當前，全球機器人市場規模持續擴大，工業機器人市場增速穩定，服務機器人增速突出。2018 年，全球機器人市場規模達 298.2 億美元， 2013-2018 年的平均增長率約為 15.1%。 在裝備制造領域，機械臂憑借強大的負重能力和精準的抓取操作代替著工人的雙手；在物流領域，智能倉儲機器人和無人搬運車不斷提高著運輸效率；在生活服務領域，家用清潔機器人和服務機器人正成為許多家庭的私人保姆和小秘書。

  本期的智能內參，我們推薦來自英特爾的報告， 全面闡述機器人4.0的發展情況，以及云邊端融合的機器人系統和架構 。

  一、 邁向云-邊-端融合的機器人4.0 時代

  1、機器人技術發展主要階段分析

  2017年，中國信息通信研究院、 IDC 國際數據集團和英特爾共同發布的《人工智能時代的機器人3.0 新生態》白皮書把機器人的發展歷程劃分為三個時代，分別稱之為機器人1.0、機器人2.0、機器人3.0。

機器人發展階段示意圖

  機器人1.0（1960-2000），機器人對外界環境沒有感知，只能單純復現人類的示教動作，在制造業領域替代工人進行機械性的重復體力勞動。

  機器人2.0（2000-2015）， 通過傳感器和數字技術的應用構建起機器人的感覺能力，并模擬部分人類功能，不但促進了機器人在工業領域的成熟應用，也逐步開始向商業領域拓展應用。

  機器人3.0（2015-），伴隨著感知、計算、控制等技術的迭代升級和圖像識別、自然語音處理、深度認知學習等新型數字技術在機器人領域的深入應用，機器人領域的服務化趨勢日益明顯，逐漸滲透到社會生產生活的每一個角落。在機器人2.0 的基礎上，機器人3.0 實現從感知到認知、推理、決策的智能化進階。

  2、 應用領域分析

  當前，全球機器人市場規模持續擴大，工業機器人市場增速穩定，服務機器人增速突出。2018 年，全球機器人市場規模達 298.2 億美元， 2013-2018 年的平均增長率約為 15.1%。 在裝備制造領域，機械臂憑借強大的負重能力和精準的抓取操作代替著工人的雙手；在物流領域，智能倉儲機器人和無人搬運車不斷提高著運輸效率；在生活服務領域，家用清潔機器人和服務機器人正成為許多家庭的私人保姆和小秘書。

  工業制造領域分析。目前，工業機器人在汽車、金屬制品、電子、橡膠及塑料等行業已經得到了廣泛的應用。隨著性能的不斷提升，以及各種應用場景的不斷清晰， 2013 年以來，工業機器人的市場規模正以年均 12.1%的速度快速增長，預計到 2020 年將達到 230 億美元的銷售額。 隨著人力成本的上升， 工業制造領域的應用前景良好，將會保持快速增長的勢頭。同時，工業機器人需要擁有更高的靈活性、更強的自主避障和快速配置的能力，提高整體產品的易用性和穩定性。

  消費服務領域分析。服務機器人雖然整體銷售額低于工業機器人，但近幾年一直維持著較高的年增長率，商用服務機器人在商嘗銀行、酒店、機場等應用場景有了更多的落地部署，主要提供導覽、問詢、送物等基礎服務。同時，家用服務機器人悄然進入千家萬戶，掃地機器人銷量在家用服務機器人銷量中占主要份額，成為目前家務機器人中的主導品類。 由于本體能力不足， 隱私、安全方面的問題， 家庭管家機器人和陪伴型機器人的市場滲透率較低。 2013 年以來全球服務機器人市場規模年均增速達 23.5%，預計 2020 年將快速增長至 156.9 億美元。

  從整個技術發展和市場環境看，機器人產業擁有以下發展推力：1、成熟的生態系統；2、老齡化人口趨勢和新興市場；3、更多智能產品互聯和智能家庭建設；4、人工智能、自然語言理解能力的增強 。

