丽莎老师讲机器人之美CBS节目揭秘无人驾驶卡车

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
近日，CBS著名栏目《60 minutes》播放了一期以“无人驾驶卡车”为主题的节目。
　　“图森未来的无人驾驶系统不仅可以让卡车在夜间行驶，在一些极端天气环境下，类似雨天也有不错的表现，”“同时，图森未来已经在解决雪天环境了。”
　　“如何做到的？我听说是一些硬件的升级是吗？”显然，这个话题引起了主持人jon对无人驾驶技术的兴趣。

　　“并不只是简单的硬件升级，图森未来拥有一套独立的无人驾驶系统，将自主研发的传感器、先进的激光雷达及毫米波雷达进行融合，这些设备与一台超级计算机相连接，由它来操控整台卡车，从而实现L4级无人驾驶功能。”
　　在听完首席产品官Chuck Price的介绍后，拍摄团队表示想亲自体验一下这个来自“未来的技术”。
　　“感觉坐上过山车了”为了不错过体验环节中的任何细节，摄制组在图森未来的无人驾驶卡车上安装了多台相机，用他们的话来说，“比当年NASA在阿波罗号登月时安装的还要多”。
　　在工作人员的安排下，一声“无人驾驶模式启动”的指令响起后，Jon的无人驾驶初体验，就此开始。

　　在这次体验路线的选择上，图森未来安排了位于亚利桑那州图森市的日常作业路线，全程约65英里，这也能让体验效果更为直观。但就在体验进行中的时候，图森未来的无人驾驶卡车碰到了一个小麻烦——“野蛮加塞”。
　　“那辆车刚刚是不是要加塞了！”Jon 指着眼前突然要变道的车说道。
　　“不错，我们刚刚的确被加塞了。”
　　“但是卡车并没有向它按喇叭，难道是脱离无人驾驶模式了？”
　　“没有，我们一直在无人驾驶的模式下，但是图森未来的无人驾驶系统比人还聪明，可以提前预判这样的行为，并作出迅速调整。”
　　科技技术在带给我们更便利、高效的生活环境的同时，我们也经常听到大家对于隐私问题、取代人工等问题的讨论。图森未来认为，这些声音本身，在一定程度上，也推动着技术与商业化、技术与法律法规的结合，往更完善的方向上发展。
　　无人驾驶本身只是一个技术，技术影响到生产方式，生产方式进而影响到生产的组织方式。而组织方式发生改变，整个产业链就会进行重组，一个新的合作模式诞生，最终影响到产业。所以要从技术影响到产业，是一段相当长的路，并非一蹴而就的。

丽莎老师讲机器人之NASA核动力机器人3年钻透14公里冰层改写教科书

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
过去20年，NASA在火星寻找生命的任务全面展开，目前仍然没有找到火星生命的证据。不过我们已经发现，火星上有水，曾经有海洋，现在有季节性水流，这说明在地球之外，确实有天体存在液态水。木卫二和土卫二的冰下海洋已经在理论上被证实，但是没有实地勘察。
根据我们现有的天体生物学理论，有水的地方就有可能有生命，于是木卫二和土卫二一下子就吸引了一些科学家的目光，这里也有可能是下一个天文生物学的前沿。但并不是说火星的调查就没有机制，过去20年，NASA在火星上投入100多亿美元的资金进行研究、研发探测器，得出了火星死亡之谜、火星数十亿年前有一个温暖的全球海洋等结论，就差生命痕迹了。
在太阳系外侧轨道上的一些天体，也有大量的液态水，最有趣的是木卫二和土卫二，它们的冰下海洋很可能与岩石圈接触，因此会出现让我们更加意外的各种复杂化学反应，这些反应产生的能量可以供给微生物使用。在木卫二和土卫二上的黑暗海洋中，许多科学家认为这里有微生物，因为在地球的同类环境中也有微生物。因此我们需要探测器进行调查，这些探测器要能潜水。

