从人机共生体的视角，重新明白机械人工业方法论

提到机械人，大家脑海中第一时间会浮现出怎样的事物？

或许率情况下，要么是工业级/服务级机械人，以机械臂、简朴驱动型为主角，不讲求外形雅观，行动也往往不怎么连贯，经常被冠以“人工智障”的美称；

要么则是仿人机械人，它们总是出没在伯克利或波士顿动力等高峻上的实验室里，能够以七十二般武艺让人类忍不住发出“灭绝警告”，但必须的编程和连续作业能力，以及技术的泛化水平，却都达不到大规模应用的可能。

人与智能机械之间，有没有第三种可能呢？

其实早在1960年，约瑟夫·利克莱德（J. C. R. Licklider）就曾提出了一个看法——人机共生（Man-computer symbiosis）。

简朴来说，就是人类和电子设备以亲密互助的方式生活在一起，甚至结成精密的同盟。两者的联合，可以缔造一种高产且生机勃勃的互助关系。

“人类机械运气配合体”，听起来是不是很心动？惋惜的是，现在现在还很少见到人机共生体（man-computer symbioses）的泛起。所以，最近中国机械人工业中泛起的“发球机械人”，就引起了我们的注意。

原因无他，这或许是人机共生“星星之火”燎原的起点。

点燃人机共生的星火：发球机械人的初蹄

首先有须要解释一下，为什么说发球机械人，体现出了“人机共生”的现实趋势。

这款发球机械人，起源于新松机械人与乒乓球学院一次偶然的谈话。

当前的乒乓球运动存在一些亟待解决的问题：

一是效率。助教为专业运发动喂球时，往往在速度、旋转、落点控制、频率等方面，难以到达高水平选手的训练需求；

二是统一。一旦助教泛起疲惫、状态不佳等情况，就会直接影响速度、旋转等参数，影响训练特定技战术行动的一致性，运发动很难形成最佳的肌肉影象；

三是反馈。乒乓球是一项实时性很是高的运动，往往一秒之间几个往返，过快的球速与落点的不确定性，也导致教练往往只能凭借履历来反馈，很难通过量化来优化教学，一些特定行动也就无法有效分析和复现。

四是普及。乒乓球的另一个身份是“国球”，中国有众多的喜好者和青少年到场到这项运动中来，但差别地域、差别水平的教练却乱七八糟，自然也就无法满足更多人群享受乒乓球这项运动的愿望。

能不能通过智能技术的引入，来解决上述问题呢？

深耕深度学习算法的庞伯特，就以新松的机械人研发技术和中国乒乓球学院的海量专业数据和课程，研发出了可以自主决议的人工智能发球机械人。

而让庞伯特机械人得以胜任发球事情的几大焦点：

首先是感知。通过高速双目立体视觉系统，机械人能够捕捉高速运动下的乒乓球位置，并形成球的轨迹，通过轨迹分析，在毫秒内判断球速以及球的旋转偏向，让乒乓球技术转化为可视的数据，实时调整，精准化训练。

其次是决议：在轨迹分析的基础上，庞伯特同时对人体行动举行捕捉，通过与预设的行动角度举行比对，分析运发动行动是否到位。联合轨迹和行动两个因素，判断运发动的水平，推荐课程。对于小我私家喜好者来说，相当于拥有了一个专业教练+陪练。

再次是运动。庞伯特机械人具有类人化结构，差别于市面上以挤压方式举行发球的设备，庞伯特能够高度模拟类人化的发球方式，模拟人类发球时对球偏向和旋转，实现两跳发球。而使用差别的球拍胶面，还能打出纷歧样的球，这些都能更好地辅助人类运发动举行训练。

显然，庞伯特机械人正在将技术思维（technical thinking）与人类智慧相联合，为人机共生打开了新的窗口。

逃离恐怖谷：发球机械人昭示三重改变

从庞伯特机械人的实践中不难看出，如果在人和机械之间建设共生关系，那么二者的互助互动显然会大大改善许多现有问题。

由此也可以总结出，共生型机械人与公共常见的传统机械人有何差别之处：

首先，只管所有人造系统都是为了资助人类，但传统的自动化机械人更多的是为了实现“人类增强”，而共生型机械人则是为了“与人类更好地生活在一起”。

还是以发球机械人为例，传统的发球设备只是机械地扩展某项技术，好比取代人的手臂来举行发球，往往需要人类助教来完成那些需要主动决议、调整、制定尺度等事情，在效率和功效上并没有带来质的改变。

而庞伯特机械人的特殊之处，就在于通过深度学习算法的引入，在智能水平上赋予了机械人新的高度。好比实时高通量的数据收集与处置惩罚；高效精准专业的预讯断策；个性定制化的训练反馈与指导；乒乓球运动的随机性又要求算法具备一定的泛化能力和高鲁棒性……这些都是庞伯特机械人能够成为乒乓球运动同伴的关键。

