机器人2.0时代的机遇和挑战 技术创新驱动产业发展 - 全文

随着物联网和各种高新技术的推动，机器人产业也迎来了2.0时代，以数据驱动的下一个伟大的时代正在到来，人工智能和感知技术结合会是未来产业发展的新动能，创新将成产业发展强劲引擎。

从蒸汽、电力到今天的互联网时代，人类工业文明经历了翻天覆地变化。如今，人口红利逐渐消失，材料成本也在不断上涨，制造业正在努力寻找低成本的生产代替方案，各地纷纷出台政策推动制造业转型升级。在此背景下，中国机器人产业获得了迅速的发展，并结合物联网、人工智能等技术在各细分领域掀起了应用热潮，同时也催生了巨大市场机遇。

深圳作为中国最具创新力的城市，从2013年开始就制定包括机器人在内的未来产业规划和政策，随着中国制造2025战略的实施，深圳市机器人产业的发展非常迅猛，2017年深圳市机器人产业规模已经远远超过800亿。在此过程中，深圳机器人行业协会在推动产业发展服务企业方面作出了巨大的贡献，包括也协助政府推进产业发展等。

机遇的与挑战并存，在激烈的行业竞争中国机器人企业如何成功突围？1月16日，由中国科学院深圳先进技术研究院主办，深圳市机器人协会承办的“2018深圳机器人创新与发展论坛”在深圳隆重举办，本次论坛以“创新驱动湾区智造”为主题，探讨了当前中国机器人产业最新技术成果，并对机器人市场潜在机遇进行了详细解读。

机器人2.0时代的机遇和挑战

随着物联网、大数据等技术的推动，机器人产业也迎来了2.0时代，生产线上的所有设施包括机器、人、产品等物理对象都将通过网络联接，以数据驱动的下一个伟大的时代正在到来，人工智能、新材料、数字创意、新的显示技术都会给我们生活场景带来新的解决方案，包括无人化工厂、老人化的解决方案等。会议上，德国汉堡科学院院士张建伟对机器人2.0时代的挑战和前景机遇进行了深入的剖释。

张建伟表示，人工智能和感知技术结合是我们下一代真正产生未来的新动能。未来机器人系统将从1.0，即关在笼子里的机器人或固定编程的机器人，走向所谓的2.0机器人，能够适应各种各样不同变化的环境动态性能，具有优秀的交互能力。2.0机器人实际上是把传统的机器人、传统机电系统装上更多的感知、计算、控制和通讯功能，使得我们能够在实现系统功能，纵然是非常复杂程度的情况下，不需要增加整个系统的机电系统的复杂性，使机器智能能够更大范围的超过人，能够在更大的应用场景中发挥作用。

未来的机器人将慢慢变得越来越具有长期记忆功能，基于自然语言的处理，交互形式的机器人与人类对话，这方面将是未来五年或者十年能够给机器人带来更多新的使能。自动驾驶也是机器人和未来系统一个重要的方向，未来的技术是在完全驱动和欠驱动之间的一种综合方法，使得我们在未来机器人整个设计和控制中都有一些独特的创新。

另外，机器人如何模块化进行大规模的像家具一样大规模生产，也是未来发展的一个重要方向。通过机器人模块可以组合成多种多样的构形，这种模块化的概念是机器人一个重要使能技术。

未来软件方面，可以借助现在国际上软件开源硬件新的方法，比如ROS操作系统，把传感、感知用深度学习的开源算法很快做成简单的样机模型，使用新一代的ROS包括ROS工业里的理论，从而能快速开发出细分场景应用所需要的解决方案。

技术创新驱动机器人产业发展

全球有三分之一的装备，两百多种产品都在中国生产，在2012年后中国工业增长值就超过了美国。但实际上，中国正在面临老龄化的问题，到2050年六十岁以上的人口达到三分之一。再加上劳动力成本的提高，劳动力紧缺等因素，逼使了中国制造业发展智能制造。

国家“十一五”863计划先进制造技术领域专家组专家，苏州大学机电工程学院院长孙立宁在会主指出，机器换人已经成为我国制造业的逼切需求，现阶段在智能装备领域包括机器人、3D、数控等等，更重要的是在对于产品质量提升和装备状态检测。而接下来发展软件，这些问题构成一个制造系统，给我们带来创新创业的空间和产业化的机遇。

人工智能已经成为人们讨论的热点话题，在未来机器人发展过程中，人工智能与机器人的结合应用将是一个重要方向。例如美国波士顿研究所，原来是几个博士从MIT毕业后创业，推出第一代是四足的大狗机器人，后来他们大概用了几年时间研究就开发新一代高动态的仿生大狗，能活蹦乱跳，避开障碍甚至能做后空翻。

孙立宁指出，Google在2015年前后收购八家机器人公司，它买下的不是企业本身而是技术，这些技术将来就能够用于新型工业机器人的开发，用于未来机器人的研究，能给更多企业的研发提供技术支持。复杂的库房分捡每天要处理成千上万不同各类的货物，这些系统能够实现对复杂环境的识别，对不规则形状物体的识别，背后隐藏了人工智能的元素。

在环境不断变化的场景下，机器人能够尽快的识别，恢复到原来的预想，这是人工智能的体现。如果在工作过程中受到巨大的冲击，机器人不能完全很敏捷反应过来，那就有可能倒下，这个过程就要学习它现在的状态，回到什么的状态，采用什么样的惯性控制实现，这是非常重要的。