美国麻省理工学院（MIT）一直是机器人科技研究的先驱，这个实验室曾研究出猎豹、Atlas等轰动世界的军事机器人。那么，随着DeepMindAlphaGo、Atlas等前沿人工智能技术的发展，机器人领域的研究会出现哪些新的趋势呢？在CCF-GAIR全球人工智能与机器人峰会机器人专场上，MIT机器人实验室主任、IEEE、AAAIFellow、美国国家工程院院士DanielaRus就此作了报告演说，讲述世界机器人领域十二大前沿技术趋势：
机器人领域的摩尔定律
也许大家觉得这张图未来主义，但事实上我们一定程度上已经实现了，机器人可以应用于送包裹、清理环境、货物整理、自动驾驶、生活辅助等等场景。此外，我们也已经看到一些公司，他们已经发明了两种单臂协作的机器人，并应用于生产。
这些例子告诉我们的是，机器人确实已经从科幻转为当前的科学现实。我们能够让机器人更加有能力，更加的有智能。
值得一提的是，机器人领域也存在类似于摩尔定律这样的颠覆性规律。包括制造工具、设计工具等领域，互联网性能的颠覆速度每隔6年就会发生变化。同样，工厂机器人的数量也是每隔5年就会翻一番。目前，我们暂时已经验证了这一事实，而我相信未来这个颠覆的频率会更高。
未来这个世界，每个人都有可能拥有机器人，机器人就像是在路上跑的汽车一样常见，我把它称之为泛在机器人的世界。
这些机器人将能够与人类协作完成许多任务。当然，现在我们还没有到达这样的阶段，因为还有很多技术问题需要解决。比如机器人如何跟人互动，如何自我推理解决问题以及，我们如何快速、低成本地制造新的机器人？
接下来，我跟大家分享一些技术的趋势，这些都能够帮助我们解决上述的问题。
十二大机器人技术趋势
软体机器人
之前的机器人都是钢体的，但这样的结构并不能很好地适应各种环境。软体是指把机器人的结构制造成柔软灵活的，像人体结构一样。一般来说，软体机器人的身体结构利用软硅胶制造的，增强其适应性，能够适应不同的未知环境。
基于肌肉运作的原理，我们发现这样的构造让机器人更加敏捷，能过更快速地完成某些特定任务。除了软硅胶，我们还可以用水或是空气去驱动软体的结构。比如这个（放大版）机器人，它外形像一条蛇，而表面这些泡泡可以通过放大和缩小的动作来驱动机器人的活动。
我们可以看到，把机器人放到管道当中时，它就可以自动去检测周围的环境，塑料型的适应性是钢体机器人不可比拟的。
同理，我们也可以去创造机器鱼。它像实际的鱼一样可以活动，能够90度的转弯，可以快速地躲开捕猎者。全靠其软体尾部，机器鱼能够在水中上下游动。
我们已经看到了软性机体的重要性，一本新的期刊《软体机器人》期刊已经出来两年了。通过这本期刊我们知道，软体机器人在机器人学科当中的重要性排名最高，也就是说大家对软体机器人的关注度是最高的。
Manipopulatetion：灵活操作
除了软体机器人，另外一个改善和提高机器人的技术是：灵活的抓取、搬运操作。
钢体的机器人只能够看清楚物体的大小，瞄准每一个指头放在哪里才能抓取物体，但人不是这么操作的。我们要拿一个东西时，伸手、抓取以非常连续的动作完成，不需要思考大小还是运用哪个手指。正因为要对手指头的位置的精准要求，让机器人抓起行为有了很大的局限性，它们没有办法应对不规则的物体。
而软性搬放就应运而生。因为不需要仔细地看这个物体放在哪个位置，也不会受到形状的控制。比如，它可以抓取鸡蛋、纸条。正因为这个机器人有非常柔性的结构，它可以自由地应对各种不确定因素。
我们还可以通过嵌入一些简单的传感器，来让机器人拥有辨别实际物体的能力。当然，这其中还不能百分百做到，某些场景中的识别正确率偏低。横向或者是使用两个指头拿成功率会高些，因为横向抓取积累了更多的数据，知道怎么抓；而两点抓取的信息就比较少了。
语言交流
就算有软体结构，有的时候机器人也会失败。为什么呢？如果机器人抓不住，它可以告诉人出现什么问题，但它不能。
通过观察可以发现，机器人在执行一个任务时，人类一点点干预也会完全改变它的计划。如何提高人机协同互动性呢？如果机器人能过简单说一句帮帮我，我卡住了，这也能解决问题，但目前它还办不到。除此之外，如果机器人还可以自省，根据自己的数据计算出新的决策行动，从而避免这个故障。
因此我们希望赋予机器人这个能力。我们开发了一个程序规划系统，机器人可以通过这个规划系统思考自己的行动过程卡住时可以想一想为什么卡住，怎么样可以摆脱这个障碍，或者把这个想法和人类沟通请把桌子搬起来。
