0
本文作者:张栋 | 2017-07-20 09:32 | 专题:GAIR 2017 |
照片中从左往右依次为孙宇、朱礼君、王亚莉、郑勇
2017年7月7日至9日,由CCF中国计算机学会主办、雷锋网与香港中文大学(深圳)承办的全球人工智能与机器人峰会CCF-GAIR大会在深圳举行。
在9日下午的智能物流专场中,由美国南佛罗里达大学孙宇教授主持,硅谷人工智能专家王亚莉博士、菜鸟网络高级算法专家朱礼君博士、极智嘉CEO郑勇四位产学研专家带来了主题为“智能物流和仓储改变商业未来”的圆桌讨论。
讨论刚开始,孙宇教授就提出“AI解决物流问题距离理想状态还有多远”的问题。对此,王亚莉博士给出了解答,她认为,虽然AI技术发展很久,但智能物流商业化落地时间还不长,还有很多难点需要攻破。
随后,孙宇教授还就这个问题进行了补充,他提出,如今中国智能物流发展与国外相比有哪些优势和劣势?在王亚莉博士看来,国内的优势是,由于起步较晚,各种弯路已经有人走过了,也已经有许多优秀的解决方案,性能佳的硬件可以供业内人士拿来就用;国内的劣势是,包括在人工智能方面的人才的缺乏、智能物流解决方案少且回报周期长、缺乏能与英伟达对抗的性能优异的国产计算设备等。
“智能物流的“最后一公里”问题如何解决?如何对人做优化?”紧接着孙宇教授又向朱礼君博士提出一串疑问。朱礼君博士回答说,具体有两种方法,第一种方法是收集实际数据的方式在模型里加入新的部分,求得新解;第二种方法是结合概率求最优解。
他希望他们的算法有自适应的能力,对于许多类似但不完全相同的问题,是不可能用大批量的算法工程师去一个一个地解决的。在这种时候,机器学习的方法就可以自适应地针对不同的问题自动学习不同的特征和解法。朱礼君博士也说,这样的做法可能会让机器学习模型取代算法工程师,但他觉得,“如果做一件事是在革自己的命,那这件事就是做对了”。
而后,孙宇教授还提问了郑勇关于“对未来AGV的看法”。郑勇对此进行了详细的解答,总结起来有三点,AGV应当有更强感知、更强决策、更强执行能力。
在后续的问答中,嘉宾们还根据自己的研究方向,分别表达了现在研发的技术和算法可以用来优化其他传统领域和生活中的问题、带来新的产品和效率提升的观点。
以下是圆桌讨论全文文稿,雷锋网作了不改变原意的编辑:
孙宇教授:现在的智能物流到底发展到了哪一步?距离极致还有多远?
王亚莉博士:人工智能技术由来已久,自1956年达特茅斯会议出现至今已经走了六十多年时间,而在这个过程中,大部分时间是国外科学家做理论铺垫,在中国商业化应用是最近几年才兴起的。
从学术角度来说,我们才刚刚起步,智能化在人类生活中的应用也才刚刚开始,距离极致还有很长的路要走,我们还有很多工作需要去做。
孙宇教授:在智能物流中,人的因素是如何考虑进去的?
朱礼君博士:在物流领域,建模的时候厂家会有很多简化性的假设,要尽量描述完整现实物流商业性运作情况,里面会包含很多人的因素。
人的因素主要是不确定性因素。
不确定性因素有两种方法来解决。第一种方法是通过收集反馈数据来分析,比如在做车辆路径规划的时候,我们会去收集该车的运动轨迹,有时候我们甚至会跟司机一起去开这个车,我们会坐在副驾驶上,跟着他的车走一圈,途中遇到的问题都会考虑进去;另外,在行业中,对于解决不确定性也有比较成熟的方案。
孙宇教授:如果把人的因素都忽略,建设无人仓或者说整个物流过程都用无人机或者无人车,这种可能性有多大?
极智嘉CEO郑勇:无人仓距离我们其实不远了,就拿极智嘉来说,目前做的产品是仓储物流公司机器人,用这些产品和解决方案就可以构建一个无人仓,前提是功能需求比较简单。现实是更多的仓库现在不仅是要移动式机器人,还需要类似机械手形式的机器人或者自动化设备。
从目前的技术发展来看,要构造一个无人仓并不难。我们研究更多的是如何把技术与业务真正结合在一起,所以我们一直在做产业化思考以及技术实践。比如,传统AGV只是做固定路径导航,今天我们需要让机器人更自由地去规划路径,这就需要应用视觉导航技术去防止碰撞,防止交通拥堵等问题;另外,如今的系统不仅仅是单机机器人,是一大群机器人一起实现物流搬运工作,所以我们还要解决多机器人之间的协调、机器融合以及相互之间的学习和自适应,这些都对机器人系统提出了更高的智能化要求。
孙宇教授:亚马逊有自己的物流,有自己的电商,国内的物流行业或者电商行业跟亚马逊或者类似的行业翘楚比较的话,有什么优势?有什么不足?
