【隆博】隆博科技出席MLA研讨会，就机器学习在AMR中的应用价值分享观点

2020年11月6日至8日，第十八届中国机器学习及其应用研讨会（MLA’20）在南京大学隆重召开。隆博科技创始人兼CEO佘元博，受邀参加了本次会议，并发表了主题为《机器学习在自主移动机器人 (AMR) 中的应用价值》的演讲。

作为国内顶尖的机器学习领域研讨会之一，MLA系列研讨会迄今已举行了17届，近年来参会人数超过2000人，汇聚了来自清华大学、北京大学、南京大学、南方科技大学等机器学习及其相关领域的专家学者，共同探讨机器学习发展及在各领域的应用情况，是一场不可多得的人工智能学术和产业应用结合的盛会。

隆博科技专注于自主移动机器人（AMR）技术研发及柔性室内物流解决方案，已经为全球500强企业提供AMR产品及相关解决方案，在多类场景中投入应用，并远销海外。创始人兼CEO佘元博，是国内最早开展AMR商业化应用的推进者之一，同时也是优秀的机器人与人工智能领域技术专家，从商业应用价值角度，分享了关于机器学习（ML）在室内工业AMR领域应用价值的观点。

柔性室内物流东风已起

人工智能将大放光彩

报告中，佘元博从隆博科技AMR产品在工厂和仓库的应用案例切入，介绍了AMR飞速发展的市场背景。近年来，制造业和仓储物流的发展风起云涌，而风光的背后是其工厂和仓库的室内物流压力倍增，加上用工难的现实环境，和企业信息化的趋势，室内物流迫切需要提升自动化和智能化水平。而室内物流的自动化和智能化，需要大量采用移动机器人替代有人叉车和人手推车，虽然传统导航技术AGV已有成熟应用，但这块市场依旧有巨大空缺。

工业室内物流有大量人机协同混合作业的场景，需要移动机器人具备深度的环境感知能力，对环境变化做出动态反应，大量复杂场景需要智能化程度更高的AMR填补市场空缺。另外，在场景部署上，AMR有部署成本低、效率高、周期短、容易变更的优势，这就使得大面积复杂场景更适用部署AMR产品。

根据国际知名研究机构Interact Analysis的数据显示，AMR增势强劲，在将未来几年内全面超越AGV，其硬件规模将在2024年达到近100亿美元。虽然目前传统导航技术的AGV依旧占据主要市场，但更接近与人的智能水平的移动机器人是应用趋势，这也给人工智能技术应用留下了广阔空间。

从良到优的跨越

ML让AMR具备更接近人的智能

报告中，佘元博指出了机器学习在机器人技术中应用的思路。传统的机器人技术都是人去设计算法，而机器学习是机器从数据中学习模型，通俗说，机器学习是设计算法的算法。两种方法各有优劣，如何结合是提升机器人智能水平的关键。

为简化表述，我们把人设计算法的思路称为逻辑方法。逻辑方法的优势是，通过算法原理能够对结果做出唯一的推导，即只要算法设计得好，结果一定是稳定一致的。而劣势在于对于复杂逻辑，人脑难以设计出完美的算法以得出完美的结果，即复杂逻辑面前，无法通过人脑的设计让算法接近人的智能。

当一个信息处理过程，影响结果的变化因子太多，甚至无法知悉哪些因子影响结果，以至于无法采用逻辑方法建模的时候，机器学习可以填补这个空白。另一方面，很多复杂信息处理过程，逻辑方法无法尽善尽美，这个时候机器学习可以起到拔高的作用。即一个复杂信息处理过程，再聪明的人设计出来的算法只能做到80分水平，但是机器学习可以做到90分。

另外，佘元博强调，我们一定不要误认为机器学习是万能的。机器学习有天然的劣势，就是得分上限很高，但是下限也很低，而且结果的质量不稳定，这刚好是和逻辑方法相反的。那么我们在应用机器学习过程中，要注意分解问题，将逻辑方法与机器学习结合，既保障逻辑方法的高下限和稳定性，又能通过机器学习提高上限。通俗地说，就是如果我们只运用机器学习方法，结果可能是某些场景50分某些场景90分；如果只运用逻辑方法，结果可能保持在80分。而两者结合后，则可以是保障在80~90分之间。

从感知到决策

隆博AMR将ML投入“实战”

感知，是从传感器数据到有价值的环境信息的处理过程，而视觉数据是信息量最丰富的，随着视觉的大规模应用，机器学习可以发挥重要作用。当然，除了视觉数据，从其他信息量丰富的数据里面，我们也可以通过机器学习得到环境中有价值的信息。隆博在这个层面做了很多应用，包括储位状态识别、料车识别、AMR运动过程中的障碍识别、人体跟随等。

决策，是从有价值的信息到反馈策略，或者结果预测的处理过程。由于目前各类机器人智能的发展水平还不高，绝大部分场景都是希望机器人完成特定的任务，而不是希望机器人有自己的个性。所以现实中，绝大部分决策模型都是逻辑方法，需要用到机器学习的可能只有4%，这些机器学习应用主要起到将结果从80分提升到90分的效果。隆博科技在定位技术上运用机器学习技术，将影响定位结果的弱关联数据组织起来，采用可信定位对数据进行标记，得出的模型不仅能提升定位精度，还一定程度上消除了噪点影响。在避障技术上运用机器学习技术，将影响避障策略的环境数据和导航数据组织起来，采用人工决策对数据进行标记，得出的模型更接近人的避障决策水平。

在智能化的道路上，隆博科技一直在做相关的技术创新，让机器人的智能水平更加接近于人。

技术并非越高端越好

解决客户痛点才是王道

“找到客户的痛点问题，判断技术的应用趋势，才能让技术产生最大的商业价值。”报告中，佘元博回归主题，指出技术只是通过产品解决客户需求问题的手段，一味追求高端技术，耗费大量成本去解决客户不关心的问题，对技术的商业价值是没有贡献的。所以从商业价值角度来看待技术应用，我们一定先好了解技术的应用场景，优先解决客户的痛点问题。

另外，佘元博也指出了从行业竞争角度来评价技术的商业应用价值的思路。如果一项技术很有用，大部分同行都采用了，而且解决了客户的痛点问题，那么这项技术很有商业价值。在未来技术的预判上，如果一项技术目前没有被大部分同行应用，N年后可能会被大部分同行应用（来解决N年后的痛点问题），那么N越小，这项技术的商业价值越高。所以我们要判断技术应用的趋势，才能始终在技术发展上领先同行一步，但是从商业价值角度看，领先太多也没有意义。

佘元博认为，目前机器人行业发展迅速，但整体技术发展水平还不够高，很多场景没达到必须通过机器学习解决业务问题或竞争问题的程度，所以有非常多没有被开发的需要用到机器学习的场景。如何将机器人智能从80分做到90分，需要人工智能从业者一步步挖掘。机器人智能化，还有非常多的空间，隆博科技在智能技术上将不断深入和创新，在业务上围绕市场需求和客户痛点，不断挖掘机器人智能的商业应用价值。