美国宇航局已经投入了几千万美元用来研究木卫二，这个计划被命名为欧罗巴快帆，预计在2020年中期发射，在抵达木星轨道后对木卫二进行数十次飞掠，对木卫二表面冰层进行深入研究，并且用雷达绘制木卫二海底地貌，评估海洋深度。欧洲航天局的探测器也计划于2022年发射，一起研究木卫二。
我们要彻底让木卫二奥秘被揭开，还需要地面侦察，NASA已经在开发木卫二的着陆器，能够挖掘10厘米的冰层。不过在木卫二的表层，难有生命迹象，因为木星的强大辐射会让这里“一毛不拔”。NASA科学家计划研发一个钻冰机器人，能够像乌贼一样在木卫二的海洋中游荡。穿透木卫二的冰层这个巨大的难题，冰壳厚度可能在15至25公里，于是NASA科学家考虑了一种核动力钻头，能够在3年内穿透14公里厚的冰层，可携带200公斤的科学载荷。这种技术也有可能让我们对南极冰层下方的湖泊进行探索，显然是一举多得。
约翰-霍普金斯大学的研究小组给出了另一种建议，可以用热力和机械手段切入冰层，开发一种混合钻探系统，利用机械钻来破坏冰层，但仍然需要足够强大的能量供应，看来核动力是最佳的方案，堪称核动力“金箍棒”，NASA第一个外星生命猎手。除了钻探外，通信也是一个问题，一旦钻头深入冰层，极有可能与地球失去联系，因为如果在钻头后面部署一根通信天线，那么电缆会被冰层的构造运动切断，这是NASA需要攻克的难题。
我们在木卫二探索上积累的技术也有望在土卫二上使用，土卫二的南极地区也有许多冰裂缝，NASA科学家也试图通过这些裂缝进入土卫二内部，同样面临的问题是可能存在厚达数公里的冰层。从冰裂缝的特点看，土卫二似乎更好钻探。不论在木卫二还是土卫二上发现了生命，那都将是改写教科书的发现。

丽莎老师讲机器人之俄罗斯打造机器人军队进入“终结者”时代？

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
电影史上《终结者》是一个划时代的作品，大导演卡梅隆和施瓦辛格的完美结合，开创了一系列的人工AI战争机器系列。这系列电影为我们揭开了未来战争画面的一瞥。即机器人军队正在取代常规部队，并威胁到人类生命。
如今这一切不再是科幻电影剧情，战场上出现了实战机器人部队。
2019年俄罗斯在叙利亚投入了一定数量的机器人部队，并且进入了实战阶段。而且这一类的新闻媒体报道越来越多，这表明了俄罗斯的机器人部队已经建立或成熟。
首先是无人机，这类武器在现今的军事应用上已经不是什么新鲜事了。2015年，俄罗斯一架SU24攻击机被武装分子击落，一名飞行员阵亡，另一名正在被武装分子包围，情况万分危急。但幸好附近有两架无人机正在巡逻飞行，一架迅速地把飞行员的精确位置定点发给大本营，另外一架则不断地把周边的武装分子部署情况汇报给特战队，并呼叫了压制敌人的重火力，最终成功地救出了飞行员。
第二次是围攻叙利亚境内的拉塔基亚省一个无名高地，由于该地区被极端武装分子占领，叙利亚政府军虽然包围了阵地，但是无法攻入。阵地中的极端分子凶悍异常，政府军的重火力没有发挥精确打击作用，而一旦靠近阵地，就会被对手用近距离火力压制。2015年12月，俄罗斯人用了“阿尔戈”轮式作战系统机器人杀入对方阵地，天上的无人机把地面上的极端分子情报汇总给指挥部。而机器人不是有生命的血肉士兵，它们不怕死亡也不知疼痛，直接冲到100米左右的距离，横扫了这些武装分子。政府军士兵跟在这些机器战士身后挨个清除掉那些漏网的敌军，少数漏网的敌人被自行火炮消灭。
第三次是盘踞在叙利亚的伊德利卜地区的极端武装分子，这些人不但是被洗脑成狂热的步兵战士，更拥有重武器和装甲部队。为了减少士兵的伤亡，俄罗斯人投入了“天王星9”履带作战系统机器人，击败了对手的坦克部队。从而为政府军清剿这一地区打下良好的基础。
随着信息革命向纵深推进，无人作战装备已经成为新军事技术革命的重要项目。而俄罗斯的军用无人系统发展是从2012年进入快车道，他们成立了国防部机器人技术装备科学研究与试验中心，制定了发展规划。
但目前这些机器战士还做不到电影中“终结者”那样的完全人工智能，它们都是几公里以外的军人遥控操作。俄罗斯的未来机器人部队发展趋势重点在于无人战车。人形作战武器毕竟还多数在测试，而且因为机械系统复杂远不如四足兽形态或者战车型号的机器人发展速度快。另一方面，俄罗斯还有很多问题要解决，比如伦理问题：机器是否可以决定要杀人现阶段让人难以接受，也会产生不可预知的后果。机器人部队的智能发展还有很长的路要走。
俄军目前装备的无人战车智能化和环境适应能力还没有达到理想高度，很大程度上还要依赖人类士兵的操作和指挥，而不具备单独作战能力。未来7年内，俄军计划建立全域覆盖的机器人作战平台作体系并结合战争形态和行动样式变化，组建规模化的机器人建制部队。
关于黑客是否会入侵人工智能战车，对其进行破坏，并让战车向己方人员或者平民开火的问题，俄专家的回答是否定的。因为人工智能和超级计算机不同，它能够独立为自己生成行为算法，它不像普通计算机一样在硬盘内稳定储存，而是用瞬间产生后又消失的神经联络链条。而且随着科技的发展，人类一定能够控制无人战车智能化程度，使其只为人类服务，而不是成为《终结者》电影中的“天网”那样的邪恶势力。
军用机器人不知疲倦，不用休息，也不惧怕死亡，可以在各种恶劣环境下作战。完成人类难以完成的工作，而且战斗力很强。这些优势有助于机器人取代人类士兵，成为未来战争中的主力。未来战场可能不再出现人类士兵的血与肉的拼杀，代之以机器和机器之间的对决。
在未来，无人作战系统将成为俄军作战的一个主要发展方向。而普京的说法更霸气：在人工智能领域成为领袖的人将成为世界霸主，当一方的机器人摧毁另一方的机器人时，战争就会结束。拟人化（人形）机器人可以取代人类的一部分工作，比如外科手术和使用各种武器战斗。要为未来的机器人战争做准备，将很快见证机器人军队独立进行战斗

