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與幾位華人學生創業，并研發出具有更高精準和可靠性的機器人。

圖片來源：Magnus Pettersson/Covariant.AI

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機器人的能力實現質的飛躍。

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。

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

Covariant.ai公司所研發的計算機平臺，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，這家初創公司公布了其研發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，許多研發制造機器人的初創公司如雨后春筍般地出現，他們都基本上采用了非常簡單的算法，來執行挑揀倉庫中部分物品等日常工作。

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

對于初創企業而言，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。“實際上，我以前一直對強化學習持懷疑態度，但現在我不再懷疑了。”多倫多大學特聘教授杰弗里·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公司的系統已經在商用背景下運行了相當長的一段時間了。

段巖（Rocky Duan，首席技術官，左一），張天浩（研究科學家，左二）， 皮特·阿貝爾（Pieter Abbeel，右二），陳曦（Peter Chen，首席執行官，右一)。圖片來源：Elena Zhukova/Covariant.AI

據阿貝爾稱，除了強化學習之外，Covariant.ai公司研發的機器人，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，這套系統還可以進一步調整和提高。“這是‘即拿即用’的訓練，”阿貝爾稱，“我也相信，在現實生活中，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）。

由于商業競爭關系，Covariant.ai公司并沒有完全公開其核心技術細節。因此，我們也很難精準地判斷，其系統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的首席執行官。她說，對于一項具體抓取任務而言，在實現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，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。”懷斯說。

然而，在工業自動化領域，人工智能已經發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。

據非盈利專業化組織國際機器人聯合會（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，全球工業機器人出貨量為42.2萬臺，同比2017年增加6%。其中，協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，全球工業機器人出貨量將實現12%的年平均增長率。

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

去年，全球領先工業機器人技術供應商ABB希望尋找能夠幫助其實現倉庫自動化的公司。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。”塞古拉說。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模。

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

克納普公司負責創新發展的副總裁彼得·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。”普切溫說。

普切溫還提到，從最開始的時候，這套系統就能達到人工挑揀工的工作效率，但更重要的是，這套系統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。

譯者：俊一