借助人工智能，仓库机器人的技能又提高了( 二 )

强化学习，近来一直在推动人工智能领域的重大突破。其中，就包括谷歌母公司Alphabet公司旗下的人工智能公司DeepMind研发的超凡博弈算法。
这种博弈算法，可以让机器人通过视频图像识别物品的形状，了解在哪里如何去抓取这个物品。
然而，强化学习非常复杂，并且需要强大的计算能力。“实际上，我以前一直对强化学习持怀疑态度，但现在我不再怀疑了。”多伦多大学特聘教授杰弗里·辛顿（Geoffrey Hinton）称。
据辛顿教授称，要想让强化学习正常工作，其需要的计算能力通常都会让人觉得“望而却步”。因此，能够将之成功投入商用，必然会引起不少人的注目。
辛顿教授还提到，更加令人印象深刻的是，Covariant.ai公司的系统已经在商用背景下运行了相当长的一段时间了。

段岩（Rocky Duan，首席技术官，左一），张天浩（研究科学家，左二），皮特·阿贝尔（Pieter Abbeel，右二），陈曦（Peter Chen，首席执行官，右一)。图片来源：Elena Zhukova/Covariant.AI
据阿贝尔称，除了强化学习之外，Covariant.ai公司研发的机器人，还结合了模仿学习（imitation learning）的技术，通过观察感知演示来学习，并且通过另一种元学习（meta-learning，即学会如何学习）的算法，来进一步理解。
阿贝尔还补充说，等新一批装备到达后，这套系统还可以进一步调整和提高。“这是‘即拿即用’的训练，”阿贝尔称，“我也相信，在现实生活中，没有第二家公司能做到这样。”
其他投资于Covariant.ai公司的大牛还包括：谷歌人工智能团队Google Brain的负责人杰夫·迪恩（Jeff Dean），前斯坦福大学人工智能实验室（SAIL）负责人李飞飞（Fei-Fei Li），以及麻省理工学院计算机科学与人工智能实验室（MIT CSAIL）负责人丹妮拉·鲁斯（Daniela Rus）。
由于商业竞争关系，Covariant.ai公司并没有完全公开其核心技术细节。因此，我们也很难精准地判断，其系统在多大程度上依赖于先进的人工智能技术。
麦洛妮·怀斯（Melonee Wise）是仓库智能移动机器人公司Fetch Robots的首席执行官。她说，对于一项具体抓取任务而言，在实现精准性和可靠性方面，实际上并不需要太多的人工智能。
如果系统设计精细，相关物品差异也不大的话，那即便是稍微笨拙的系统，配备一个灵巧的抓手装置，通常也能够完成挑拣工作的。
“在我看来，核心解决方案，仍然是设计专用的抓手装置，同时配备相应的配套工具。”怀斯说。
然而，在工业自动化领域，人工智能已经发挥着越来越重要的作用。借助人工智能，如果能自动化目前需要人工作业的工作的话，这还是能产生比较深远的影响的。
据非盈利专业化组织国际机器人联合会（International Federation of Robotics，IFR）称，目前对机器人的需求，已经进入了快速增长阶段。
2018年，全球工业机器人出货量为42.2万台，同比2017年增加6%。其中，协作机器人出货量接近1.4万台，相比2017年的1.11万台同比增长了23%。
据IFR预测，2020年至2022年间，全球工业机器人出货量将实现12%的年平均增长率。
就机器人研发制造领域，不少成熟大型的公司都注意到了Covariant.ai公司。
去年，全球领先工业机器人技术供应商ABB希望寻找能够帮助其实现仓库自动化的公司。ABB向Covariant.ai等多家公司寄送了各种适用于其系统的物品包装箱，让他们通过受控实验测试挑拣这些包装箱。
据ABB全球服务机器人技术总监马克·塞古拉（Marc Segura）称，Covariant.ai是唯一能够在没有任何失误的前提下，成功抓取各种类型包装箱的公司。