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。

丽莎老师讲机器人之2018十大机器人新进展，索尼电子狗，哈佛微型机器人、耶鲁机器人皮肤榜上有名！

机器人技术和机器人开发在2018年取得了一些标志性的进展，无论是家用、工业、医疗、生物和玩具行业都取得了显着的进步，推出了新机器人和先进的人工智能。比如之前日本出名的机器漫游车捕捉小行星的近照、索尼新一代电子狗、哈佛研发可在水上水下行走的微型机器人还有耶鲁大学研发的机器人皮肤。

然而，今年这个领域也发生了可惜的事情，Rethink Robotics由于销售不佳，在2018年10月25日被收购，而开发社交机器人的Jibo也倒闭，推出家庭助理库里Mayfield Robotics也命运相似，今年以来一直在寻找外部合作伙伴进行长期技术开发，但未能找到投资来支持，最终该公司在10月31日前停止所有业务。

跟任何技术一样，当新技术进入市场时，旧技术会被淘汰或者被更新，2018年在机器人领域已经看到了一些新的进步，用各种方式改变我们的生活。

从家庭助手到帮助拯救环境，机器人也将会继续发展，承担我们分配的任何任务。而本文将会介绍新推出的机器人和机器人开发项目，以及预测未来的行业趋势。

1：波士顿动力公司推出Atlas人形机器人

2：JAXA的MINERVA-II机器漫游车捕捉小行星的近照

日本宇宙航空研究开发机构（JAXA）几个月前登上新闻头条，他们研发的机器漫游车搭乘无人驾驶的隼鸟2号探测器，成功着陆小行星。之后，一对机器人漫游车（Rover-1A和1B）就开始拍摄小行星的图像和视频，实现世

3：索尼限量版电子狗Aibo在美国首发

Aibo还配备了一对相机，有鱼眼和SLAM功能（同步定位和制图），可以导航和识别障碍物。相机以及狗的传感器套件（ToF、测距、压力、电容等）

4：康奈尔大学工程师开发可适应环境的形状移位模块化机器人

5：耶鲁大学研究人员开发机器人皮肤，可将物体变成机器人

7：伍斯特理工学院推出Hunter/Killer水下自主机器人，可以拯救被狮子鱼入侵的生态系统

8：本古里安大学的RSTAR机器人可以识别障碍，完成爬行、攀爬和伸展动作

9：哈佛的下一代微型机器人可以在水上或水下行走

10：AIST的HRP-5P施工机器人在日本当工人

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。

丽莎老师讲机器人之无人监督的超级电池工厂。
这座超级电池工厂位于沙漠，生产车间的主色调为白色和特斯拉标志性的红色。在这里，入耳的是机械的轰鸣，入目的是机器人的身影，这座工厂几乎能在无人监督的情况下稳定运作。
对特斯拉有所关注的人，一定也对超级电池工厂 Gigafactory 1有所耳闻。
2014年，特斯拉的第一座 Gigafactory 正式落户位于内华达州西部的Reno，引起了众多关注。
特斯拉之所以将选址定于内华达州，部分原因是看中了该州13亿美元的税收优惠和免费的土地使用权等优惠政策，特斯拉在未来20年内将持续受益于此。
你可不能小看这座超级电池工厂，它将成为全球最大的锂离子电池工厂！它是特斯拉未来的关键，是特斯拉的秘密武器。
当前，Gigafactory 1工厂占地已超过190万平方英尺。工厂操作空间大约有490万平方英尺，但这只相当于Gigafactory 1超级工厂完工后的30%。
这座超级电池工厂位于沙漠，生产车间的主色调为白色和特斯拉标志性的红色。在这里，入耳的是机械的轰鸣，入目的是机器人的身影，这座工厂几乎能在无人监督的情况下稳定运作。
正如马斯克的描述， Gigafactory 就是「一台打造机器的机器」，在工厂的组装线中机器人承担了大部分工作。
“机器人造机器” 工厂高度自动化