丽莎老师讲机器人之当机器人来敲门，美国如何做到零接触送货

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。   
在美国，生鲜配送和快递行业正在积极接触自动驾驶物流机器人，测试安全性、探讨行业标准、加大推广力度。
全美连锁超市行业的大哥级人物沃尔玛和Kroger，以及送货上门需求很高的Domino披萨签下了送货机器人Nuro R2。
最近，R2拿到了联邦安全批准书，用于服务社区居民，可运输日杂用品、生鲜食品，这辆送货小车很快将在德州休斯顿地区投入使用。
一边由超市按消费者下单要求把食材装入送货自动驾驶车，另一边消费者在自家门口快速提货，全程实现零接触配送。
拿到联邦政府安全批准书，这标志着Nuro成为了美国历史上第一个获批可以使用的特殊用途自动驾驶车辆。
在安全批准书中，Nuro被要求使用寿命只有两年，作为轻型机器人车辆不得载客，时速只能低于25英里行驶，R2总产量不得超过5000辆。
R2要比普通车辆体积小很多，车门可以向上打开以保证最大限度地露出货仓。
R2会将用户下单购买的日杂、生鲜、食物运送到指定地点，客户输入密码后即可解锁车辆提货，Kroger计划每单向客户收取$5.99送货费，沃尔玛和Domino还未公布收费计划。
由于时速限制、以及为了确保送达货物的新鲜程度，R2的送货范围将被设置在一定的社区范围内，不会出现像从北京中关村送货到通州式的长距离运输。
自动驾驶车辆在中美高科技圈这几年关注度一直都很高。国内有美团、京东物流、Geek+、灵动科技、九号机器人（Segway Robotics）等等。
国外除了Nuro，福特和Agility Robotics合作推出了送货机器人，这个长相酷似人类的机器人最多可以搬起40磅重的包裹。   
美国最大的物流公司之一FedEx宣布服务美国商超进行最后一英里运输的FedEx SameDay Bot（当日达机器人），签下的合作伙伴包括 AutoZone、Lowe’s、必胜客、Target、Walgreens、沃尔玛。   
外卖公司Doordash选择和Starship合作，去年8月A轮融资4000万美金后，Starship宣布将在两年内在全美大学校园内部署数千台运输机器人。
拿到腾讯、Maven Ventures、Eclipse Ventures、UpHonest Capital等投资的Marble，“除了外卖，还要延伸到日用百货、零售、药品等多种品类商品的配送。”   
为什么美国也流行“零接触”配送？
研发自动驾驶车辆，一方面是为了把人类从车辆驾驶中解脱出来，另一方面也是为了降低交通事故发生几率。
那么研发送货上门的自动驾驶车辆有什么特殊意义吗？
婴儿潮(baby boomers)一代出生的美国人，习惯于拿着列好的一长串超市购物单，推着购物车在超市里一行一行扫货，而继他们之后美国人对超市购物的兴趣一路下滑。

