2018機器人創新生態年度峰會已于11月16日順利結束。

本次峰會全天共組織六大主題演講，上午是“初心與展望”、“趨勢與探索”、“資本與機會”，下午為“生態與價值”、“合作與共融”、“創新與落地”。頭部企業、政府領導、知名學者以及優秀投資人分別從技術創新、產品應用、服務連接、資本對話等角度切入了機器人生態的細分領域，不僅為生態未來的發展貢獻了諸多思考，更為整個機器人行業制定了相對明確的價值取向。

接下來的1個月時間里，我們會不定期更新此次峰會中各位大咖的給力演講，以此讓各位有充足的時間消化演講內容，同時也給予無法到現場親身感受大咖風采的朋友們一個重新學習的機會。

部分嘉賓及內容預告

今天，我們先來回顧德國漢堡科學院院士、德國漢堡大學信息學科學系教授、多模態技術研究所所長張建偉的演講內容。張建偉院士所演講的主題是《智能信息物理系統時代的機器人技術創新》。

主講人介紹

德國漢堡科學院院士

多模態技術研究所所長

德國漢堡大學信息學科學系教授

張建偉

張建偉，德國漢堡科學院院士，多模態技術研究所所長，德國漢堡大學信息學科學系教授，國家千人特聘專家。1986年畢業于清華大學計算機系學士（計算機控制），1986年級清華大學計算機碩士（人工智能），1994年德國卡爾斯魯厄大學計算機系博士（機器人）畢業。現任從事及領導智能機器人和工業4.0中的機器學習和規劃、多傳感信息處理與融合、服務機器人技術、多模式人機交互等方向的研究與開發。發表三百余篇論文及專著，并多次獲得國際會議最佳論文獎。擁有四十余項機器人和人工智能方面發明專利。任數個國際重要機器人及人工智能會議的主席，多份國際專業雜志編輯，數家機器人、通訊、智能制造企業技術顧問。領導多個關于服務機器人、未來通訊技術、跨模態交互、跨模態學習等技術的歐盟、中德重大合作項目。

演講亮點

1. 人工智能發展的新動能

2. 認知信息物理系統中的智能

3. 多模態交互-從跨學科研究到未來機器人技術

4. 未來挑戰及策略

演講內容回顧

人工智能發展的新功能

非常高興又一次來到英特爾&硬蛋機器人生態創新生態年度峰會，今天能夠在非常酷的機器人實體環境里繼續探討生態發展，我們可以看到生態的整個發展歷程。

張建偉院士演講現場

我這次回到中國參加了中國的進口博覽會，參加了西湖機器人論壇，又來到高交會。今天的研討形式我特別喜歡，聚焦在打造中國機器人生態。這個生態，從國家整個生態的打造，到技術的生態打造，到商業生態和用戶生態的打造，以英特爾和硬蛋為協調主導的，以中國的機器人各方面用戶、學者和創新創業領軍人才，我們一定能夠在新的時代里做到新的創新。

張建偉院士演講現場

30年前，我在清華大學開始從事人工智能工作，到現在我們要解決未來生活真正的問題。中國的制造問題、生活問題、養老問題，要把人工智能和機器人落地，這要求我們要做“真正有用的機器人”，跟現在很多虛擬AI是有一定區別的。我們現在做真正有用的機器人，要面臨國計民生最重要的應用場景。富士康的工廠也面臨著招工難的巨大問題，新的iPhone裝配馬上面臨著要減少三分之一員工的挑戰，這里面包括很多的裝配，有非常多對智能機器人的挑戰。現在很多家庭招不到照顧父母、爺爺奶奶的保姆，像這類個人定制化的需求，都將是我們努力的方向。

此外，未來的技術融合了各種各樣的新型的、人工智能的、可穿戴的、物聯網的、新能源的技術，這些使得我們在新的高速發展迭代情況下受到新的挑戰。

舉個例子，我在上海參加了3D打印國際峰會，其中介紹了如何使用3D打印技術和電路、傳感技術，我們能預見到未來汽車的車殼就是一個電池，未來機器人的本體就能嵌入3D感知和智能芯片。

而在傳感方面也有著很多新的進展，高交會上我們的合作伙伴在做新型柔性電子皮膚，這種柔性電子皮膚裝到機器手上，將給我們帶來很多新的智能可能。

在新型驅動方面，我們也可以從新型交叉里學到很多欠驅動利用自然能源的方法，上圖是Theo Jansen所做的仿生結構，這對我們來說都是未來新型機器人的可能。

認知信息物理系統中的智能

如何把智能核物理空間、信息空間整合到一塊？

人工智能的概念是非常寬泛的，我們現在討論的人工智能是“人工智能+CPS+人的感知”，就是“HCPS”的概念，也就是如何把感知空間、計算機表達空間和真正要處理的物理空間，將這三者融合交互做到有機一體，這是我們下一步人工智能應用大的挑戰。