特斯拉计划在Gigafactory全面投产时雇佣逾10000人，而这一目标需要自动化来助力完成。
目前看来，工厂内协助工人制造机器的机器人大致有3种。首先是最为常见的自动引导车（AGV），它们依靠地面磁铁或导航信标来移动或改变路径。特斯拉开发出了重载版本。
其次，就是用于材料运输的自动驾驶智能车（AIV）。Gigafactory所使用的AIVs由美国专业从事工业自动化的高科技生产企业Adept Technology公司制造，名为“Adept Lynx”，可负荷60kg的重量，工作时间长达19个小时，还可自主安排充电。
与AGV或其他机器人不同的是，AIV不需要被固定在某个位置，或遵循地面的磁铁或导航信标来移动。它只需使用数字地图就能够自由自主地穿梭于工厂，检测传感器保证其安全地避开人类和障碍物。有趣的是，特斯拉还把其中一个AIVs改造成了《星球大战》里R2-D2的样子。
Gigafactory 1所使用的、目前已知的最后一种机器人是重载机械臂，特斯拉已在其弗里蒙特工厂中广泛使用。不同于弗里蒙特工厂中的库卡机械臂，Gigafactory选择了发那科机械臂——M-900iB。一个机械臂系列可有效负荷700公斤，单个机械臂可负荷360公斤。
而松下也为电池生产带来了先进的机器，马斯克称松下这些机器将让工厂的电池生产速度「比机枪射出的子弹速度还快」。
这些新机器为Model 3汽车打造出了全新的蓄电池，2170型号，直径为21mm，高为70mm。此前特斯拉Model S和Model X所使用的电池是18650型号，直径18mm，高65mm。

整个车间内，从原材料加工到成品的组装，几乎所有的生产工作都由机器人完成。冲压生产线、车身中心、烤漆中心与组装中心，这四大制造环节种总共有超过150台机器人参与工作。
来看看机器人在特斯拉超级工厂里的表现：给车喷漆、安装车窗、组装座椅、轻轻松松就能够托起车身。
马斯克曾经表示，该工厂目前的产能已经是全球第一，比世界上任何其他工厂的产能都要高。据报道，Gigafactory 1现在每年产能达到20GWh，而且仍在继续增长。
除了万众瞩目的 Gigafactory 1，更多的特斯拉超级工厂正在建设中。
Gigafactory 2的选址定于纽约布法罗；而Gigafactory 3则落地中国上海，设集研发、制造、销售等功能于一体，规划年生产50万辆纯电动整车。
对于特斯拉来说， Gigafactory 不仅决定了 Model 3 等车型的产能是否能跟上，也寄托了马斯克对于可持续交通和能源生产的愿景，Gigafactory 对于实现公司的使命至关重要，这一使命超越了电动汽车，目标是要推动世界向可持续能源的转型。

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。

丽莎老师讲机器人之可嵌入任何名画的AI神器，秒变蒙娜丽莎无PS感。
今年4月，康奈尔大学的一个人工智能研究团队发表了在arXiv上发表了一篇论文，详细地介绍了他们的新机器学习算法，该算法可以将物体和人完美(或近乎完美)地嵌入画作中，且与艺术家的风格完全匹配。
论文地址参见正文：https://arxiv.org/abs/1804.03189
现在，研究人员已经将代码开源至GitHub上，大家都可以去使用呦！
将蒙娜丽莎替换成迪克特·康伯巴奇(Benedict Cumberbatch)的脸，也不会觉得违和。
迪克特·康伯巴奇的脸与达·芬奇的绘画风格完美地融合在了一起。
该团队的算法简单来说主要分为三个步骤：
Step 1：首先粗略地将人脸或物体放在画上，这个阶段所呈现的效果就仿佛让你的爷爷在没有任何指导的情况下使用photoshop一样。
Step 2：在下一个阶段，它会对绘画进行粗略的风格匹配，让它们看起来还像那么回事。
Step 3：最后一个阶段中，进一步协调导入的对象，使纹理和样式与原始绘画相匹配，令其具有惊人的准确结果。
最后，艺术家似乎真的预言了轻型飞机的发明。这也正是为什么图中的战士仿佛拥有美国队长的盾牌了。
作者在他们的研究中写道：“绘画合成是一项艰巨的任务，因为合成的风格与原画并置，任何差异都能立即显现。”
由于风格和纹理的细微差别，观看者往往能够立即发现所添加的“新对象”。有些东西特别引人注目，尤其是当你把赝品和原作作比较时。
“相比之下，我们进行了一项用户研究，结果表明，我们算法生成的合成物往往被视为真迹，”作者写道。
开源一出，各种恶搞！
这下可把网友们给开心坏了，各种“恶搞”名画。
网友将自己融入名画后，不禁感叹：“这是我见过最诡异的照片了！”
也有网友给梵高的肩上加了一只别致的小鸟。
大家是否也心动了呢？快去试试吧！