尽管商家想尽一切办法想方便消费者购物，例如出现了像沃尔玛、Costco、Target这样一站式购物巨头，连药店都能买到食品的CVS、Walgreens，但还是无法重新让美国人爱上超市购物。
再到这几年，由于20、30岁的千禧一代(Millennials)对超市购物的厌烦，催生了大量日杂、生鲜食品线上购物送货服务，例如大名鼎鼎的AmazonFresh等。   
在美国人闲话家常的论坛里随便逛逛，就能找出一大堆美国人讨厌超市购物的理由：讨厌拥挤的人群、讨厌排队等待付款、讨厌磨磨唧唧的收银员、讨厌一不留神买太多回家吃一半扔一半、讨厌在繁忙的停车场找不到车位、讨厌好不容易买完东西回家还要下厨做饭… …   
美国最著名的超商巨头沃尔玛Walmart，是全美国公认的各路怪咖沙雕最常出没的聚集地，很多有经济能力的消费者对沃尔玛都避之不及。
本来价格便宜、24小时营业，应该是沃尔玛最强竞争力之一，但也正是因为这两条让沃尔玛的购物体验犹如噩梦，可能随时偶遇很久没有洗澡的流浪汉、或有明显精神不正常的喃喃自语者，永远也排不到你的收银台，因为前面塞着N个装载着可以喂饱一个连食物的购物车... 
在实体超市购物热情的消退在数据上也得到了证实。
美国联邦数据统计显示，现在25-34岁的年轻人，每年花在超市购物的平均费用为$3,539，在考虑了通货膨胀因素后居然比1990年的同龄人们减少了一千美元。
这并不是因为年轻一代的美国人转了心性不再喜欢买买买，而是大家的钱被分散开来。
比起在厨房里做饭，千禧一代更喜欢去餐厅吃饭；像Uber Eats、DoorDash这些送餐服务的兴起，让食客们可以足不出户吃遍天下美食。
当然还是不少人想在家里做饭的，可能会省钱又健康，但是厨艺不佳怎么办？
于是又应运而生了像Blue Apron这样的食材配送服务，每道菜包含的所有食材、配料都为你准备好了，只要在自家厨房里完成最后一部烹饪就好了。
如果你习惯网上购物，Amazon Pantry和AmazonFresh完全可以满足你对日常生活用品、生鲜食品的需求，只需要在亚马逊app里下单，你需要什么亚马逊就给你快递上门什么。

现在各地各家超市、包括Whole Foods这样的高端品牌，也都提供顾客网上下单、预约时间进店取货、或者上门送货的服务。
当今各类商家的服务真的无愧于“想你所想，及你所及”... …   
总而言之，美国人民“懒癌发作”给了生鲜电商崛起的机会，沃尔玛亚马逊无所不包的线上商店、Doordash UberEats便捷的外卖服务还有更多寄到家门口解决做饭难题的Meal Prep公司，生鲜电商的无比发达进一步给了人们...不用出门的好借口‍。
美国人民买账吗？
在手机上选购、交钱，一会自动驾驶送货小车就把你需要的一应货物全部送货上门，全程与人零接触，这种无比适合满足当前国内广大受新型冠状病毒疫情影响的民众需求的自动驾驶货运小车，在美国消费者那里是否买账呢？
时速25英里（Nuro R2)？这是要给美国已经糟糕透顶的堵车问题再填多少堵啊？
还有人质疑小车的性能：
我现在住得离超市、披萨店都很近，出门购物很方便，但我好奇如果遇上大雪天气、或者每小时50英里移动速度的飓风天，这个自动驾驶小车还能送货上门不？
有人关心货物的安全：万一有人劫住送货小车、抢了我们的披萨怎么办？？？   
美国媒体BuzzFeed曾做实验，抢劫路上行驶的货运机器人，第一次没撬开锁，记者直接偷走了机器人，第二次顺利偷到，货运机器人的安全性引人思考。
虽然我们会看到很多类似上面的质疑，但当今自动化驾驶科技研发势不可挡，商家为消费者提供更多便捷服务的选择也是大势所趋。

也许并不是所有人都对在自家小区里看到自动驾驶送货小车喜闻乐见，但不得不承认这类自动驾驶车辆可以节约能源，节省了消费者的购物时间，可以为年纪太大腿脚不方便、开车危险的老年用户们提供更多购物选择。
而这次爆发的新冠病毒疫情，也必然会让依靠大量人力运输的物流模式进行反思，说不定将成为一次推动自动驾驶研发、物流模式改良的绝佳契机。