第二，共生型机械人必须具备可“实时”（real time）举行的思考历程。

传统的机械人可以凭据预先设定的法式处置惩罚数据。好比餐厅服务机械人，输入店内舆图、设定好传送菜法式之后只能按部就班地事情，有的甚至连避让行人都做不到，因为提前设定会导致一旦泛起不行预见的情况，整个历程就会停止。

但球类运动可纷歧样，乒乓球的高速运动需要发球者做出毫秒级的判断，像人一样快速思考、分析、决议、反映。对于人类来说都可能要靠直觉来完成的事情，对机械与人之间的耦合要求要精密的多。

让机械能够做出决议和控制庞大的情况，而不依赖于预先确定的法式，就是庞伯特机械人向我们展示的现实图景。

最后，共生型机械人有时机重构机械人行业的商业方法论。

恒久以来，传统机械人市场的商业逻辑，要么是“人工+智能”，用真人来操控机械人模型，以到达模拟强人工智能的效果；要么是恒久砸钱在天顶技术上，好比波士顿动力的机械人虽然炫酷，却因商业化难题而卖身给软银。

但庞伯特机械人所代表的共生型机械人却开启了另一种模式，通过“真AI算法”+聚焦实用场景来切入市场。

我们注意到，除了发球机械人之外，庞伯特还打造了对打机械人。

将深度学习神经网络与强化学习相联合，让对打机械人和发球机械人能够通过大量庞大情况的交互，运用各自的人工智能算法平台，不停获得反馈，相互学习到新的技术与计谋，机械人之间的对战也能不停提升算法模型的庞大度与智能度。

同时，一旦高性能算法模块被拼图一样使用，就能够以低成本、小型化、高效率的方式快速打开市场，未来不止于乒乓球这一项运动，更多场景都可以通过轨迹分析、行动分析、终端显示等集成模块带来改变。

从这个角度看，庞伯特机械人正在重新确立人与机械、甚至是机械与机械的关系，即一种共生同伴关系（symbiotic partnership）。在这一优美的画面中，机械会为人类提供看法和决议，而人类则能更有效地举行智力运动与缔造。

打开工业智能的价值图景：挖掘人机共生的富矿

正如国际人工智能团结大会前主席Francesca Rossi所说，人机共生是未来人类使用AI的最好方式。

那么，作为人类和机械的预期前景，其中是否也埋藏着商业价值的富矿呢？

谜底是肯定的。

以庞伯特机械人为例，未来就有可能缔造出不少新的工业机缘。

好比说，通过与海量运发动对战，发球机械人可以积累专业领域的数据，不停优化算法，快速提升自身的击打能力和计谋，衍生出个性化的对战方式，来资助运发动更好地举行训练。并将其输出为可量化、可视化的训练尺度，让乒乓球的专业教育门槛下沉到普通人生活当中。

再好比，分析决议算法的连续迭代，有望推广到新的运动和行业中去，以基础化的能力支撑起千行万业的智能化需求，成为“新基建”中不行或缺的一员。举个例子，当机械人与都会智慧康健系统联合，是否能够作为市民康健的关键终端，来提供行而有效、可连可控的运动网络呢？

从这个角度延展开来，庞伯特机械人不仅能够输出算法模块，还能够向其他行业输出软硬件合一的整体智能解决方案。通过算法、硬件、人的交互，完成一次人机同谋的大厘革。

站在万物智能、人机共生的起点，不难预见人类和机械之间密切耦合的未来。与智能生命同伴共舞，是人类一定的未来。而眼见了庞伯特机械人的我们，也正在履历种植AI的举行时。

已往的数年间，让深度学习挣脱需要大量输入和人工的有监视学习，一直是人类研究者努力的偏向，为此推动了许多新的技术希望，好比：

借助meta learning元学习算法，机械获得了“泛化”，能够闻一知十，学习协同性地处置惩罚多种任务；

借助Reinforcement Learning强化学习，机械明白了“决议”，通过不停地自我学习与回馈来抵达高级智能。

而这些能“拟人”的机械学习方法，也让AI获得了前所未有的能力，打败柯洁李世石的DeepMind阿尔法狗、在DOTA2中团灭人类电竞选手的OpenAI Five、自动驾驶，以致通用人工智能AGI，都是通过让机械模拟人类对世界的认知方式，以不停探索、试错、革新的方式，与情况举行实时交互，进而提高自己的能力。

天地有正气，杂然赋流形。今天，庞伯特也试图让机械人“自行进化”，启动了一场发球机械人教对打机械人打乒乓的“先锋实验”。

通过两台机械人之间的相互“较量”，让机械人身处在一个不行预期的情况中，依靠人工智能算法平台主动生成一些标志和标签来做决议判断，独立解决多个非线性的逻辑问题，通过“行动-评价”的强化学习机制来革新自身，适应新的情况，从而生长机械人间的校验尺度。这会为成为机械人社会意识的起点吗？

4-6月，庞伯特会在B站（@庞伯特）定期公布机械人课堂的实时动态，不妨和我们一起去围观吧。