編譯：T.R
在過去的幾十年中，工業機器人是自動化的代表。在提高人類生產力的同時，不斷拓寬著自動化智能化的疆域。如今廣受關注的深度學習開始介入工業機器人的鋼鐵之軀，讓他們迎來新的變革與新生。
深度學習是一種模擬人腦進行訓練並預測系統，將能夠賦予機器人更好的解決問題能力和識別複雜真實場景模式的能力。按照目前的趨勢看來，深度學習將開啟機器人的新時代和一個嶄新的自動化世界。
讓我們先來看看亞馬遜機器人抓取挑戰賽，在其中真切的表現了深度學習賦予工業機器人智能並出色完成工作的過程。在競賽中需要機器人通過深度學習將不同形狀的物體抓取並平穩放置到貨架的柵格中去。參賽隊伍們利用深度學習對高度定製化形狀各不相同的物體進行識別和選取，並將其放置到盒子裡。比賽同時還需要精確和迅速。
其中16年的冠軍隊伍Delft使用的深度學習系統名為“基於區域的更快速卷積神經網絡”用於進行物體檢測識別。他們開發的系統在著名的物體檢測數據集Pascal VOC和COCO上都取得了高水平的結果。他們通過深度學習將場景照片中的物體及其分類檢測出來，下圖中作圖為分揀作業的檢測結果，右圖中為裝放作業的檢測結果。
相關論文：
http://moveit.ros.org/assets/pdfs/2016/team_delft_apc_motion_module.pdf
同時這一團隊開研發出了一種精密的相機可以通過物體的形狀、位置和姿態檢測物體。不僅檢測出物體的6D位姿，同時通過抽取的點雲與預製的CAD模型記性匹配。他們通過外形來描述物體的幾何特徵，並利用預先定義的抓取參數進行作業。由於可以得到物體的位姿，夾具的位姿可以與對象的位置進行轉換，為機器人提供可以移動的位姿和運動參數，從而實現有效地抓取。
這一團隊同時利用開源軟件MoveIt來進行離線運動控制（粗移動），用於提供在貨架外的不考慮碰撞的軌跡，而在貨架內的 移動則需要根據視覺檢測輔助（精細位移）。
比賽中參賽隊伍使用的深度學習技術很好的詮釋了機器人與人工智能的緊密結合。事實上除了工業界和AI領域以外，深度學習也在巨大地影響著我們的日常生活，從衣食住行到生老病死，都會有AI在改變著我們的生活方式、社交行為和醫療保健。正因為如此，深度學習被IEEE計算機協會評為了2018年十大技術趨勢的榜首。
研究人員表示深度學習受到學術界、工業界甚至社會大眾的廣泛關注，其本質在於它可以抽取事物的抽象表示並進行準確的識別，這在曾經被認為是計算機無法做到的工作。而今天它的突破使無數曾經的不可能成為可能，而這無疑是生產力的變革和社會效率提升的巨大契機。
除了亞馬遜挑戰賽，機器人產商也在加速為機器人賦予智能以便能適應正在到來的新技術革命。發那科和Preferred Networks合作開發了一套可以從原料箱中正確拾起鋼柱的深度學習系統，並能達到與傳統機器人系統同樣的精度，但無需人類的大量參與。這一系統充分地詮釋了深度學習與工業機器人的結合與促進。
這一系統利用深度相機獲取原料箱中零件的深度圖，並與機械手夾具的位姿一起作為輸入，而後通過深度學習的計算推理後得到了一系列可以成功抓取的零件位姿。通過不斷的試錯，在實際機器人上得到了一系列輸入輸出對。這一系統通過隨機初始化後基於上述的輸入輸出進行訓練，最後得到了可以成功給出精確抓取位姿的深度學習系統。
這一系統通過深度相機將位姿和能成功抓取的工作位姿輸入深度神經網絡，隨後通過網絡的預測得出抓取的成功率，並指導機械臂最合適的位姿抓取。將成功和失敗抓取的深度圖分別記錄下來送入網絡做進一步訓練。經過不斷地訓練這一系統最後達到了90%的精度，這是一個可以和傳統方法比擬的精度，而傳統的方法則需要工程師和操作人員進行詳細的參數調整才能達到的。但對於深度學習來說，並不需要事先定義模型的形貌，需要的只是輸入輸出對應的訓練。
研究人員表示在未來工業機器人的發展將決定於兩個方面的狀況：深度學習機器人和傳統程控機器的發展和相互競爭。
現在的端到端訓練的機器人在精度和準確率上還不能和經過微調的傳統機器人相比。然而對於抽象的任務（比如拿起一個杯子），直到最近幾年端到端的方法才逐漸可以實現可觀的結果。相信隨著新技術的到來機器人系統的設計和製造將會在不遠的未來產生全新的變化。
對於我們人類來說，如果想要用兩個手指抓取一個方塊，我們會直接選擇用手抓取它兩個相對的面，而不是其他的面。我們的直覺和經驗告訴我們這是最優的抓取方案，而不需要進行無數次計算和嘗試可能的抓取位姿。這樣的經驗和直覺可以注入到深度學習系統中幫助我們訓練出更好的深度神經網絡。
隨著自動化的需求和大規模的定製化解決方案不斷增加，更多的行業和工廠將會收益於自動化的變革。但同時由於某些精巧的技術機器目前還無法勝任，同時工廠也不願意進行無法獲利的自動化投資。對於這兩方面，深度學習機器人都扮演著至關重要的角色。它的不斷進步將會促進系統能力的延伸，更能為尚未開拓的領域提供更加可靠、高度適應和靈活的系統。於此同時降低研發和維護成本，更廣泛的深入到行業中去。
深度學習將會讓機器人變得更加智能，將傳統程序化的操作方式變革為具有學習和高度適應力的新模式，隨之而來的是製造業的進一步變革和生產力的大幅提升。
-The End-
將門是一家專注於發掘、加速並投資技術創新激活商業價值的創業公司的創投機構，旗下設有將門創新服務、將門技術社群以及將門投資基金。
將門創新服務專注於使創新的技術落地於真正的應用場景，激活和實現全新的商業價值，服務於行業領先企業和技術創新型創業公司。
將門技術社群專注於幫助技術創新型的創業公司提供來自產、學、研、創領域的核心技術專家的技術分享和學習內容，使創新成為持續的核心競爭力。
將門投資基金專注於投資通過技術創新激活商業場景，實現商業價值的初創企業，關注技術領域包括機器智能、物聯網、自然人機交互、企業計算。在兩年的時間裡，將門投資基金已經投資了包括量化派、碼隆科技、禾賽科技、偉景智能、Convertlab、迪英加科技等十幾傢俱有高成長潛力的技術型創業公司。
如果您是技術領域的初創企業，不僅想獲得投資，還希望獲得一系列持續性、有價值的投後服務，歡迎發送或者推薦項目給我“門”: [email protected]
將門2018招聘看這裡！
企業戰略合作、新媒體運營、技術專家、行業專家等多個崗位期待您的加入~
也歡迎您轉給身邊優秀的朋友！推薦成功、一經錄用將獲得
15000元現金作為答謝！
點擊右上角，把文章朋友圈
將門創投
讓創新獲得認可！
閱讀更多 將門創投 的文章