丽莎老师讲机器人之伯克利、Deepmind前仆后继只为教会机器人做家务？

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
伯克利就传出新进展，他们教机器人做家务的能力更上一层楼了。
伯克利介绍了他们的研究人员是如何让机器学会读懂人类的潜台词或未尽之意，而不是傻乎乎地按照字面意思或者奖励系统来机械地运动。
举个例子，当餐桌机器人上菜时，它会知道躲避酒柜，或者在停电等紧急情况下停止端盘子，而不是为了尽可能多地得到奖赏（端一个盘子系统会提供一个奖励），而马不停蹄地送盘子。甚至还可能直接把盘子打碎，这样就可以获得更多的（奖励）了……
第一反应是机器人可真笨啊，第二反应是伯克利教机器人做家务的执念也未免太深了吧！之前还开发过引擎教机器人铺床单、叠衣服、收拾桌面，总之，非要让机器人掺和家务这件事不可。
想要挑战家务技能的除了伯克利，还有Deepmind。去年2月，Deepmind就提出了一种新的学习范式“计划辅助控制SAC-X”，来帮助机器人学会整理桌子和堆叠衣物。
前不久佐治亚理工学院的研究人员，也发表了新的强化学习算法，可以教会机器人穿衣服。
为什么这么多AI巨头不约而同地走上了家务培训的道路？未来我们能拥有《底特律》中卡拉那样温柔能干的家政机器人吗？
首先我们来看看，在这么多人类学霸、AI巨头的助攻下，机器人都学会了哪些家务小技能。先来说说“家政狂魔”伯克利。
早在去年，我们就解读过伯克利的通用预测模型，它可以帮助机器人自主学习和掌握很多通用基础技能，在此基础上学习和预测主人的意图和任务的共性，从而可以举一反三执行广泛的任务类别，成长为一个优秀的“家务多面手”。比如折叠短裤毛巾、挪移苹果、整理桌面等等。
伯克利还推出了一个深度学习模型Dex-NET，基于角点检测和抓取策略，让机器人完成铺床单这一艰巨任务。
最值得一提的是新的研究成果“偏好优化模型”。机器人不仅能完成通用任务，而且还能够推断出更优解，适应带有隐藏条件的复杂现实环境。比如在常规的“actor-critic”增强学习反馈机制中，主人要求机器人导航前往紫色的门，那么机器人就会选择最短路径（传统意义上的最优解），而忽略这么做会打碎路上的花瓶。
因为机器人无法获知，主人是否关心花瓶会不会被打碎。但如果机器人能自己模拟和演练过去发生过的行为轨迹，比如主人一直都绕着花瓶走，说明她是重视花瓶的完整状态的，由此推断出绕过花瓶是最有可能获得奖励、应该积极追求的目标。
机器人拥有洞察隐藏条件的能力，意味着它们可以从一种状态中学习人类的偏好，系统无需事无巨细地列出所有现实环境中的因果联系和条件，奖励函数也不再是线性机械的，机器人可以自主模拟和学习过去的经验，判断和应对未知的动态环境。对于做家务这个任务来说，判断主人的喜好来进行作业，可以说是必杀技了。
与伯克利相比，Deepmind其实对医疗这种高精尖任务更感兴趣。但这并不妨碍它在家政领域发光发热。
Deepmind的“计划辅助控制SAC-X”模型，就旨在帮助机器人学会探索和掌握家务方面的基本技能。就像婴儿在爬行和走路之前必须发展出协调和平衡能力一样，SAC-X也有助于帮助机器掌握几种核心的视觉-运动技能。
比如运用模拟手臂，按照正确的顺序，即使没有见过这各任务，也能从零开始学习，并按要求顺利地把物体举起来。这样就能在无需额外编程的前提下，完成整理桌面这样的复杂任务。
此外，乔治亚理工学院将布料引入学习框架，教机器人学会穿衣服的论文也非常别出心裁。因为衣服的布料材质各不相同，穿衣服的动作也无法遵循特定的运动轨迹，会和布料产生复杂的交互变化，机器人必须不断练习，对各个子任务（拽起边缘、扯平衣角等）进行模拟和优化，在不断变化的环境条件中学习到稳定的创意控制策略，最终完成穿不同衣服的任务目标。无论衬衫、套头毛衣，还是外套，都是妥妥滴！
听起来，好像大部分家务活儿机器人都可以驾驭嘛，但现实中能够见到的家务机器人，干起活来依然是一副又慢又笨的蠢样子。比如由伯克利设计、Rethink Robotics公司开发的家庭助手，叠一个毛巾就要15分钟；而加州 FoldiMate推出的智能洗叠机器，可以按照程序把衣服叠成需要的方块，但需要人手动放置在展台上，并没有节省多少人力，售价还高达980美金（约7000块人民币）……嗯，还是自己动手丰衣足食吧。
不是比人慢，就是比人贵，靠机器人做家务性价比实在是太低了。那么，既然不能真的帮人类做家务，教机器人学习这些技能，究竟有何意义？为什么是做家务，去工厂搬砖不行吗？

