|
【CPS中安网 cps.com.cn】当前，语音交互、导航定位、运动控制、后台调度管理、多传感技术、通信等多领域技术已成企业能否抢占服务机器人市场份额的关键技术。要让产品成功商用，这些技术缺一不可。  2015年服务机器人企业如春笋般崛起，2016年上半年业界即有“服务机器人正经历资本寒冬”的说法出现。2016年5月31日，中国工业和信息化部发布解读称，中国服务机器人市场开始迅速增长。预计到2020年，服务机器人年销售收入有望超过300亿元人民币。政府的权威报告让“资本寒冬”的说法不攻自破。以2015年为分界点，不少2015年前进入行业的品牌已经开始B、C轮融资，而2015年后才进入市场的部分品牌也完成了A轮融资，从实际情况来看，该行业依然是热门投资领域。
服务机器人实际上是多种技术的融合和实现，包括语音交互、导航定位、运动控制、后台调度管理、多传感技术、通信等多领域技术。要让产品成功商用，这些技术缺一不可。 定位导航技术：得雷达SLAM者，走得更远 行业领先的服务机器人企业，八成都采用了SLAM技术。简单来说，SLAM技术是指机器人在未知环境中，完成定位、建图、路径规划的整套流程。 随着谷歌无人驾驶车的使用，基于激光雷达技术的雷达SLAM算法也变成了科研界的热门话题。据介绍，雷达SLAM虽然成本较高，但却是目前最稳定、最可靠、高性能的SLAM方式。刚刚完成A轮融资的深圳优地科技有限公司，旗下优地机器人采用的正是雷达SLAM。这种技术定位精度控制在±10mm内，能够确保机器人在完全未知的环境中创造地图，同时根据地图进行定位、导航、自主规划路线。也就是说你下达任务后以后它就能自主规划路线、完成任务后回到迎宾地点，无需人工操作，与谷歌无人驾驶技术有异曲同工之妙。 SLAM技术目前已广泛应用于AR、机器人、无人驾驶等新兴领域，其中雷达SLAM因良好的指向性与高度聚焦性，成为行业主流定位导航方式。 运动控制技术：轮动机器人更符合市场需求 有趣好玩的双足机器人你一定都见过，然而事实是这类机器人稳定性差，移动速度慢，并且一推就倒。而轮式、履带式的服务机器人则拥有更好的平衡性，在运动过程中更稳定。 “我们的机器人采用自主研发的轮式底盘，轮式底盘具有更强的稳定性、可靠性和耐用性。”优地科技负责人接受采访时表示，“比如有的机器人只能在平地行走，而我们机器人可以爬坡，只要坡度不超过15度都可以，整机可以承重40kg。” 目前双足机器人主要有电机和液压两种运动控制方式，前者结构相对简单，但负载能力有限;后者虽然有较大的负载能力，但结构复杂。而轮式、履带式机器人的运动控制方式主要由纵向控制和横向控制两部分组成，前者调节移动速度;后者调节移动轨迹。在运动、避障过程中，轮式、履带式机器人能够根据速度的不同采取不同的控制策略，以保持整体的稳定性。从目前的技术发展和实用性来看，轮式、履带式的机器人显然更符合市场需求。 多传感器融合技术：最终体现产品差异化功能 传感器如同机器人的“五官”，机器人通过传感器获取外界信息，以满足探测和数据采集的需要。系统通过综合、互补、修正、分析所得信息，从而完成决策，快速作出反应。未来的机器人想要做得更像人，多传感器融合技术至关重要。比如日本Pepper机器人就配有1个3D传感器、5个触摸传感器、2个陀螺仪、2个声波定位仪、3个缓冲传感器、6个激光传感器。通过这项技术，Pepper能识别人的表情、语气、周围环境，并根据人的情绪做出更丰富的、更人性化的反应。 目前我国主流服务机器人主要配有红外传感器、超声波传感器、触觉传感器、视觉传感器等。实际上，如果服务机器人想要完成更多、更复杂的任务，还需配备更多的传感器。多传感器融合技术的成熟与否，将直接体现在服务机器人的差异化功能上。 深度学习算法：机器学习里的重要突破 “机器学习里面最重要的一个突破，就是深度学习。”李开复最近在公开演讲中表示，“深度学习，简单的理解，就是给非常非常大的神经元，用特别大量的数据充进去训练。它就可以在某个领域，在识别方面、分类方面，或者预测方面，远远超过任何过去的算法。” 所谓深度学习算法，就是机器人模仿人脑构建神经网络，并通过信息收集、建立模型的方式来解释数据，以达到机器学习的功能。机器人通过解析、学习数据，更易理解人类的语言、行动，并做出更精准的回应。谷歌的阿尔法狗在“出道前”就是不断地和自己下棋，研习棋谱，让系统进行自我博弈，并迅速完成自我进化。 传统机器人无法理解语意、环境，而深度学习算法的出现则改变了这种现状。获取的复杂数据模型越多，机器人就越“聪明”，它不再是机械性地完成任务，而是有“思考”、有“判断”地模仿人类做出相应的举动。不过，受技术水平、大数据获取难题以及云运算效率等因素限制，目前深度学习算法还存在一定的瓶颈，想要广泛应用于服务机器人中，恐怕还需要一段时间。 智能语音、通信技术和后台管理技术等都将是企业能否抢占市场份额的关键技术。因文章篇幅限制，这里不再展开讨论。 据报道，2016年12月中国机器人产业联盟将陆续发布3项联盟标准，17项机器人产业联盟标准。2017年，垂直应用场景与产业标准两大现实因素也是服务机器人企业需要考量的重点。垂直应用场景的选择决定了机器人深耕的领域、方向，而能否符合标准规范则决定了机器人能否进入市场销售。