  3、機器人4.0 的定義和發展機會

  機器人3.0 預計將在 2020 年完成， 在此之后，機器人將進入 4.0 時代， 把云端大腦分布在從云到端的各個地方，充分利用邊緣計算去提供更高性價比的服務，把要完成任務的記憶場景的知識和常識很好的組合起來，實現規模化部署。機器人除了具有感知能力實現智能協作， 還具有理解和決策的能力，達到自主的服務。 在某些不確定的情況下，它需要叫遠程的人進行增強，或者做一些決策輔助，但是它在 90%，甚至 95%的情況可以自主完成任務。

  要達到這一目標， 首先需要利用人工智能和5G技術。 利用人工智能技術提高機器人本體感知能力的同時， 提升個性化自然交互能力。利用5G技術， 大大縮短從終端到接入網的時間，帶寬大幅度上升，很多東西可以放到邊緣端，加入更多的計算能力，包括云端大腦的一些擴展，助力機器人規模化部署。

實現機器人跳躍式發展

  類似互聯網的三級火箭發展模式，第一階段關鍵場景， 把握垂直應用，提高場景、任務、能力的匹配，提高機器人在關鍵應用場景的能力，擴大用戶基礎；第二階段人工增強，通過加入持續學習和場景自適應的能力，延伸服務能力，取代部分人力，逐步實現對人的替代，讓機器人的能力滿足用戶預期； 第三階段規模化， 通過云邊端融合的機器人系統和架構，讓機器人達到數百萬千萬級水平，從而降低價格成本，實現大規模商用。

  二、 云-邊技術推動機器人結構創新

  1、 云端大腦對機器人能力的增強

  2010 年提出的云機器人概念引入了云端大腦，機器人嘗試引入云計算、云存儲及其它云技術，達到機器人融合基礎設施和共享服務的優點。相比于獨立的機器人本體，連接云端大腦后的機器人擁有以下四個核心優勢。

  1）信息和知識共享： 一個云端大腦可以控制很多機器人，云端大腦可以匯集來自所有連接機器人的視覺、語音和環境信息，經云端大腦智能分析處理后的數據信息可以被所有連接機器人使用。利用云服務器，各機器人本體獲取和處理的信息可以保持最新，并安全備份。

  2）平衡計算負載： 一些機器人功能需要較高的計算能力，利用云端平衡計算負載可以降低機器人本體的硬件需求，在保證能力的同時，讓機器人更輕、更孝更便宜。

  3）協同合作： 通過云端大腦，機器人本體不再獨立工作， 多機器人可以協同工作，例如共同搬運貨物，配合完成一整套工作流程等。

  4）獨立于本體持續升級： 借助云端大腦，機器人可以獨立于本體持續升級，不再依賴于本體硬件設備。

  2） 邊緣計算對機器人服務的提升

  IoT 應用的快速發展，使得大量數據在網絡邊緣產生，推動了邊緣計算的產生和發展。邊緣計算的提出始于4G時代，將計算和存儲資源部署到網絡邊緣，不僅可以減少核心網和互聯網上的流量，還可以顯著降低傳輸時延， 提高網絡可靠性。

  低時延的業務需要終端、移動蜂窩網（接入網和核心網）、互聯網、數據中心的端到端的保障。目前的測試結果表明5G手機和基站的數據通路延時可以達到 4 毫秒，在 URLLC 模式下，手機和基站的延時可以達到 1 毫秒以下， 相比4G的 20毫秒提高了 20倍左右。對于互聯網和數據中心的時延，一般情況下由于地理位置分布廣和未針對低時延優化，從核心網網關到互聯網數據中心可在幾十到幾百毫秒之間。在5G中，其核心網引入了分布式網關，網關可以下沉到基站附近，邊緣服務器可以直接連接到分布式網關上，大大降低網絡的端到端時延。

  邊緣計算的引入將解決終端能力受限和云計算的實時響應的問題，增強機器人云端大腦的實時響應能力，對于滿足機器人4.0 的要求十分關鍵，比如實時的推理、 場景理解、 操控等等。邊緣計算和云計算的結合，將突破終端的計算能力和存儲的限制，提高AI算法的訓練和推理能力，比如提升精度和降低訓練時間。同時將大部分機器人的智能布署在邊緣和云端，通過協作和不斷的訓練，持續不斷的提高機器人智能，比如通過邊緣計算能更好的支持實時的多機協作，支持實時的知識圖譜提娶理解和決策，持續不斷的提高機器人的智能。邊緣計算和云計算還可以解決機器人終端升級維護的困難，在機器人本體的生命周期內不斷升級，提高機器人的能力， 增強數據安全和隱私保護， 充分利用摩爾定律帶來的性能提升。