干嘛非要跟家务活儿较劲呢？原因恐怕在于，家政任务提供了一个从零开始学习复杂控制任务的训练环境，这对通用机器智能来说至关重要。
首先，家政任务的真实性和多样性，有助于智能体学会如何用最少的先验知识来解决复杂问题。
先验知识指的是一种不依赖于经验总结（类似编写好的程序，从结果推导过程）的一种元能力，通过观察学会推理和判断。而机器人就没有这种“天生的”知识，但显然我们也不可能将机器人服务的每个家庭、每个可能任务都进行预先编程，这时，训练机器人的通用能力就显得尤为关键了。
尽管机器永远不可能拥有像人一样的先验能力和通用性，在各个学科、各个工作岗位都能表现差不多。但在很多垂直领域，比如：工业、家务、语言等，先验能力强的机器智能体就可以低成本、高适应性、灵活地完成工作任务，解决那些现在只有人才能解决的问题。
另外，家政任务是一个集视觉、触觉、运动、关节控制等为一体的任务，综合性很强，这是其他碎片应用不具备的环境，对训练多元功能协作的智能体很有帮助。
比如：伯克利教机器人从垃圾桶中拾取原本看不见的物体，就需要通过摄像头采集深度图像，形成模拟数据集，再利用该数据集训练质量卷积神经网络（GQ-CNN），对物体进行图像分割，确定抓取尝试成功的可能性，最后形成抓取成功概率最高的策略，再对夹持器关节进行实时精密控制，才能最终完成这一操作。一次训练，多种收获。
更重要的是，家务的操作环境比起工业机器人、电子游戏等，都更加松散，充满变化，任务的主观预期和隐藏含义更难界定和预测，无形中加大了训练难度。与此同时，家政任务的训练成本也比较低，也更容易为大众所理解，社会效益和营销价值双丰收。相比对机器狗拳打脚踢、在《Dota》中血虐真人玩家，让机器做做家务简直堪称是最政治正确、价廉物美的训练方式了。
在家政机器人背后，实际隐含的是一种智能体创生的本质逻辑：在复杂的环境中自己探索出解决随机和非结构化问题的合理方案，可以安全地与环境交互，同时高效地完成任务。具体一点说，训练家政机器人，主要有一下三个方面的好处：
一是培养更具有通用智能的机器人，在不需要过多指导的前提下，执行一系列任务，提高机器自动化的安全性和工作效率。
二是有助于开发用于分层规划、感知和推理的算法，可以帮助自动驾驶、工业自动化、智能物联网等等领域解决应用问题；三是推动零样本学习、少样本学习等技术的进步。在缺乏外部奖励信号的情况下，算法也能很好地推理出行为的意图，可以显著提升电商、内容产品推荐系统的使用体验。
这样，大家恐怕就不难理解，为什家务会成为通用智能体成长道路上无法绕过的“垫脚石”了。