【CPS中安网 cps.com.cn】当前，语音交互、导航定位、运动控制、后台调度管理、多传感技术、通信等多领域技术已成企业能否抢占服务机器人市场份额的关键技术。要让产品成功商用，这些技术缺一不可。 2015年服务机器人企业如春笋般崛起，2016年上半年业界即有“服务机器人正经历资本寒冬”的说法出现。2016年5月31日，中国工业和信息化部发布解读称，中国服务机器人市场开始迅速增长。预计到2020年，服务机器人年销售收入有望超过300亿元人民币。政府的权威报告让“资本寒冬”的说法不攻自破。以2015年为分界点，不少2015年前进入行业的品牌已经开始B、C轮融资，而2015年后才进入市场的部分品牌也完成了A轮融资，从实际情况来看，该行业依然是热门投资领域。 服务机器人实际上是多种技术的融合和实现，包括语音交互、导航定位、运动控制、后台调度管理、多传感技术、通信等多领域技术。要让产品成功商用，这些技术缺一不可。 定位导航技术：得雷达SLAM者，走得更远 行业领先的服务机器人企业，八成都采用了SLAM技术。简单来说，SLAM技术是指机器人在未知环境中，完成定位、建图、路径规划的整套流程。 随着谷歌无人驾驶车的使用，基于激光雷达技术的雷达SLAM算法也变成了科研界的热门话题。据介绍，雷达SLAM虽然成本较高，但却是目前最稳定、最可靠、高性能的SLAM方式。刚刚完成A轮融资的深圳优地科技有限公司，旗下优地机器人采用的正是雷达SLAM。这种技术定位精度控制在±10mm内，能够确保机器人在完全未知的环境中创造地图，同时根据地图进行定位、导航、自主规划路线。也就是说你下达任务后以后它就能自主规划路线、完成任务后回到迎宾地点，无需人工操作，与谷歌无人驾驶技术有异曲同工之妙。 SLAM技术目前已广泛应用于AR、机器人、无人驾驶等新兴领域，其中雷达SLAM因良好的指向性与高度聚焦性，成为行业主流定位导航方式。 运动控制技术：轮动机器人更符合市场需求 有趣好玩的双足机器人你一定都见过，然而事实是这类机器人稳定性差，移动速度慢，并且一推就倒。而轮式、履带式的服务机器人则拥有更好的平衡性，在运动过程中更稳定。 “我们的机器人采用自主研发的轮式底盘，轮式底盘具有更强的稳定性、可靠性和耐用性。”优地科技负责人接受采访时表示，“比如有的机器人只能在平地行走，而我们机器人可以爬坡，只要坡度不超过15度都可以，整机可以承重40kg。” 目前双足机器人主要有电机和液压两种运动控制方式，前者结构相对简单，但负载能力有限;后者虽然有较大的负载能力，但结构复杂。而轮式、履带式机器人的运动控制方式主要由纵向控制和横向控制两部分组成，前者调节移动速度;后者调节移动轨迹。在运动、避障过程中，轮式、履带式机器人能够根据速度的不同采取不同的控制策略，以保持整体的稳定性。从目前的技术发展和实用性来看，轮式、履带式的机器人显然更符合市场需求。 多传感器融合技术：最终体现产品差异化功能 传感器如同机器人的“五官”，机器人通过传感器获取外界信息，以满足探测和数据采集的需要。系统通过综合、互补、修正、分析所得信息，从而完成决策，快速作出反应。未来的机器人想要做得更像人，多传感器融合技术至关重要。比如日本Pepper机器人就配有1个3D传感器、5个触摸传感器、2个陀螺仪、2个声波定位仪、3个缓冲传感器、6个激光传感器。通过这项技术，Pepper能识别人的表情、语气、周围环境，并根据人的情绪做出更丰富的、更人性化的反应。 目前我国主流服务机器人主要配有红外传感器、超声波传感器、触觉传感器、视觉传感器等。实际上，如果服务机器人想要完成更多、更复杂的任务，还需配备更多的传感器。多传感器融合技术的成熟与否，将直接体现在服务机器人的差异化功能上。 深度学习算法：机器学习里的重要突破 “机器学习里面最重要的一个突破，就是深度学习。”李开复最近在公开演讲中表示，“深度学习，简单的理解，就是给非常非常大的神经元，用特别大量的数据充进去训练。它就可以在某个领域，在识别方面、分类方面，或者预测方面，远远超过任何过去的算法。” 所谓深度学习算法，就是机器人模仿人脑构建神经网络，并通过信息收集、建立模型的方式来解释数据，以达到机器学习的功能。机器人通过解析、学习数据，更易理解人类的语言、行动，并做出更精准的回应。谷歌的阿尔法狗在“出道前”就是不断地和自己下棋，研习棋谱，让系统进行自我博弈，并迅速完成自我进化。 传统机器人无法理解语意、环境，而深度学习算法的出现则改变了这种现状。获取的复杂数据模型越多，机器人就越“聪明”，它不再是机械性地完成任务，而是有“思考”、有“判断”地模仿人类做出相应的举动。不过，受技术水平、大数据获取难题以及云运算效率等因素限制，目前深度学习算法还存在一定的瓶颈，想要广泛应用于服务机器人中，恐怕还需要一段时间。 智能语音、通信技术和后台管理技术等都将是企业能否抢占市场份额的关键技术。因文章篇幅限制，这里不再展开讨论。 据报道，2016年12月中国机器人产业联盟将陆续发布3项联盟标准，17项机器人产业联盟标准。2017年，垂直应用场景与产业标准两大现实因素也是服务机器人企业需要考量的重点。垂直应用场景的选择决定了机器人深耕的领域、方向，而能否符合标准规范则决定了机器人能否进入市场销售。 |
