智能制造 工業(yè)機(jī)器人

　　機(jī)器人智能之痛

　　很多人對(duì)“機(jī)器人”這個(gè)詞的認(rèn)知主要來(lái)源于科幻作品，但事實(shí)上工業(yè)機(jī)器人的智能程度可能會(huì)讓不明真相的群眾大失所望。

　　以“將物體從一堆物體中一個(gè)個(gè)揀出”這樣人類三歲孩子都可以完成的任務(wù)為例，這對(duì)機(jī)器人來(lái)說(shuō)仍是沒(méi)有解決的難題。

　　因此當(dāng)面對(duì)堆積如山的快遞包裹，或工廠、物流站中常見(jiàn)的紙箱堆、麻袋堆時(shí)，沒(méi)有眼睛和大腦的機(jī)器人空有一身力氣卻不知如何下手。工廠中待加工的工件也通常是無(wú)序地放在一起，機(jī)器人也難以獨(dú)自完成抓取、上料的工作。

　　廣泛存在的實(shí)用場(chǎng)景和困難重重的技術(shù)使得混雜物體分揀問(wèn)題（Random Bin-Picking）被稱為機(jī)器人學(xué)的圣杯。

　　龐大而迫切的需求讓機(jī)器人從業(yè)者前赴后繼。工業(yè)機(jī)器人老牌強(qiáng)國(guó)德國(guó)和日本都有多家公司參與，連一貫以芯片、軟件、互聯(lián)網(wǎng)而為人稱道的硅谷都有數(shù)家創(chuàng)業(yè)公司進(jìn)入。一些物流企業(yè)也已經(jīng)進(jìn)行了使用機(jī)器臂抓取貨品的演示。然而，智能機(jī)器人仍然有著令人嘆息的痛：高昂的價(jià)格、不盡如人意的效果、復(fù)雜的使用方法都是阻止智能機(jī)器人迅速落地的攔路虎。因此，機(jī)器人在這些新場(chǎng)景中還是遠(yuǎn)遠(yuǎn)沒(méi)有得到大規(guī)模的應(yīng)用。

　　可是讓機(jī)器人抓個(gè)東西怎么就這么難呢？

　　首先要有一雙眼睛

　　必須要讓機(jī)器人先看到東西才能談得上抓取。而困難首先就來(lái)自于視覺(jué)傳感器。

　　工業(yè)上傳統(tǒng)的2D相機(jī)已經(jīng)被廣泛應(yīng)用于質(zhì)量檢測(cè)、傳送帶跟蹤抓取等應(yīng)用。但是對(duì)于混雜分揀、拆垛等應(yīng)用場(chǎng)景，僅憑單個(gè)2D相機(jī)是不可能完成任務(wù)的。下圖展示了一個(gè)典型的例子。

　　這是兩張不同角度拍攝的同一組箱子的照片，從側(cè)視圖中可以看出中間小箱子明顯高于其他物體，但是從頂視圖中則完全無(wú)法看出。這說(shuō)明僅憑單一角度的2D圖像無(wú)法準(zhǔn)確判斷物體的位置。

　　而3D相機(jī)就能夠獲取相機(jī)到物體表面每一點(diǎn)的距離，從而感知物體的形狀和距離。近年來(lái)3D成像技術(shù)的應(yīng)用越來(lái)越多，比如很多人都熟悉的可用于體感游戲的Kinect。

　　Kinect等民用3D體感產(chǎn)品對(duì)于絕對(duì)定位精度并不十分看重：只要能看清人體的相對(duì)位置關(guān)系和姿態(tài)即可（例如：左前方，站立，雙手舉高），而精確的位置信息（例如：x=1235mm， y= 682mm）對(duì)于交互來(lái)說(shuō)其實(shí)并不十分關(guān)鍵。但是對(duì)于機(jī)器人抓取來(lái)說(shuō)，3D圖像的絕對(duì)精度就顯得非常重要了。

　　除了絕對(duì)定位精度夠高，對(duì)于機(jī)器人混雜物體分揀的應(yīng)用來(lái)說(shuō)，還希望選用的3D傳感器能足夠快，從而保證機(jī)器人工作的效率；最好還能夠適用于各種物體的表面材質(zhì)、工作距離不要太近、產(chǎn)品穩(wěn)定可靠、價(jià)格合理，等等。

　　雖然這些要求看起來(lái)并不過(guò)分。但是很遺憾，符合要求的傳感器并不容易獲得。

　　部分典型3D相機(jī)對(duì)比

　　以德國(guó)老牌廠商IDS公司生產(chǎn)的Ensenso相機(jī)為例。2016年Amazon Picking Challenge的冠軍隊(duì)伍荷蘭代爾夫特理工大學(xué)，機(jī)器人龍頭企業(yè)ABB，日本機(jī)器人明星創(chuàng)業(yè)公司Mujin等院校、大公司、和創(chuàng)業(yè)公司，都使用了這一系列相機(jī)做演示。但是通過(guò)后面一組對(duì)比圖，可以看出其成像效果并不盡如人意。而且其高昂的價(jià)格也使得它難以被用于實(shí)際應(yīng)用：一個(gè)名牌輕型機(jī)器臂的價(jià)格也不過(guò)十一二萬(wàn)，大部分用戶很難接受再花十幾萬(wàn)元買一個(gè)相機(jī)。

　　出身微軟的Kinect自2010年面世以來(lái)在學(xué)術(shù)界迅速流行，產(chǎn)生了很多重要的成果。說(shuō)Kinect催生了上千篇高質(zhì)量的論文應(yīng)該也并不為過(guò)。隨后Kinect V2、Intel RealSense等產(chǎn)品的出現(xiàn)更使得3D體感技術(shù)進(jìn)一步大眾化。盡管如此，它們的精度、適用范圍、可靠性等指標(biāo)也并不能直接滿足工業(yè)應(yīng)用的需求。

　　除了上面提到的相機(jī)外，基于激光線掃描獲得3D圖像的方案也已經(jīng)出現(xiàn)了多年。ISRA、SICK、Cognex等公司都有較成熟的產(chǎn)品，國(guó)內(nèi)外一些創(chuàng)業(yè)公司也做出了類似的設(shè)備。但是此類產(chǎn)品價(jià)格動(dòng)輒十余萬(wàn)甚至數(shù)十萬(wàn)，而且需要數(shù)秒才能完成一次掃描，所以長(zhǎng)久以來(lái)也一直無(wú)法得到廣泛應(yīng)用。

　　為了解決這一問(wèn)題，梅卡曼德研發(fā)出了Mech-Eye智能相機(jī)方案。它不僅僅是一個(gè)相機(jī)：一塊NVIDIA Jetson TX2嵌入式GPU為其注入了澎湃的運(yùn)算力，讓先進(jìn)的人工智能算法可以在其中運(yùn)行。在各種光學(xué)創(chuàng)新和人工智能算法的加持下，Mech-Eye智能相機(jī)可以又快又準(zhǔn)地完成3D和2D感知，速度和精度滿足機(jī)器人抓取的需要，并且可以適應(yīng)相當(dāng)程度的反光和暗色表面。

　　圓形薄鋁板的表面反光強(qiáng)烈，使其他3D相機(jī)的點(diǎn)云中均出現(xiàn)明顯殘缺。梅卡曼德3D成像方案獲得的點(diǎn)云（最右圖）仍然完整、清晰。