丽莎老师讲机器人之人工智能对病毒的八方狙击之二

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加或搜索微信公众号：我最爱机器人。
4、AI自动测温+人像识别
如今面临返工潮，高铁站和地铁站都是人员最密集的地方，在这些地方部署自动化监测手段能够大大降低工作人员的心理以及身体负担。
基于落地场景需求，多家AI研发团队提出了“人体识别+人像识别+红外/可见光双传感”的创新解决方案。例如旷视AI测温系统已经在北京市海淀政务大厅和部分地铁站展开试点应用；在2月1日，百度就已经官方宣布，百度AI体温检测技术落地北京清河火车站，全力帮助北京春运返程的疫情防控。
当前的AI测温策略大多是：用多台热成像机器对通过的旅客进行快速体温检测，并将快速扫描检测的结果画面实时同步在电脑上，并通过人工智能系统来自动识别并标记体温异常的旅客，提醒专业人员对其进行详细检查。但是针对戴口罩人员的人脸识别，这些AI系统进行了专项模型优化，即在口罩和帽子大面积遮挡人脸的情况下，系统也能帮助工作人员快速筛查通行人群。
其AI系统从1月底部署，截止2月8日，就已完成超过3.2万人次的快速体温检测，累计发现了逾190人次的体温疑似异常案例并由工作人员进行了人工复检。更为具体的，这种系统的智能疑似高热报警带宽可达到每秒 10 多人，且一套系统可以部署多个通道。这样一来，人流量较大的地铁、车站在 AI 系统的辅助下，仅需 1 名工作人员就能够管控现场，大大降低一线工作人员被感染的风险。
5、借助对话机器人支援社区政务工作
疫情当头，防控一线人员紧缺成为了一个大问题。这种形势下，能够对公众的问题进行及时及时回复的智能机器人成为了解决方案之一。
对此，1 月 22 日，阿里巴巴研发团队召集了数十位工程师，用五天时间紧急推出了智能疫情机器人，主要有在线问答型机器人和热线语音机器人两个渠道的应用，通过语音识别、自然语义理解等人工智能技术，能够完成在线咨询、网络问诊、重点群体关怀等任务。
目前智能疫情机器人已在浙江、黑龙江、山东济南等地“上岗”，支援当地社区的政务工作。
浙江省新型肺炎公共服务与管理平台入口以“浙里办”APP于1月27日上线的应对新型冠状病毒感染肺炎的专门平台——浙江省新型肺炎公共服务与管理平台为例，为平台提供服务的正是这款智能疫情机器人，其中在“网上智能问诊与人工服务”服务模块，智能疫情机器人能够秒答诸如什么情况下需要就医、浙江省定点医院都有哪些，怎么选用口罩、怎么检查口罩的气密性、口罩用完了如何处理等疫情问题。
智能疫情机器人“上岗”第一天，“浙里办”的网上智能问诊服务对用户咨询的解决率超过92%。与此同时，百度也紧急推出了针对疫情防控的智能外呼平台，可应用于社区疫情排查和通知回访等场景：一方面百度智能外呼平台具有批量一对一电话呼叫的能力，可以通过定向或随机发起拨入居民电话，自动询问并采集疫情信息分析；另一方面，百度智能外呼平台能够自动生成触达统计报告，还可以同时对居民进行疾病患教及防控指导。
该平台不仅可以减少基层工作人员上门摸排时的工作风险，也减少了排查时间，提高防控疫情效率。据悉，百度智能外呼平台已经在北京海淀上地街道办、陕西西安、延安、上海宝山、浙江温州瑞安市、福建福州仓山区等十几个地区投入使用。截止目前，外呼总量已达百万次。
6、用AI 模型评估市场在售药物的有效性
疫情十万火急，疫苗的整个开发过程较为漫长。这种情况下，一些医药公司开始另寻他法，比如测试已经存在的抗病毒药物是否对新型冠状病毒有效。其中，韩国药物研发公司Deargen就联合檀国大学，采用基于深度学习的药物靶点相互作用模型—— 分子转换器-药物靶标相互作用（MT-DTI），来寻找市场在售的可用来治疗新型冠状病毒的药物。
经研究发现，用于治疗和预防HIV的抗逆转录病毒药物阿扎那韦，是最有希望能被用于临床的化合物。据MT-DTI模型显示，阿扎那韦在所有经测试的药物中对新冠病毒的3C-like卵白酶（是冠状病毒的复制历程中极为重要的卵白酶）的抑制作用最强。其次是依非韦伦、利托那韦和多洛格韦。
该团队也表示，例如克力芝（含洛匹那韦/利托那韦）等几种抗病毒剂，也可能被用于治疗新冠肺炎。如果各大医药公司通过应用 AI 技术最终真从市场在售药物中找到了对新型冠状病毒有效的药物，我们打赢这场疫情狙击战的战线不知道可以拉短多少倍！
7、AI 算力助力药物研发
1月29日阿里巴巴联合全球健康药物研发中心（GHDDI）开发人工智能药物研发和大数据平台，针对SARS/MERS等冠状病毒的历史药物研发进行数据挖掘与集成，开放相关临床前和临床数据资源，计算靶点和药物分子性质，并跟进新型冠状病毒最新科研动态，实时向科学界和公众公布，为新型冠状病毒科学研究提供重要数据支撑。
新药和疫苗研发期间，需要进行大量的数据分析、大规模文献筛选和科学超算工作。为此，阿里云可以提供AI算力，支持病毒基因测序、新药研发、蛋白筛选等工作，帮助科研机构缩短研发周期。同时，阿里将与合作机构向全球科学共同体免费开放相关药物研发资源，共同加速针对新型冠状病毒的药物研发。
 1 月 30 日，腾讯官方宣布向  正承担新冠肺炎的药物筛选   和病毒突变预测工作的     北京生命科学研究所/清华大学生物医学交叉研究院的  实验室、中山大学药学院的  团队提供免费的运超算能力、运算集群支持以及基础的云计算能力，并成立应急工作小组，帮助加速疫苗研发和新药筛查。
就在同一天，百度也宣布向各基因检测机构、防疫中心及全世界科学研究中心免费开放线性时间算法LinearFold算法和世界上现有最快的RNA结构预测网站，可将新冠病毒的全基因组二级结构预测从55分钟缩短至27秒，从而助力疫情防控。
8、用 AI 技术防治社交媒体文章中的信息错误
在此次疫情爆发期间，线上线下过多的信息，甚至是不准确的信息都扑面而来，让人们无从分辨真假信息，也难以在有需要的时候找到可信赖的消息源和可靠的指导。
对此，世卫组织亲自技术风险沟通和社交媒体团队紧密合作，密切追踪疫情期间出现的谣言和错误信息，并及时作出回应公布于社交媒体平台。
与此同时，多个海外主要社交媒体平台也已开始借助人工智能技术在自家平台上的应用，针对疫情谣言采取相关举措：1月30日起，Twitter 已启动搜索提示，当用户在推特平台上搜索“新型冠状病毒”时，将会出现“了解事实”的窗口，这样用户首先能获得可靠的、权威的信息。
1月31日，Facebook 表示，当用户搜索和疫情相关的信息时，将根据世卫组织的指导首先提供可靠的信息。此外，Facebook 还宣布将删除包含“与疫情相关的不实信息”的帖子。而就在同一天，谷歌也宣布，将与世界卫生组织合作，在用户搜索新型冠状病毒的相关消息时，在其搜索页面置顶“世界卫生组织网站的新闻”、“安全提示”、“最新信息”等。