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。

丽莎老师讲机器人之魔幻3D交通时代来临？马斯科的Boring隧道在美国洛杉矶公测。
他淡定的从车上走下来，宣告在洛杉矶开凿的第一条地下隧道公测成功。
这次发布的是另一种，“未来公共交通方式”Boring Company的第一条测试版地下隧道
马斯克再一次许愿：未来在城市中出行，可以直接进入地下，享受3D立体交通，用隧道躲过重重的交通堵塞。

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。

丽莎老师讲机器人之能自动避障的刷马桶机器人。
Giddel会通过可伸展的机械臂自动检测马桶的大小，自动感应并记住马桶的曲率，随后开启“洗刷刷”模式。
近几年来，随着生活水平的提高，不少家庭都用上了扫地机器人，但是很多时候扫地机器人也没法解决。例如，马桶的清理，这对很多年轻人来说，是一个头疼的问题。不过近日，纽约一家公司Altan Robotech开发了一款名为Giddel的马桶机器人，可以有效解决这个问题。
据悉，从外观上来看，Giddel更像是一个行走的机器人，其由刷子、支架、机械臂等组成。当然，其使用方式也很简单，用户只需要将Giddel固定在马桶座上，其就可自动开启清洗模式。此外，Giddel可自动感应马桶的曲率，然后调整角度，实现最大范围内的清理。
Giddel还有一大特点，那就是其具备自动避让障碍物，这样即使将其放在家里，也不用害怕碰到家里的孩子。
另一方面，Giddel的充电方式也很简单，只要将其放回充电底座中就可以自动充电。

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。

丽莎老师讲机器人之能根据辣椒成熟程度采摘的机器人。

最近，在欧洲与以色列在一个种植辣椒的温室里，试用了一个能够「看」清辣椒熟没熟的自动采摘机器人，名字为 Sweeper。

黄色的 Sweeper 让我想起电影里的瓦力机器人。Sweeper 的头部是四条 LED 灯带以及视觉识别系统，在采摘之前，LED 会亮起来，并通过摄像头来获取辣椒的表面色彩信息，以及与辣椒的距离。

