8月20日-25日，“2019*机器人大会”在北京亦创国际会展中心举行。8月22日，ABB（中国）有限公司首席技术官刘前进在新兴应用与实践论坛作了主题为《机器与人：从共存到共事》的报告。

机器人和人工智能如何结合？

关于机器人的安装和使用，现在的机器人使用的时候，虽然相比过去有很大的进步，但还是有些复杂。

以前可能需要一个专门的工程师花几天编程来做更好的规划，交响乐师和机器人工作了七个小时完成了两首曲子的编排，能够像人一样非常优美地把比赛盒滑来滑去，精准完成比赛的过程。然而，现在我们觉得还不够，未来希望可以不用专业工程师去教它，机器人在看到我们的产业线工人在做什么就会主动了解这项工作，以及自己能不能完成。

我们把*新的研究成果，以及机器人的安装示范过程结合起来的难度在哪里？

大家知道，Image Light的识别率从70%提升到了90%，这是非常好的例子，但是和机器人结合的话会发现现场工况很难标注，没有办法预测所有的场景。上面我们提到DOTA游戏，*重要的就是上下左右回车，实际上我们的工作不只是上下左右。更重要的是规律，要是能够把规则完全定义好就是我们自动化工人做的事情，但是一定会有域外发生，能够依靠人工智能呢？完成依靠从大数据抓取数据的AI来做件这事情吗？

因此，数据和AI结合的话会有很大难度，包括三个不同层次：

• 第一层次，可以把现在我们深度学习做的一些工作来做位置识别，准确知道机器人抓取要到什么地方，我们也做了很有意义的示范；

• 第二层次是技能，就是做了什么工作，然后指导机器人完成，甚至给出一个起始点和终点以后根据过去我们所做的数据强化学习完成某个规则。经过一段时间的强化训练以后，发现我们可以达到这种效果，就是600多万个不同种类的空间之中，机器人强化学习可以达到96%的识别率，之后我们会有更好的办法，希望达到99%以上，甚至再有新的东西出来以后能够简化学习的过程；

• 第三层次是应用程序的端到端学习，自己学习背后的机理、经验和知识，抓住以后可以变成规则。

通用函数是不可解释的，虽然可以很粗暴地达到一定精度，但是你不知道它的时候就不能用，这对工业来说几乎是不可接受的，所以我们希望能够有更好的办法让它变得更加可解释，更加容易泛化，也更容易合作。

在湛江，ABB有一家合作的公司，这是国内*大的海鲜制品公司，其产线基本是全程自动化，除了一个环节。当我们在必胜客吃凤尾虾时，要先把皮去掉，如何让不同形状大小的虾让机器识别，既能保证足够的肉又能够把皮剥掉？这个环节必须由人完成，所以给人0.5平米的工位，人就站在那里八小时不停地把虾扒出来放到指定位置。不说这个工作很辛苦，光是味道就会让你觉得很难受。

我们的科学家到了现场看了实际情况后，通过不同的照片标注、识别、确定精准度，*后可以达到98%的精度，这样就是*后一个环节通过自动化，这位同事就在现场听报告。拍下一张图片当中有几十只虾，通过算法推理一下子就把虾的抓取点标识出来，交给机器人之后完全可以完成剩下的工作，“机器人抓虾，不抓瞎”。

这是物流场合大家经常碰到的场景，就是不同的工件混合在一起进行抓取，难度在哪里呢？

因为形状不规则，传统的机器视觉很难做到，而且是堆放在一起的，即使是不同规则输入库里，怎么保证产生新的形状，知道哪个先抓，哪个后抓。这是目前工业机器人领域能够把混合、堆叠、识别做到*高的水平的一个案例，也是目前我们做到的*好Case。

工业人工智能，或者是把人工智能做得有意义的事情和机器人进行结合。传统的方式是用一个完成的模型，然后我们执行感知分析和控制逻辑，这是传统工程师在做的工作。人工智能引入这个环节会带来一些新的变化，过去几年的主要变化就是在认知和理解方面所做的工作，现在我们看到强化学习推进的过程优化都是完成这样的过程。

工业人工智能我们希望做的不仅是认知和理解，具体解决也可以带来更多的突破。一个工厂当中的自动化系统一定有些场合、有些场景不是我们工程师提前预测到的，之前没有预测和发生过的事情我们能怎么做？能不能让机器自我学习，处理一些之前没有预料到过的状况，没有发生过的事情，可以有些基本的识别和判断，给出可以解决的方案出来？这是我们期待工业人工智能未来所做的工作，这个过程当中人是永远存在的，不仅是监测整个生产过程，随时可以取代自动化系统，介入、操作和完成。这是我们自己对工业人工智能的定义，从自动化到自主化，希望未来我们能够有真正完全自主化的工作环境，也为人类创造更美好的环境。