  3、 云-邊-端一體化對機器人系統的支撐

  云邊端一體化構建了一個通過機器人提供多樣化服務的規模化運營平臺。其中，服務機器人本體是服務的實施者，而實際功能則根據服務的需要無縫地在終端計算（機器人本體）、邊緣計算和云計算之間分布和協同。機器人系統類似現在智能手機上的各種 APP，主要關注如何實現高性價比的多模態感知融合、自適應交互和實時安全計算。

  多模態感知融合： 為了支持機器人的移動、避障、交互和操作，機器人系統必須裝備多種傳感器（如攝像頭、麥克風陣列、激光雷達、超聲波等）。 同時，環境里的傳感器可以補足機器人的物理空間局限性。大部分數據需要在時間同步的前提下進行處理，并且調用不同復雜度的算法模塊（例如 SLAM，圖像處理，人和物體的識別等）。機器人硬件系統和邊緣計算需要協同來支持（可能來自多個機器人的）多傳感器數據同步和計算加速，因此應該采用能靈活組合 CPU、 FPGA 和 DSA (Domain-Specific Accelerator） 的異構計算平臺。另一部分沒有強實時性要求的感知任務（如人的行為識別、場景識別等），可以由云計算支持。

  自適應交互： 為了支持機器人的個性化服務和持續學習能力， 需要將感知模塊的輸出與知識圖譜結合對環境和人充分理解，并且逐步提取和積累與服務場景和個人相關的個性化知識。通用知識和較少變化的領域知識應該存放在云端，而與地域和個性化服務相關的知識應該存放在邊緣或者終端。無論知識存放在哪里，在機器人系統中應該有統一的調用接口，并可以保證實時通訊。基于 ROS2 構造涵蓋終端和網絡側的軟件系統框架可以滿足未來的需求。

  實時安全計算： 未來的服務機器人應用將有大量需要實時響應的情形（如語音交互、協同操作等），因此需要在邊緣服務器部署相應的加速硬件。同時，機器人也將處理大量涉及用戶隱私的數據（如視頻、圖像、對話等）。云邊端一體化架構需要構建隱私數據的安全傳輸和存儲機制，并且限定物理范圍。對于可以進行物理操作的機器人，要構建獨立的安全監測機制，保證即使機器人系統被遠程攻擊劫持后也不會造成物理安全損害。

  三、機器人4.0 核心技術

  在機器人3.0 時代，服務機器人可以做到一些物體識別、人臉識別，在 4.0 時代需要加上自適應能力。因為用深度學習做物體識別、人臉識別的時候需要很多的數據來源，但是真正到家庭場景時沒有那么多數據， 這就要求機器人必須通過少量數據去建立識別能力，自己去找到不同的位置，不同的角度做訓練。

  這些就是機器人4.0 要做的，首先對三維環境語義的理解， 在知道它是什么的基礎上，把看到的信息變成知識， 讓存儲就變得更加合理，而且可搜索， 可查詢，可關聯，也可推理。應用層可以根據這個知識和觀測為現場場景做出智能的提醒， 尋找物品，進行行為檢測。例如，老人要出門，機器人的知識庫告訴他，今天預報要下雨，但是檢測到老人沒有帶傘，然后查詢傘的位置，機器人就可以把傘送到老人手里。這都是結合內部知識和外部情況所做的決策。

  知識圖譜在整個學術界和工業界越來越受到重視。獲得圖靈獎的杰夫 辛頓教授在加入谷歌的時候就說要建一個知識圖譜給全世界用。阿里研究院發布 2019年的十大技術趨勢里面也專門提到了知識圖譜的重要性。這是人工智能邁向下一個階段的必由之路，也是必做之事。

  總結下來，機器人4.0 主要有以下幾個核心技術，包括云邊端的無縫協同計算、 持續學習、 協同學習、 知識圖譜、 場景自適應和數據安全。

機器人4.0 時代的能力升級