機器人智能之痛

　　很多人對“機器人”這個詞的認知主要來源于科幻作品，但事實上工業機器人的智能程度可能會讓不明真相的群眾大失所望。

　　以“將物體從一堆物體中一個個揀出”這樣人類三歲孩子都可以完成的任務為例，這對機器人來說仍是沒有解決的難題。

　　因此當面對堆積如山的快遞包裹，或工廠、物流站中常見的紙箱堆、麻袋堆時，沒有眼睛和大腦的機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序地放在一起，機器人也難以獨自完成抓取、上料的工作。

　　廣泛存在的實用場景和困難重重的技術使得混雜物體分揀問題（Random Bin-Picking）被稱為機器人學的圣杯。

　　龐大而迫切的需求讓機器人從業者前赴后繼。工業機器人老牌強國德國和日本都有多家公司參與，連一貫以芯片、軟件、互聯網而為人稱道的硅谷都有數家創業公司進入。一些物流企業也已經進行了使用機器臂抓取貨品的演示。然而，智能機器人仍然有著令人嘆息的痛：高昂的價格、不盡如人意的效果、復雜的使用方法都是阻止智能機器人迅速落地的攔路虎。因此，機器人在這些新場景中還是遠遠沒有得到大規模的應用。

　　可是讓機器人抓個東西怎么就這么難呢？

　　首先要有一雙眼睛

　　必須要讓機器人先看到東西才能談得上抓取。而困難首先就來自于視覺傳感器。

　　工業上傳統的2D相機已經被廣泛應用于質量檢測、傳送帶跟蹤抓取等應用。但是對于混雜分揀、拆垛等應用場景，僅憑單個2D相機是不可能完成任務的。下圖展示了一個典型的例子。

　　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法看出。這說明僅憑單一角度的2D圖像無法準確判斷物體的位置。

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

　　Kinect等民用3D體感產品對于絕對定位精度并不十分看重：只要能看清人體的相對位置關系和姿態即可（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）對于交互來說其實并不十分關鍵。但是對于機器人抓取來說，3D圖像的絕對精度就顯得非常重要了。

　　除了絕對定位精度夠高，對于機器人混雜物體分揀的應用來說，還希望選用的3D傳感器能足夠快，從而保證機器人工作的效率；最好還能夠適用于各種物體的表面材質、工作距離不要太近、產品穩定可靠、價格合理，等等。

　　雖然這些要求看起來并不過分。但是很遺憾，符合要求的傳感器并不容易獲得。

　　部分典型3D相機對比

　　以德國老牌廠商IDS公司生產的Ensenso相機為例。2016年Amazon Picking Challenge的冠軍隊伍荷蘭代爾夫特理工大學，機器人龍頭企業ABB，日本機器人明星創業公司Mujin等院校、大公司、和創業公司，都使用了這一系列相機做演示。但是通過后面一組對比圖，可以看出其成像效果并不盡如人意。而且其高昂的價格也使得它難以被用于實際應用：一個名牌輕型機器臂的價格也不過十一二萬，大部分用戶很難接受再花十幾萬元買一個相機。

　　出身微軟的Kinect自2010年面世以來在學術界迅速流行，產生了很多重要的成果。說Kinect催生了上千篇高質量的論文應該也并不為過。隨后Kinect V2、Intel RealSense等產品的出現更使得3D體感技術進一步大眾化。盡管如此，它們的精度、適用范圍、可靠性等指標也并不能直接滿足工業應用的需求。

　　除了上面提到的相機外，基于激光線掃描獲得3D圖像的方案也已經出現了多年。ISRA、SICK、Cognex等公司都有較成熟的產品，國內外一些創業公司也做出了類似的設備。但是此類產品價格動輒十余萬甚至數十萬，而且需要數秒才能完成一次掃描，所以長久以來也一直無法得到廣泛應用。

　　為了解決這一問題，梅卡曼德研發出了Mech-Eye智能相機方案。它不僅僅是一個相機：一塊NVIDIA Jetson TX2嵌入式GPU為其注入了澎湃的運算力，讓先進的人工智能算法可以在其中運行。在各種光學創新和人工智能算法的加持下，Mech-Eye智能相機可以又快又準地完成3D和2D感知，速度和精度滿足機器人抓取的需要，并且可以適應相當程度的反光和暗色表面。

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