当识别到辣椒已经成熟后， LED 灯上面的小刀就会霍霍向辣椒伸出，切断辣椒与植株之间的茎干，紧接着辣椒会恰好掉落在小刀下方的爪子中。

接着 Sweeper 的机械臂转动，辣椒就被投入机器搭载的篮子中。

研究人员表示，目前 Sweeper 识别辣椒是否成熟的平均时长为 24 秒，准确率仅为 61%。

有统计显示，农业机器人的市场将在 2025 年达到 750 亿美元。除了采辣椒，采摘棉花、西红柿、草莓这些经济作物的机器人也在陆续被开发出来。

对于种植户而言，机器人采摘不仅是为了提高采摘效率降低成本，还有一个重要的作用是减少农作物在采摘过程造成的减产。

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。

丽莎老师讲机器人之机器人终于学会自己叠衣服了！
如果我们要锻炼一个人类小孩最基本的运动智力，比如抓握抬举，或者是叠被子叠衣服这样的家务活儿，几乎是不需要指导的。
很多时候只要将婴孩放置到日常生活情境中，让他与周围的环境和物体互动，大多数就能在玩耍中自动掌握判断空间、重力、协调等能力了。
与之相比，机器人就比较“娇生惯养”了。
目前绝大多数机器人，都无法自我适应和从对复杂的环境中学习通用运动能力。
这就带来了一个难题：机器人只能很“笨拙”地完成一些程序员率先编程好的动作，并且是用单一的物体来完成单一的技能，这个特定的任务和道具就是它的全世界。比如，会递杯子就不会叠被子。
这意味着，我们可能要设计成千上万种机器人，只为了应对某一个具体任务。这实在是太蠢了。
不过，要让机器学会自主感知世界，并根据环境变化做出相应的动作，那可是个大工程。
最近，伯克利大学就研究出了一种新的算法，基于视觉模型的强化学习，让全能机器人成为可能。
换句话说，原本独属于人类的“元运动智力”，也有望在机器身上打开。
当机器人具有了掌握一般性技能并将其内化成“经验”的能力，能够灵活地执行多种同类任务，不需要每次都重新学习或编程，前景显然是值得惊喜的。
那么，这么神奇的事情究竟是怎么实现的？
新算法是如何指导机器工作的？
简要来说，这种算法可以通过一个预测墨西哥，使用没有标签的感官数据集，让机器自主学习大量多样化的图像，进而在完成任务时更灵活地预测和判断。这样，它就能执行在各种不同的物体上执行很多不同任务，而不需要针对每个对象或每个任务都重新学习一次。
在伯克利大学的研究人员眼中，能够在单一模式下获得这种通用型运动能力，是智力的一个基本体现。
那么，这种方法究竟是如何指导机器人完成工作的呢？
首先，研究人员为机器人制作一个庞大且丰富多彩的数据集合，不局限于某一个物体或某一项技能；
然后，为机器人装上了能够感知图像像素（视觉）、手臂位置（自我感觉）和发送电机指令（动作）的各种传感器。
完成这些准备工作之后，就让两个机器人同时在资源库中自主收集数据和学习，并且实时进行分享。
由于两个机器人可以分享彼此的感觉和数据，这就使其掌握了预测接下来手臂移动路线的能力，从而使得动作的运动范围具备了更大的伸缩弹性，以完成操作不同类型物体的多样任务。
比如他们就让一台机器完成了移动苹果这样的刚性物体，以及折叠衣服这样的柔性物体，机器人都表现的还不错。
而且，即使面对以前从未见过的目标，虽然做出的预测并非和人类一样十全十美，但仍然可以有效地完成指定任务。
比如下图中，研究人员给出的任务是把苹果放在盘子里，中间是机器人做出的计划，然后是执行的情况。
这个算法模型在想法上绝对是别具一格。一直以来，基于预期结果来规划行动路线，并根据不同步骤和观察状况来实时迭代和改进计划，是人类应对复杂世界意外的独特技能。如今，机器人也有望学会这样的“高智力”游戏，在应用性上带来的改变令人真实心动了。
重建机器效率的坐标系：新模型的应用场景
现实环境是复杂多样的，提高机器人对环境的适应能力，让任务执行更加灵活，这个新算法确实给机器人应用带来了极大的想象空间。
最大的亮点在于，对机器的功能设想更符合现实情况。通用能力可以很容易地被迁移到不同的任务上，大大减少了完成特定任务所需要开发和部署的算法数量。
目前看来，新模型至少会在以下领域革新机器人的表现：
1.客服机器人。大多数客服机器人对环境不具备适应性，需要程序员将各种情况考虑在内，有的甚至直接由人工在后台进行交互操作。但有了通用模型算法之后，机器人就能够在与人类用户的交互中自主学习，学会解决一些开放型问题，变得更加自主灵活。
2.医学机械。目前，医学机器人只能作为医生双手的延伸来协助完成手术任务。要自主完成高精度手术，帮助减少医生的劳力，医学机器人必须能够感知手术部位的空间位置、处理更精细、更高复杂度的操作，新的模型显然提供了更多的可能性。
3.工业机械。工业机器人已经拥有了一定的通用性和适应性，但往往都需要跟随其工作环境变化的需求再编程，或者是更换不同的操作器来执行不同任务，都会带来一定的成本。如果新算法被真实应用起来，工业生产的成本和效率都将变得更低。
4.个性化视频生成。除了在现实世界中进行动作感知和理解预测，该算法在视频生成领域也有极大空间。比如系统可以通过大量无需标记的视频资源自主学习，根据视频中的人物进行体态识别和模仿，让AI量身定制高拟人度的视频成为可能。
掌握了通用技能的机器应用还有很多，其背后的商业前景也十分广阔，毕竟效率才是人类发明机器的初衷。
品尝果实之前，还需应对哪些挑战？
说了这么多，感觉新算法的实现并不难，应用端也有着足够的承托力。是不是很快就可以成为现实了呢？
目前来看，在“摘桃子”之前，该算法还有一些特殊的限制，可能会使其在实际应用中受阻。
一是需要的训练数据量很大。机器做出实际可执行的操作预测，完全依赖于庞大多元化数据集。
为了让机器能够根据预测先前帧的运动分布来想象和模拟接下来的像素运动，研究人员引入了59,000个机器人交互的数据集，进行大规模自监督学习。
如何在成本控制之下获取庞大优质的数据资源，恐怕会成为算法落地的头号门槛。
二是无监督学习带来的一系列问题。比如，由于训练数据完全没有标签和奖励机制，如何保证机器人能够理解并接受指定任务，再以结果导向展开行动，在现实层面有很多未知性。
伯克利的解决方案是设置一个自我监督算法，让机器保持对目标的兴趣，持续跟踪并不断重试，直至成功。但是否能够稳定输出，还需要更多的补充研究。
再比如，无监督下机器做出的预测都是人类无法用自主经验来解释的，有可能并不是最优的传输方案，还可能因为“黑箱”带来不可预知的风险。
当我们还不理解自己的“元智力”是如何运作的时候，又如何保证可以将机器的“元智力”控制的很好呢？
总而言之，这一算法虽然很令人惊喜，但也并非完美。想象很美好，实用性也不算差，但从实验室到商业场景之间，还有很长的一段路要走。

