在机器人的认知与决策方面，视觉是最重要的问题。目前的机器人导航许多并不是用视觉导航，而是采用激光或红外、无线射频等技术。
在智能服务型机器人技术与应用研讨会上，深圳市机器人协会秘书长毕亚雷指出，“相比于工业型机器人，服务型机器人的种类更多，但这也同时带来了新的挑战－－为适应不同应用场合产生的非标准技术和集成需求。”
毕亚雷认为，服务机器人产业的爆发必然会比工业机器人更快得多，但在实现智能化和“场景优先”之前，必须先认知机器人要用在哪里，以及需求点在哪里。华南理工大学软件学院院长闵华清认同这个观点，他指出，当前机器人需要解决功能、性能和智能这三个层次的问题。
服务机器人一直被视为电子和自动化控制领域向消费领域扩张的新蓝海，然而，要将机器人视觉、听觉、知识表达和语义理解做良好结合实现智能化机器人认知技术，仍是一个非常艰辛的过程。
投入机器人软件技术研发十多年的闵华清指出，在机器人的认知与决策方面，视觉是最重要的问题。目前的机器人导航许多并不是用视觉导航，而是采用激光或红外、无线射频等技术。视觉导航的最大挑战在于必须在任意环境下进行。过去的视觉导航许多是采用样本离线学习来指导现场，而闵华清和他的实验室采的了建立动态环境的方式，通过同时定位与地图创建(SLAM)对机器人进行训练。
SLAM是机器人领域的热门研究技术，从帧间配准、环形闭合检测(Loopclosuredetection）和优化技术三方面对基于图优化的同时定位与地图创建进行研究。目前包含场景表示、假设产生和假设验证三方面的基于视觉信息的环形闭合检测已经被广泛应用在SLAM系统中。而未知环境中的终生地图创建则是通过SLAM学习未知环境地图，然后利用学习好的地图进行自定位或作运动规划。终生地图创建能让机器人长期运行在未知环境中，持续更新以应对环境变化。目前短期地图创建对对于图优化的SLAM方法已证实非常有效。
启动Affordance研究
“一个海关人员曾提过需求：‘能否在每日过关人群中锁定100~200人范围做搜索？’”，闵华清表示这个要求迄今都很难实现，因为该要求用一家美国企业提供的售价达18万美元的系统都无法达成。“除了视觉静态图像识别，我们图像有一个最大的问题就是未知。未知和各种各样角度的全新信息，通过语音理解，相当于去伪存真，要找出特定对象目前机器仍然做不到，需要仰赖人工，”闵华清说。
现代智能化机器人认知技术的研究，就是为了解决这些问题。闵华清表示他的实验室刚刚启动了Affordance研究，即生物感知模式的研究。该理论在1977年由美国感知心理学家J.J.Gibson提出，该理论强调生物、环境和动作是一个整体，指出婴儿首先会学习物体的Affordance（潜在动作），而后才学习其颜色和名称等属性。这个理论现在被应用在机器人的开发中，帮助研究人员将人工智能导入设计。
闵华清指出，神经心理学家认为检测Affordance与大脑内的镜像神经元功能相似。例如猴子只要看到Affordance为“可抓取”物体，不管会不会真的行动，其运动前区皮层都会开始考虑是否去抓这个物体。根据该理论，机器人未来可以做整体场景的评估，再决定应该做什么样的反应。
在落地到实际研发工作时，我们必须将任务分解成许多子集，再将先决条件、动作和后置条件融合在一起，构成一个函数来研究，这是二元函数。目前国际上有很多人做这方面的研究，我们看到的资料是概念中的方法。确定性的方面，我们希望做的是
深度学习，闵华清表示。
由于服务机器人来主要任务是和人类交互，因而系统中的异构数据获取、模糊本体的知识表达、机器人多元异构、网络资源的数据通用语义模型等都成为亟待解决的问题。目前的图片转文字技术已经做得不错了，像这类机器学习的技术将来都可能会用到机器人里。
华南理工大学已经开发出一套实时机器人操作系统BAOS，该系统的研究自2001年开始，15年来已经建构了从底层、虚拟层、抽象层、功能模块到上层应用的完整框架。针对设备硬件驱动管理，闵华清和他的团队也开发了操作系统内核。“我们希望这个内核能用在ARM这样的芯片中，”闵华清表示。
闵华清的目标是提供一个通用的、随插即用的开发平台，帮助机器人产业发展。“在机器人领域中，许多传感器和零部件是无法用在通用计算机操作系统中的。但通过我们的平台，厂商可以做机器人应用程序框架；功能模块可以支持许多想开发的应用。将来我们可能会开发导航的路径规划、远程遥控、体感交互、语音交互、环境建模、传感器、自动充电、图像识别、家电控制等，做机器人运行系统的基础。”
未来，不管是工业机器人、服务机器人、教育机器人、医疗康复等应用，应该都是服务机器人，闵华清说。
粤公网安备 44030402000264号
