佘元博：机器学习在AMR中的应用价值

2020年11月6日至8日，第十八届中国机器学习及其应用研讨会（MLA’20）在南京大学召开。隆博科技创始人兼CEO佘元博，受邀参加了本次会议，并发表了主题为《机器学习在自主移动机器人（AMR）中的应用价值》的演讲。

柔性室内物流东风已起

近年来，制造业和仓储物流的发展风起云涌，而风光的背后是其工厂和仓库的室内物流压力倍增，加上用工难的现实环境和企业信息化的趋势，室内物流迫切需要提升自动化和智能化水平。

而室内物流的自动化和智能化，需要大量采用移动机器人替代有人叉车和人手推车，虽然传统导航技术AGV已有成熟应用，但这块市场依旧有巨大空缺。

工业室内物流有大量人机协同混合作业的场景，需要移动机器人具备深度的环境感知能力，对环境变化做出动态反应，大量复杂场景需要智能化程度更高的AMR填补市场空缺。另外，在场景部署上，AMR有部署成本低、效率高、周期短、容易变更的优势，这就使得大面积复杂场景更适用部署AMR产品。

而AGV/AMR的未来市场有多大呢？

高工机器人产业研究所（GGII）数据显示，2019年全球移动机器人市场规模139.5亿元人民币，同比增长5.68%；2019年AGV市场规模39.95亿元，同比增长14.77%，2020-2025年中国移动机器人市场规模年均复合增速超23.5%，至2025年中国移动机器人市场规模有望突破90亿元，届时移动机器人的销量有望超11万台。

机器视觉助力移动机器人感知、决策

感知，是从传感器数据到有价值的环境信息的处理过程，而视觉数据是信息量最丰富的，随着视觉的大规模应用，机器学习可以发挥重要作用。当然，除了视觉数据，从其他信息量丰富的数据里面，我们也可以通过机器学习得到环境中有价值的信息。隆博在这个层面做了很多应用，包括储位状态识别、料车识别、AMR运动过程中的障碍识别、人体跟随等。

决策，是从有价值的信息到反馈策略，或者结果预测的处理过程。由于目前各类机器人智能的发展水平还不高，绝大部分场景都是希望机器人完成特定的任务，而不是希望机器人有自己的个性。所以现实中，绝大部分决策模型都是逻辑方法，需要用到机器学习的可能只有4%，这些机器学习应用主要起到将结果从80分提升到90分的效果。

隆博科技在定位技术上运用机器学习技术，将影响定位结果的弱关联数据组织起来，采用可信定位对数据进行标记，得出的模型不仅能提升定位精度，还一定程度上消除了噪点影响。在避障技术上运用机器学习技术，将影响避障策略的环境数据和导航数据组织起来，采用人工决策对数据进行标记，得出的模型更接近人的避障决策水平。

在智能化的道路上，隆博科技一直在做相关的技术创新，让机器人的智能水平更加接近于人。

解决客户痛点才是王道

虽然作为科技型企业，隆博科技走在技术向上的道路上，但是佘元博认为“找到客户的痛点问题，判断技术的应用趋势，才能让技术产生最大的商业价值。”

技术只是通过产品解决客户需求问题的手段，一味追求高端技术，耗费大量成本去解决客户不关心的问题，对技术的商业价值是没有贡献的。

另外，佘元博也指出了从行业竞争角度来评价技术的商业应用价值的思路。如果一项技术很有用，大部分同行都采用了，而且解决了客户的痛点问题，那么这项技术很有商业价值。在未来技术的预判上，如果一项技术目前没有被大部分同行应用，N年后可能会被大部分同行应用（来解决N年后的痛点问题），那么N越小，这项技术的商业价值越高。

佘元博认为，目前机器人行业发展迅速，但整体技术发展水平还不够高，很多场景没达到必须通过机器学习解决业务问题或竞争问题的程度，所以有非常多没有被开发的需要用到机器学习的场景。如何将机器人智能从80分做到90分，需要人工智能从业者一步步挖掘。

机器人智能化，还有非常多的空间，隆博科技在智能技术上将不断深入和创新，在业务上围绕市场需求和客户痛点，不断挖掘机器人智能的商业应用价值。

原文标题：【越疆科技 | 聚焦】隆博科技佘元博：机器学习在AMR中的应用价值

文章出处：【微信公众号：高工机器人】欢迎添加关注！文章转载请注明出处。

责任编辑：haq