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。

丽莎老师讲机器人之日企开发手术机器人将问世，欲挑战“达芬奇”。
日本川崎重工业和医疗保健企业希森美康(Sysmex)共同开发的第1台日本国产手术机器人最早将于2019年度问世。该机器人能够充当外科医生的眼睛和手，使精密、安全的手术成为可能，与垄断市场近20年的美国直观医疗器械公司的达芬奇手术机器人进行对抗。如果能够打破1家公司垄断的格局，掀起性能和成本的竞争，则有望推动手术机器人的正式普及。
1999年上市的达芬奇手术机器人能够辅助完成在患者腹部等部位开几个孔然后插入手术器械的内窥镜手术。使用时外科医生一边看着3D图像一边操控安装在机械臂上的手术刀。
手术器械的关节能够360度活动，所以在狭小的空间也能进行作业。还具备防止手抖的功能，能够进行精密手术。此外，还被认为对患者有很大好处，包括减少出血、缩短术后恢复时间等。
截至2017年度末，全球各地共引进了约4500台达芬奇手术机器人，预计2018年使用该机器人的手术数量达到100万件。日本方面，大型医院等已经引进了约300台，4月诊疗报酬降至几万~几十万日元，手术数量较上年增加了40~50%。
美国联合市场研究机构预测，全球手术机器人的相关市场规模到2024年将扩大至约11万亿日元。如果新一代通信标准5G得到普及，远程手术等的市场规模很可能进一步扩大，因此向达芬奇发起挑战的动向越来越活跃。
在日本，川崎重工业与希森美康对半出资的Medicaroid想要打头阵。该公司计划2019年度在日本市场投放基本构造和动作与达芬奇手术机器人相似的手术机器人，似乎正在与审查部门讨论相关事宜。
在主要用于工厂的工业机器人领域，川崎重工是与发那科和安川电机等比肩的日本国内巨头，在精密控制和小型化方面有优势。该公司在面向制药和配药的医用机器人领域也取得了成绩，在新涉足的手术机器人方面也“实现了接近人的尺寸和动作”(Medicaroid)。该公司正在开发传达手术器械尖端触感等达芬奇所不具备的功能。
虽然并未对外公布价格，不过不少业内人士预测，价格“可能不会超过1亿日元”。达芬奇手术机器人旗舰型号售价近3亿日元，廉价版也超过1.5亿日元。目前，普通手术的保险分数不会增加，使用手术机器人的医疗机构每台手术的收益将减少。期待竞争企业的出现带动手术机器人的价格大幅降低。
受到挑战的达芬奇手术机器人阵营则自信地表示，“垄断市场20年的状态并不健康。希望其他公司也能参与进来，使对患者有益的机器人辅助手术得到渗透”。该公司除了投放廉价版手术机器人外，还将在美国引入减少在身体上打孔数量的最新机型。新涉足企业的实力与直观医疗公司存在很大差距。
直观医疗公司在软件方面也具有优势，包括自主运营培育达芬奇手术机器人医生的设施等。因此，追赶该公司的企业除了提升机器人的性能、降低成本外，在支持一线医生的体制等方面能否打破垄断也成为课题。
谷歌等相继涉足手术机器人领域
近年来，达芬奇手术机器人拥有的手术机器人相关专利开始到期，全球各地打算进入该领域的企业正在增加。
海外方面，美国谷歌与美国强生公司成立的Verb Surgical正在开发手术辅助机器人，力争2020年前后上市。有观点猜测“或将推动手术的自动化，例如使用人工智能(AI)显示最合适切除范围等”(手术辅助机器人开发企业)。
源于日本国立癌症研究中心的A-Traction公司专注于开发辅助主刀医生的机器人，提出价格“比达芬奇手术机器人便宜1位数”的目标。力争实现无需由医生或助手操控内窥镜、只需1名外科医生即可完成手术。力争于2021-2022年度上市。