人工智能在虛擬世界里的發展是飛快的，例如30年前我再學習計算機的時候，只能多個人使用一臺電腦，而現在我們一個人每天被關聯使用著上百臺電腦，計算機的計算能力也已經提高了100萬倍。

上面這條曲線，就是如何把物理世界的結構和嵌入式系統進行融合，它使得我們在今天的創新里有了新的高度。我們國家在基礎研究方面特別重視未來人機共融的計劃，我也參與了國家基金委的人機共融項目。實際上在德國，人機共融產品正在逐漸變成現實。例如大眾汽車工廠里，人機協作機器人已經真正走到了生產的第一線。

在中國機器人發展方面，現在發表的論文最主要的主題都集中在以下內容：深度學習、醫療機器人、軟體機器人等。目前的中國機器人，新興技術和可能性越來越多，全世界競賽舞臺上，中國在基礎方面的追趕速度越來越快，和世界最大國家的差距越來越小。美國、德國、日本之后，我們居第四位，追趕的速度快，就使得我們能夠在機器人和人工智能基礎方面做到更好的改進。

我們要放眼世界，要共享世界上各個重要實驗室給我們提供的前沿技術，不要閉門造車、低水平重復。大家做的所有行業，在世界上都有非常專業的資料，通過下面這些網頁，大家可以找到相應的領域、應用里全世界最好、最活躍的實驗室的研發資源、論文和他們組織的會議及開源的軟硬件，所以這個國際生態大家一定要關注好，不能只看到中國里的合作生態，要放眼全世界的生態。

人工智能在所有新技術里，給我們帶來了階梯性上升的態勢。

在人工智能現在的應用和基礎數據、場景應用中，中國有非常多的優勢，但是我們不能只看到我們國內在基礎算法、核心軟件、人工智能硬件的落地，包括智能制造、醫療器械、自動駕駛，這些硬件其實在歐洲落地也有非常好的特色，值得我們借鑒。

多模態交互

從跨學科研究到未來機器人技術

在人工智能給我們帶來高性價比計算引擎情況下，還有高性價比互聯網大數據作為燃料。大數據、云、物聯網、5G給我們中國帶來了新的快速傳感、快速融合的很好的機會。10年前大數據的崛起，到半自動、手動數據整理，到自動的數據發現，到數據的自動分類和決策，都給整個發展帶來新的增長機會。

上面我們提及了人工智能下一步落地的場景，那么國務院最近也召開了關于人工智能的會議，會上也在強調人工智能落地的場景，實際上“人工智能+機器人”是解決從自動化、生產延伸到社會的重要節點。

制造方面，我們強調了智能出行，例如自動駕駛，還有未來的智能醫療，以及自動農業，同時機器人制造中也有著很多的機會，包括機器人的檢修、機器人的教育等。

機器學習未來是人工智能突破的重要方向，從強人工智能的學習方面，連接自己的學習。現在大數據、計算能力的發展有著很大的突破，下一步就是把進化算法融入進去。

機器算法是我從事了很長時間的工作，上千層的深度網絡實時計算，到現在的增強連續學習、輸入輸出的學習，再到整個狀態的空間，以及到機器人之間的互相學習，機器人和人之間的互相學習。我們利用快速學習機會，可以做Semantic SLAM，可以自動識別物體，也可以做成真正應用的場景。

現在在人工智能研究基礎上，我們正在和清華大學、北京大學科學院聯合做人工智能基礎研究項目，同時英特爾公司也是這個項目的合作者和觀察者。我們想讓新的多模態融合方法真正找到新型的融合結構，然后用新型的跨模態和跨學科方法找到新的計算模型，實現新的機器人應用。

如何讓機器人通過視覺、聲音和概念學會更多新的概念，如何把現在技術成熟度比較低的研究做成通用的模塊，做成我們在未來重要應用里的場景，也是我們關注的方面。

關于快速反應機器人，我們已經慕尼黑注冊了安杰機器人，它將成為快速、敏捷性智能機器人中具體的機器人案例。

此外還有遷移學習，如何讓機器人從一個領域學習遷移到另外一個領域，現在做新型打磨機器人和靈巧操作機器人，都使用了多模態的感知和未來新的學習控制技術，結合深度學習，已經可以做出快速分揀、識別模糊系統。

基于經驗的概念學習里，我們可以看到機器人不斷的在環境里進行學習，使交互需要的程度變得越來越低，對世界理解的模型變得越來越精確。

總結一下，我們如何把中國的優勢發揮好，包括我們專長的的靈活制造、個性化服務等，是未來國產機器人發展的關鍵。同時，未來我們要更加注意補足我們的短板，包括原創能力、學科交叉、跨學科等。在這些方面，我們如果做好了以后，就可以做到全球聯手、融合交叉共享。那么，在新型科技快速迭代智能互聯時代，我們就可以協調全球創新資源，形成有效、互通的技術轉移，創造我們在智能機器人上的最優實踐。