領域，要研究如何讓機器人去抓取不熟悉或者是外形復雜的物品，仍然是一個棘手課題。

近年來，許多研發(fā)制造機器人的初創(chuàng)公司如雨后春筍般地出現(xiàn)，他們都基本上采用了非常簡單的算法，來執(zhí)行挑揀倉庫中部分物品等日常工作。

在這個領域，知名企業(yè)包括Plus One Robotics、Picnic，以及RightHand Robotics等公司。

對于初創(chuàng)企業(yè)而言，通過更安全的機器人手臂、定制化的抓手裝置、成品感應器以及機器人視覺與控制的開源代碼，能夠賦予機器人新的“使命”，比如在倉庫內部運輸產品，或者將貨架上的紙箱取下來等等。

目前，Covariant.ai公司還沒能研發(fā)出一款能夠像人類一樣靈活變通的機器人，但它成功地將一項叫做強化學習（reinforcement learning）的研究技術，運用到了工業(yè)背景下。

在實際運用過程中，如果要想讓機器人學習，又不希望機器人犯錯，是幾乎不可能的事情。商用機器人裝備，還需要更高的精準性與可靠性。

成立于2017年的Covariant.ai公司，是由美國加州大學伯克利分校（UC Berkeley）人工智能領域的知名教授皮特·阿貝爾（Pieter Abbeel）和他的幾位學生一起創(chuàng)立的。

阿貝爾教授是將深度強化學習應用在機器人方面的先驅人物。2010年，他研發(fā)了一款能夠疊衣服的機器人（盡管速度很慢），并因此在學術圈名聲大噪。

借助一系列人工智能技術，Covariant.ai公司主要在研究如何讓機器人抓取不熟悉的物品。其中，就包括強化學習技術，讓算法在不斷的嘗試與失敗之中不斷提高其可靠性。這有點像動物通過積極反饋與消極反饋來學習的過程。

強化學習，近來一直在推動人工智能領域的重大突破。其中，就包括谷歌母公司Alphabet公司旗下的人工智能公司DeepMind研發(fā)的超凡博弈算法。

這種博弈算法，可以讓機器人通過視頻圖像識別物品的形狀，了解在哪里如何去抓取這個物品。

然而，強化學習非常復雜，并且需要強大的計算能力?！皩嶋H上，我以前一直對強化學習持懷疑態(tài)度，但現(xiàn)在我不再懷疑了?！倍鄠惗啻髮W特聘教授杰弗里·辛頓（Geoffrey Hinton）稱。

據辛頓教授稱，要想讓強化學習正常工作，其需要的計算能力通常都會讓人覺得“望而卻步”。因此，能夠將之成功投入商用，必然會引起不少人的注目。

辛頓教授還提到，更加令人印象深刻的是，Covariant.ai公司的系統(tǒng)已經在商用背景下運行了相當長的一段時間了。

據阿貝爾稱，除了強化學習之外，Covariant.ai公司研發(fā)的機器人，還結合了模仿學習（imitation learning）的技術，通過觀察感知演示來學習，并且通過另一種元學習（meta-learning，即學會如何學習）的算法，來進一步理解。

阿貝爾還補充說，等新一批裝備到達后，這套系統(tǒng)還可以進一步調整和提高?！斑@是‘即拿即用’的訓練，”阿貝爾稱，“我也相信，在現(xiàn)實生活中，沒有第二家公司能做到這樣。”

其他投資于Covariant.ai公司的大牛還包括：谷歌人工智能團隊Google Brain的負責人杰夫·迪恩（Jeff Dean），前斯坦福大學人工智能實驗室（SAIL）負責人李飛飛（Fei-Fei Li），以及麻省理工學院計算機科學與人工智能實驗室（MIT CSAIL）負責人丹妮拉·魯斯（Daniela Rus）。

由于商業(yè)競爭關系，Covariant.ai公司并沒有完全公開其核心技術細節(jié)。因此，我們也很難精準地判斷，其系統(tǒng)在多大程度上依賴于先進的人工智能技術。

麥洛妮·懷斯（Melonee Wise）是倉庫智能移動機器人公司Fetch Robots的首席執(zhí)行官。她說，對于一項具體抓取任務而言，在實現(xiàn)精準性和可靠性方面，實際上并不需要太多的人工智能。

如果系統(tǒng)設計精細，相關物品差異也不大的話，那即便是稍微笨拙的系統(tǒng)，配備一個靈巧的抓手裝置，通常也能夠完成挑揀工作的。

“在我看來，核心解決方案，仍然是設計專用的抓手裝置，同時配備相應的配套工具?！睉阉拐f。

然而，在工業(yè)自動化領域，人工智能已經發(fā)揮著越來越重要的作用。借助人工智能，如果能自動化目前需要人工作業(yè)的工作的話，這還是能產生比較深遠的影響的。

據非盈利專業(yè)化組織國際機器人聯(lián)合會（International Federation of Robotics，IFR）稱，目前對機器人的需求，已經進入了快速增長階段。

2018年，全球工業(yè)機器人出貨量為42.2萬臺，同比2017年增加6%。其中，協(xié)作機器人出貨量接近1.4萬臺，相比2017年的1.11萬臺同比增長了23%。

據IFR預測，2020年至2022年間，全球工業(yè)機器人出貨量將實現(xiàn)12%的年平均增長率。

就機器人研發(fā)制造領域，不少成熟大型的公司都注意到了Covariant.ai公司。

去年，全球領先工業(yè)機器人技術供應商ABB希望尋找能夠幫助其實現(xiàn)倉庫自動化的公司。ABB向Covariant.ai等多家公司寄送了各種適用于其系統(tǒng)的物品包裝箱，讓他們通過受控實驗測試挑揀這些包裝箱。

據ABB全球服務機器人技術總監(jiān)馬克·塞古拉（Marc Segura）稱，Covariant.ai是唯一能夠在沒有任何失誤的前提下，成功抓取各種類型包裝箱的公司。

“每次只要涉及到抓取不熟悉的物品，最擅長的總是Covariant.ai?！比爬f。據他預估，在接下來幾年中，Covariant.ai公司的目標市場，可能會增長至數十億美元的規(guī)模。

除此之外，Covariant.ai公司也在跟德國自動化系統(tǒng)公司克納普（Knapp）合作，希望能夠在德國正式投產其第一套系統(tǒng)。

克納普公司負責創(chuàng)新發(fā)展的副總裁彼得·普切溫（Peter Puchwein）稱，Covariant.ai公司的機器人，甚至能抓取透明袋子中的物品，而攝像機卻很難去識別這些物品，因此，他對這家公司的機器人印象特別深刻。

“即便對于人類而言，如果一個紙箱里有20個用透明塑料袋包裝的物品，你也很難精準地把其中一個物品拿出來?！逼涨袦卣f。

普切溫還提到，從最開始的時候，這套系統(tǒng)就能達到人工挑揀工的工作效率，但更重要的是，這套系統(tǒng)永遠都不會覺得疲憊。據他預計，在接下來的幾個月時間里，克納普還將從Covariant.ai公司引入幾十個其研發(fā)的機器人。

“所有來公司參觀的客戶都表示，他們對這些機器人非常感興趣。”普切溫說。