丽莎老师讲机器人之人工智能对病毒的八方狙击之一

丽莎老师讲机器人之十种先进的军用机器人

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
1.“粗齿锯”无人车
“粗齿锯”是一台不可思议的机器，这种无人驾驶的多用途车辆可以在车队、战斗、侦察、监视和救援中使用。“粗齿锯”无人车有一个6.6升的柴油发动机，750匹马力，最高时速95英里。令人印象深刻的是，里普锯能够装载自己的弹药，并在短短几秒钟内将弹药的种类替换掉，这种令人生畏的野兽也可以用于人群控制。
2.MQ-1"捕食者"无人攻击机
MQ-1"捕食者"无人驾驶飞行器，或无人机，用途广泛，而且用途越来越多，军方很好地利用了这些。MQ-1是在上世纪90年代初建立的，阿富汗、巴基斯坦、伊拉克和波斯尼亚都是其用户国。虽然它的主要作用是侦察和监视，但它已经升级为包括2枚地狱火导弹和其他进攻性武器在内的无人机。远程控制的MQ-1"捕食者"可以在需要返回基地之前飞行460英里并在目标上空盘旋14小时。
3.多功能后勤保障机器人   
这种机器人实际上是使用人工智能操作的，它们能够分析所处的环境，并独立计算它们的下一步行动。该机器人可以在没有任何人类帮助的情况下运行，令人惊讶的是它们有能力自我修复。它们能够学习新事物，可以独立地根据周围环境调整策略。
4.Daksh机器人
5.战斗机器人Guardium   
6.“守门员”机器人    
7.警戒机器人Guardbot   
8.Packbot机器人   
9.MARCbot机器人   
10.歌利亚武装机器人    

丽莎老师讲机器人之以色列本.古里安大学开发出灵活的RCTR履带机器人

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。

来自以色列本·古里安大学的可重构连续轨道机器人，简称 RCTR 。这个团队过去曾参与过许多新颖的机械设计，比如通过波动来爬行、游泳、甚至一台可飞可走的无人机。
研究团队决定将 RCTR 进一步小型化，当前原型中使用了三台电机，但未来有望精简至两台电机。
随着机器人的前进，柔性连杆能够让机器人的刚性履带保持一定的形状、或者解锁更大的灵活性。比如在遇到障碍物的时候，可以让前头以特定角度攀爬过去。

通过将锁定和未锁定的连杆混搭到一起，可确保 RCTR 机器人的身体在不平坦的地形上滚动并向上弯曲。
显然，这种机器人可在搜索和救援上发挥极大的作用。比如在灾难或勘测现场，RCTR 能够轻松通过传统履带机器人难以逾越的坑洼路线。
遗憾的是，当前原型只能沿着直线移动。因此在投入实际应用之前，本·古里安大学的研究团队仍需找到其它方法，以提升 RCTR 机器人的操控灵活性。

丽莎老师讲机器人之华盛顿大学的投喂机器人

欢迎收听丽莎老师讲机器人，想要孩子参加机器人竞赛、创意编程、创客竞赛的辅导，找丽莎老师！欢迎添加微信号：153 5359 2068，或搜索微信公众号：我最爱机器人。
在美国西雅图的华盛顿大学的实验室里，机器人研究人员开发了一种机器人系统，可以口头命令机器人给人喂水果吃。而且还要避免填鸭式喂饭的尴尬。
在一次现场演示中，研究人员发出了命令：“亚莉克莎，告诉机器人拿一个草莓给我。”话音刚落，机器人手臂扑到一个盘子里，用传感器找到一个草莓，用叉子刺住草莓，温柔的送到博士的嘴里。
机器人可以操作具有许多不同性质、大小和形状的食物进行喂食。为了解人类在进食过程中是如何操作食物的，并探索如何使自己的策略适应机器人的行动，进行运动规划，科学家收集了一个丰富的人类轨迹数据集，令机器人将食物并喂给人体模型。接下来，通过对采集到的触觉和运动信号的进行挖掘与分析，提出了一套服从人类的触觉和运动信号分类器。最后调整机器人的控制策略。
这个项目旨在帮助那些无法独立生活的弱势群体，研究人员表示，他们努力积累机器人与人类交流的经验教训，可以应用于其他活动的机器人，也就是将机器人照顾人类的交流经验逐步复制到其他穿衣、洗澡等亲密行为的任务上。