走進銀行或商場有機器人提供導覽,走進醫院,看到機器人在送藥,最好家裡也有個機器人,可以幫我們從冰箱拿罐可樂過來,這幾年可以看到服務機器人領域興起,而且大多數都是初創公司。服務機器人的概念廣泛,從目前市場上的產品來看,最簡單的分類可分為兩種,一類是鎖定家庭或個人,除了iRobot這種專攻做家事如掃地的機器人之外,更多其實是定位為「夥伴」、「社交同伴」的產品,比較知名的像是具有麻省理工學院(MIT)血統的Jibo、深圳獨角獸優必選的Alpha 2X、華碩的Zenbo等。
另外就是專業服務機器人,此塊是依據不同行業需求創造出多種類型的機器人,像是軟銀(SoftBank)的Pepper、英特爾及Google Venture投資的Savioke,主要面向公共場所的人群,為酒店、零售等行業提供服務。另外,優必選的Cruzr機器人則是專攻教育領域,甚至還有專攻臨場機器人的公司BEAM,之前被美國政府通緝的斯諾登(Edward Snowden)有一年出現在美國消費電子展(CES)上,其實就是通過知名的Beam機器人「現身」在螢幕上,鎖定商業視訊會議應用可說是非常利基的市場。
少了手的服務機器人,能做好服務嗎?
但服務機器人領域始終是外頭看熱鬧人多,實際願意買單的人少,原因就在於「大家期望很高,但能做的事很少」,國內機器人龍頭新松機器人高級副總裁王宏玉曾這麼評論。
為什麼做的事很少,其中一項原因在於缺了手。目前大多數的服務機器人通常可以移動,但普遍沒有手,要不就是雖然有手,但裝飾或娛樂性質遠大於實際功用,能揮揮手跟人打招呼,但沒法真正拿起重物。人類能處理眾多工作,雙手扮演著很重要的角色,因此人類在構建世界時考慮了很多手部設計,所有手機、鍵盤和其他工具都經過精心設計,以適應我們的手指和手掌。
由於服務機器人是身處在真實環境,與工業環境不同,工業機器手臂執行任務,每次動作都是落在相同的位置和方向,這是經過事前詳細的設計跟測試,但現實生活裡充滿很多不確定性,服務機器人的手要能像人手般靈活運作,難度非常高,同時代表加了手成本立刻大幅增加,這就是為什麼面向大眾的服務機器人領域多半會捨棄機器手。
但也因為如此,缺手的機器人能做的事自然很有限,很難自主完成一整件事,例如不少飯店採用的Savioke機器人把餐點、清洗完的衣服送到住客房間,但還是得靠人類打開機器人的身體,取出東西,也就是說,還是必須由人類來完成最後的任務。當機器人做事「半調子」,服務做得不夠好,企業感覺投資效益不大,市場就一直難以走向規模化。
機器手可負重2公斤,也能換抓手
不過,陸續有機器人公司注意到上述難題,開始為機器人「上手」,其中一家初創公司Aeolus Robotics的服務型機器人獲得了不小關注,它可以手持吸塵器吸地板、拿食物給人,自己用手開門,該機器手可以拿取2公斤的物體,還會調整身體找到最適合的施力角度來搬運東西,此外開發人員設計了不同的抓手,以因應不同的場景需求,抓取不同的物體,這些手部功能就成了Aeolus Robotics與現有其他服務機器人的最大差異。
Aeolus Robotics機器人內置了已經預先訓練好的物件識別模型,以及2D和3D攝像頭,當它拿起一個物體時,會根據物體的形體等資訊,辨識出它手上拿取的物體是什麼,並且估測空間位置,產生手臂及手掌的抓取策略,例如有多少種抓取方式、哪一個角度抓取最適合、該施多少力等。
建構知識圖譜,打造機器人AI大腦
機器人與AI結合已是必然趨勢,特別是在真實世界是一個複雜的環境,機器人不能只是被動接收命令,還需要一個可以判斷的腦袋,Aeolus Robotics人工智慧演算法負責人王聖智就是帶領團隊研究「知識圖譜」(Knowledge Graph)技術,建立AI大腦。
王聖智解釋,進行視覺或語音相關AI研究時,通常會先建立一些事前已知的知識模型,比如按照人類生活的常理,杯子通常是放在桌上,不應該出現在地板上,也很少出現在椅子上,所以,在設計機器人的大腦時,就需要描寫這些物體的特性及彼此間的關聯。
最簡單來說,杯子、桌子、椅子各自都是節點,但杯子適合放在桌子的上面,而非桌子的下面,也不太適合放在椅子上,所以杯子與桌子的關聯比較強,兩個節點就會比較靠近,同理,杯子與椅子的節點就會離得較遠,這就是知識圖譜的基本概念。
他們先建立起這些常見場景和關聯的知識圖譜,當Aeolus Robotics機器人看到客廳地板上有一個物體,它會認為地板上不應該有東西,就過去把東西撿起來,也知道應該要把餅乾放到食物櫃,什麼藥品該放到什麼位置。機器人有了手,不只是幫人類取物而已,還可以分類物體,進行收納跟歸位。而這個圖譜隨著輸入的資訊越多而擴大,並動態調整節點之間的關聯強度。
快速學習為機器人領域興起的趨勢
儘管機器人已經有預先訓練好的大腦,但生活上物件百百種,總會遇到沒學過的東西,傳統機器人的做法通常得程式設計一系列操作,耗時之外,機器人的能力也僅限於特定活動或動作範圍。沒有新的程式設計,機器人無法超越並執行新的任務。但新一代的機器人研究可以仰賴AI來改善上述缺點。
Aeolus Robotics的做法是利用快速學習(Quick Learning)技術來因應,當機器人看到一個以前沒見過的新東西,快速學起來,下次辨識到這個物件就知道是什麼,而且後端系統會通過雲服務把學到的新知識傳送至其他機器人,形成知識分享。
王聖智進一步指出,機器人近來興起的一個趨勢就是快速學習。深度學習的優點可以處理很複雜的問題,但缺點是需要的資料量非常大,許多研究者都希望找到不必使用大量資料、但效果一樣好的方法,有一項議題因此變得相當火紅—快速學習,其中一次性學習(One Shot Learning)堪稱是終極目標,讓機器人看一次就學會,但難度挑戰很高,吸引了很多專家投入發展,另外也有Few Shot Learning,看幾次就學會。
「不論是Few Shot Learning或One Shot Learning,那這快速學習的技術是機器人很需要的一個技術,」他強調。目前機器人公司採用的方式大概有幾種,一種是如果要調整模型就送上雲端去做,另一種作法是在機器人本地端處理,若複雜度高再連上雲端執行。
「機器人有手,代表可以自主完成一整件事」,就是基於這個想法,Aeolus Robotics選擇從這個挑戰頗大的領域下手,在功能上做出跟其他服務機器人的差異化,產品已進入第二代機種開發,除了優化物件識別、快速學習的能力,一隻手也將增加為兩隻手、7個自由度,目前鎖定飯店、養老院的2B市場,預計明年量產。
目前2B專業服務機器人的商業模式多是采租賃方案,客戶向機器人公司承租、支付月費,例如SaviokeRelay機器人費用大約是每月平均2000美元。Aeolus Robotics預計未來也會是提供租賃服務,但尚未規劃價格。
服務機器人行業處於前景混沌的狀況,如何說服企業買一台機器人會比雇用一個員工來得划算,至少得先解決價格成本議題,才有機會迎來進入大規模商業化的一天。