所以想象一下，机器人必须要有沟通能力，非常清晰明确地与外界沟通。否则，它只能说帮帮我的话，人类过来还得检查看一看它到底有什么问题，这样效率就很低了。
云端大数据帮助学习
我们知道，机器人也需要学习。但是，我们人类从出生起每天可以接受大量的数据，从而进行学习，而对于机器人来说，数据储存就容易内存不足。一辆自动驾驶汽车一个小时就有1TB的数据，很难分析。所以，我们需要把抽象度提高，使得收集的数据能够达到较高阶的程度，降低储存压力和计算量。
举个例子，左边是一个GpS的数据流，如果对于这个GpS的数据流我们能够建立起有意义的结构，就能过从中归纳出一些能提取的信息，然后做高阶的推理。比如自动驾驶到了某一个位置，就知道要执行什么任务。
从数据流当中提取数据，进行抽象处理，并归纳出有意义的信息这是接下来要分享的核心级技术通过一个算法，在大数据当中分析一些小的数据集，这些小型数据集能够反映出整个数据运算结果。
同样一个例子：我们利用Coresete的方法，通过对视频的分析得出数据集数，然后把不同的色彩进行集中，从中可以用分析出更多更复杂的视频。电影画面里面16500帧，我们只需要用1152个Coresete数据点就可以展开分析。
多机器人系统
只有一个机器人时，能够完成的任务有限，我们需要许多个机器人组成一个自动化系统。所以，第五个趋势就是多机器人系统。
当几个机器人组合到一起时，每个机器人都有各自负责的工作。当然了，假如现在在建一座小木屋，其中会有一个机器人负责搬零件，而另外的机器人会负责其他的工作。所以，我们可以看到这四个机器人在协作。
机器人必须要能够互相的交流、协调，才能够知道要在什么时候配合同伴执行任务。这是个挑战。它们需要了解自己的任务，又要知道整个集体任务的情况。
按需制造
我们的目标是，让一个机器人可以通过3d打印机直接打印出来，但是这不是一般的外壳打印，在3D打印机当中要有驱动机制，我们可以看到里面的电子结构。这里其实是一个非常复杂的机制。
大众化
让所有人都能够设计自己的机器人。这个想法很疯狂吗？有了数据库、编程工具、3d打印等技术的基础下，虽然不是说所有机器人都可以自动完成，但确实很多步骤是可以自动完成的。
而与此同时，机器人事实上具有非常广泛的用途，可以渗透到我们生活中的方方面面。比如，如果误吞了微型物体，我们可以做一个微型折叠机器人，将其送进肠道，让它通过折叠型来把异物包起来并从体内带出，从而帮助我们免去微创手术；又或者说，可以利用微型机器人来给人类提供胃部治疗。
提早学习机器人
让学生提早开始进行机器人学习，用编程工具创造出各种各样的机器人。我们希望达到的目的是，用机器人的魔力吸引学生不仅是机器人外壳，也需要学会编程等软能力。让学生儿童愉悦地进入机器人的世界，逐步投入到机器人行业当中。
学术界与工业界的合作竞争
我们现在面对的是一个前所未有的计算机行业变革。我们需要有学术界有前瞻性或是异想天开的想法，也需要工业界的配合来把这些想法做成产品。与此同时，政府也应该参与其中，提出正确的执行方案，让机器人能够真正发挥作用。美国DARpA就是一个很好的案例。
一年前，丰田汽车找到麻省理工。该公司表示，驾驶是充满危险的，现在每年全世界因交通事故而丧生的人达到150万。通过产学合作，把学术的智慧运用在产业界的困难当中，这样才能更好地研发智能驾驶汽车。
自动驾驶
麻省理工也在进行智能驾驶汽车的研发，于2010年中新加坡提出这样一个方案。智能驾驶与自动约车服务的结合，为城市提供自动汽车网络。
然而一般来说，我们只能在简单的环境当中驾驶，以真正驾驶环境中还有很多的障碍需要克服。
商业投资和创业
现在这个世界也纷纷意识到了机器人领域的机遇。近年来，机器人领域发生了大规模的投资，2015年就有大约20亿美元规模的投资并购交易。
中国的革新性
中国确确实实要在机器人方面引领变革。我在此提出一个愿景，未来的工厂会有更多的机器人跟工人并肩工作，未来机器人会比现在的更加先进。
事实上，我们需不需要担心机器人取代我们呢？事实上我们更应该担心的事，我们建造机器人的速度还不够快。在中国，到了2050年就只有20%的人仍处于工作年龄，所以更应该加速机器人的生产制造以弥补劳动力的短缺。
五金网资讯
