全球人工智能领域的盛会——NeurIPS（神经信息处理系统会议）刚刚落下帷幕，参会人数达到了历史最高水平，尽管采用了抽签制度，门票仍然供不应求。9000张门票在短短12分钟内全部售罄，这反映出全球对人工智能的兴趣正在迅速增长。

然而，尽管人工智能创新已经从学术界走向产业界，许多公司在实施人工智能解决方案时仍面临诸多挑战。在本次NeurIPS会议上，人工智能领域发出了警告信号，而机器人产业则更加务实，更注重机器学习的实际应用。

从“自动化”到真正的“自主学习”，人工智能驱动的机器人技术取得了重大进展。机器人2.0时代的到来标志着机器人技术从最初的编程控制转向真正的自主学习。传统的机器人主要用于大规模生产线，工程师提前编写程序，使机器人能够高效、精确地完成重复任务，但面对变化和意外情况时缺乏灵活性。

随着消费者对定制化产品的需求增加和劳动力市场的萎缩，我们需要更加灵活和自主的机器人。因此，一些公司开始尝试将机器学习应用于机器人领域，使新一代机器人能够处理传统机器人无法应对的任务，如提升视觉识别、控制系统性能和增强实际应用场景的适应性。

1. 机器视觉：在辨识、扩展性和自主学习方面的突破

即使是目前最先进的3D结构化光相机，在识别具有透明封装、反光或深色表面的物体时也会遇到困难，因为光线容易散射或被吸收。在杂乱堆放的场景中，物体间的相互重叠也增加了识别难度。为此，大多数制造商采用振动台或零件进料器来分散物品，以便于识别。

传统的机器视觉系统不够灵活，需要提前上传每个物品的3D模型进行登记，一旦发生细微变化就需要重新登记或修改程序。然而，随着深度学习、语义分割和场景理解等技术的进步，我们现在可以使用普通相机来识别透明或反光的物体。

例如，FANUC公司展示了“LR Mate 200iD”拾箱机器人，它利用深度学习算法和3D视觉传感器来演示随机拾取金属零件的能力。FANUC表示，其系统可以实时进行3D图像与物体匹配，无需预先登记。川崎重工则与Photoneo和Ascent公司合作，展示了类似的随机物体拣选方案。KHI与Dexterity公司合作，展示了一种自动处理库存的机器人系统，能够同时处理各种尺寸的盒子。DensoWave与OSARO公司首次展示了“物体方向识别”功能，使机器人可以从杂乱的箱子中取出透明瓶子，不仅能够识别最佳拾取点，还能识别物体的方向，并将瓶口朝上放在传送带上。

2. 机器控制：智能放置和品项处理

人类从出生起就开始练习捡拾和放置各种物品，因此可以熟练地完成这些任务。然而，机器人需要重新学习这些技能。特别是在对产品包装有严格要求的日本市场，商品需要被精心包装，以确保完好无损。

借助机器学习，机器人现在可以更准确地判断物体的深度和方向，例如杯子是朝上还是朝下。这些技术使机器人能够更准确地预测实际物品的大小和形状，从而将物料放置在正确的位置。因此，可以根据物品的脆弱程度选择合适的处理方式，如轻柔放置或快速放置。通过自动调整处理方式，机器人可以优化处理效率，同时保护物品不受损坏。

一些公司已经开始在运动规划中尝试使用强化学习或机器学习技术。然而，如果这些机器学习改进需要大量数据和长时间的训练，就会给实际应用带来困难。在机器人和自动驾驶汽车等领域，获取训练数据既困难又昂贵。因此，数据效率成为一个重要问题。

3. 实际应用的扩展性：数据效率

Yaskawa公司去年成立的新公司AI Cube Inc.推出了名为“Alliom”的工具，用于加速机器学习模型的训练过程。Alliom提供了一个模拟环境，用于数据扩充和生成合成数据。Yaskawa利用Alliom加快了随机拣料的训练过程，并计划在未来将其应用扩展到更多领域。这表明机器人行业已经开始考虑如何将机器学习技术更好地应用于实际场景。

结语

在之前的讨论中，我们提到机器人公司正面临“创新困境”：它们认识到创新的重要性，但同时也需要服务于核心用户群体，即汽车和制造业公司，这些公司需要高速度和高精度的工作。然而，其他市场对灵活性的要求更高，需要机器人具备自主学习和处理各种组件的能力。如今，机器人巨头们正在与Photoneo、Dexterity、Ascent、DensoWave、OSARO、FANUC以及Preferred Networks等公司合作，显示出机器人行业正在发生变化并积极拥抱人工智能创新。然而，这种变革的速度是否足够快，还有待观察。

在汽车行业，我们看到汽车原始设备制造商（OEM）在向自动驾驶转型的过程中与特斯拉和Waymo等新兴企业展开竞争。然而，截至目前，科技巨头尚未全面进入机器人产业。不过，谷歌、DeepMind和Facebook等公司已经在机器人相关的人工智能研究方面投入了大量资源，进入机器人产业只是时间问题。

未来几年，我们将密切关注人工智能如何颠覆机器人行业，重新定义这一领域。科技巨头、机器人制造商、电动汽车制造商和人工智能公司之间的竞争将如何演变，最终谁能在人工智能定义机器人时代的领导地位中占据优势，都将是非常有趣的问题。