王亚莉博士:亚马逊可以说是中国物流圈的方向标,他们的每个产品和动态都吸引着从业人士的关注。在我个人看来,基于其强大的技术储备及资源积累,它应该在很早之前就开始布局这种无人智慧项目。
但我个人觉得国内物流也有很多优势,潜力很大。相对国外我们起步较晚,但就是因为晚,在布局时市场上就已经有非常成熟的设备、算法,别人走完的弯路都已经非常清晰了,一上来拿到的都已经是最好的,各方面都是最成熟的,先人载树后人乘凉,我们可以在短期内运用很好的智能设备。
孙宇教授:有没有什么劣势?
王亚莉博士:在人才这块,中国相对短缺,这一点美国硅谷占有一定优势。
孙宇教授:刚才朱博士提到了很多优化算法,优化里面有很多问题是NP-hard,有无最优解?在用深度学习的时候就有一定的优势,很多人也关心深度学习的应用,能不能讲一下?
朱礼君博士:今天只是稍微提到了一下我们在用深度学习和机器学习优化算法的经验,我们为什么要做这个事情呢?我们现在是一个平台,解答的问题非常多,就拿路径规划来说,像生鲜配送、农村配送、城市门店的配送,它的问题基本一样,但是细节不同,而这就得为每一类问题设计一个算法。
至于NP-hard,找最优化是不现实的。但算法可以改善很多问题,传统方法是需要工程师一个一个地去调试各种各样的特征,最后看哪个特征对图像分类更好,而优化了算法就不用这么机械式的解决问题。
到后来,我们用到了深度学习,很多问题的约束不同、目标也不一样,但是用到的都是底层的优化算法,算法之间非常类似,所以,我们就写了几十种启发式算法,运用深度学习、机器学习、强化学习等技术,算法就能自适应学习来解决特定问题。从某种程度来说,这可以节省人力、提高效率。
孙宇教授:通过解释我们得出一个结论,将来不光是体力劳动的人会被机器人取代,连算法工程师也会被深度学习机器人取代。
朱礼君博士:我觉得做一个事情,如果你在想方设法革自己的命,你可能就做对了。
孙宇教授:下一代的AGV会是什么样的?有什么可以憧憬?
极智嘉CEO郑勇:对于一个AGV或者移动机器人,通常会关注三方面能力:感知能力、决策能力和执行能力。
移动式机器人需要做定位导航,导航定位能力就是感知能力,在这个过程中可以看到很多场合追求工业可靠性。基于此,我们应用单线、多线的激光雷达及摄像头,这些传感器的融合会让机器的感知能力更强,不管是在室内还是室外都可以精确导航。另外,像无人驾驶也可以认为是一种AGV,只不过是室外环境的,我们今天说的AGV更多的是在室内环境。
第二个是决策能力,像路径规划,拥堵管理或者避障,这些都需要机器不断做决策。我们在做产业化应用的时候,AGV还遇到一个问题,怎么让客户更加方便地使用AGV,减少在现场的配置、设置,这时候就需要机器人有更好的自适应能力,去完成客户所需,这也是在决策能力上的要求。
最后是执行能力,执行能力就需要要机器足够“聪明”,背后需要依靠强大的算法作支撑,如何做运动控制、如何保持更好的平衡。不知道大家有没有注意到波士顿动力推出的一款机器人,双足是用轮子代替,非常敏捷,从这个角度来看也是一种AGV,代表的可能是下一代AGV的雏形,它能实现的就是高速、高负载,而且高精度,这是我们对下一代AGV的看法。
孙宇教授: 除了仓储之外,AGV还有哪些比较好的应用场景?前景如何?
极智嘉CEO郑勇:其实我们公司之所以定位在物流这个方向,我们觉得物流有非常大的潜力,物流一方面是仓储,一方面是配送,刚才主持人也提到包括有一些无人机的配送或者快递小车的配送,包括在无人驾驶里面也有物流车的配送,其实这些在我看来跟AGV都是一脉相承的技术。因此,除了在物流领域,它会更多地走到室外,帮助人类的生活变得更加便利,包括也会用同样的技术变成我们家庭服务机器人。我们说AGV代表的是机器人的移动能力,这种移动能力在未来的机器人跟人类的交互性方面,发挥的作用是巨大的。
孙宇教授:所以说这是小到蔬菜果盆,大到火箭卫星都可以包括进来?
极智嘉CEO郑勇:对。
孙宇教授:朱博士能否讲一讲智能物流技术给其他领域带来的影响?
朱礼君博士:现在智能物流领域用到的技术可以用到传统的供应链管理,往上游的话包括整个产销的过程;其次是工业生产,其中会涉及一些调度问题,解决这些问题的方法都比较类似。
孙宇教授:时间也到了,大家掌声感谢三位嘉宾的精彩分享。
主持人:随着三位大咖的分享结束,智能物流专场也落下帷幕。感谢各位参加由雷锋网承办的2017CCF-GAIR峰会,明年再会。
雷峰网原创文章,未经授权禁止转载。详情见转载须知。