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。

丽莎老师讲机器人之比新手司机更难接受的是机器人司机吗？
随着自动驾驶技术的发展，道路的参与者，可能要加上机器人司机了。对于人类老司机，或者是道路原有的参与者而言，面临着一个问题：接纳机器人司机，是否比接纳人类新手司机更难？
对于这个问题，自动驾驶测试最频繁的美国人最有发言权，特别是加利福利亚州和亚利桑那州的居民。虽然在政策面这两个州对自动驾驶测试很友好，但部分居民却不那么的友好，甚至可以说是围攻无人车及安全员。
01 围攻无人车
根据亚利桑那州的警方数据，在短短两年内已经记录了至少21起骚扰自动驾驶车辆及安全员的事件，这些事件包括了人肉堵路、开车跟踪、扔石头、扎轮胎，甚至是拿枪瞄准安全员。
人肉堵路是一个醉酒男的行为，因为讨厌Waymo无人车，希望通过这种方式赶走，至于开车跟踪甚至是碰瓷的行为，也是屡有发生。最严重的就是拿枪瞄准安全员了。
被枪瞄准的安全员Michael正在正常工作，路过一栋房子时，被一个老人举枪瞄准，该老人被捕后辩解称只是讨厌Waymo无人车，因为无人车撞死过人（指的是Uber在3月份发生的致命事故），但并没有开枪的意思，只是想吓唬安全员。但老人的老伴表示，老人有老年痴呆。
不过，其余事件就没有这个说法了，包括了开车跟踪、试图碰瓷、扔石头和扎轮胎，这样的事件在警方的记录中就有超过20起，没有记录在案的可能就更多了。对此，亚利桑那州大学的讲师Phil Simon表示，居民的反应并不是担心安全，而是担心技术发展导致失业。
至于是否会失业，这个只能说是会重构就业结构，新的岗位会出现。在过往，技术的进步，就是不断的消灭旧岗位的同时，也在产生更多的新岗位，这个反而不是值得担心的事情。
至于自动驾驶测试的安全性真的是值得信赖吗？要知道被广泛报道的Uber自动驾驶技术致命事故，正是发生在亚利桑那州。实际上，就现阶段而言，安全问题还是重中之重，是所有参与者都无比重视的问题。
这个时候，问题来了，对于机器人司机，我们是否比接纳人类新手司机更为严苛了呢？本文试图从司机的培养方式、技术进步和保险方式等来进行阐述。在阐述这三大方面后，还应该对比肉身和机器在感知、判断和疲劳性的对比。
02 培养方式
相信大家就算不是司机，也知道人类司机的培养方式。要想拿到驾驶证，就需要接受培训并通过相应的考试，最后拿到驾驶证，之后才能合法的上路。
人类司机的培养方式，包括了理论开始和操作考试，所谓的理论考试主要是考察新手司机对交规的熟悉程度，操作考试就是考察新手司机的动手能力，也就是是否能够在遵守交规的情况下熟悉、安全地驾驶汽车。
在通过了理论测试和操作测试后，人类新手司机就会拿到合法上路的证件。也就是说，与道路上其他的司机一样了。
机器人司机的培养，是硬件工程师+软件工程师等各种技术人员努力的成功，要培养机器人使用各类传感器去识别周围的世界，然后根据人类制定的规则，包括但不限于交通规则，做出合理的判定，并对车辆进行控制。
要训练一个机器人司机，真的是很难。不包括训练基地CarCastle的内部训练里程，以你虚拟环境Carcraft超过70亿英里的里程，即便是公开道路训练都超过1000万英里，Waymo的技术可以说是最先进，但还远不到最完善。
这样的训练强度，远远要比训练一个人类新手司机要高得多。
虽然还没达到最完善，但是，在相关政策下，Waymo的机器人司机，当然还包括其他自动驾驶公司的机器人司机，在有安全员保持监管和随时接管的情况下，机器人司机可以上路了。
甚至，Waymo也拿到了第一张完全无人驾驶的测试牌照。即便如此，Waymo还是不敢掉以轻心，重新让安全员回到车上。
03 技术进步
驾驶员的技术水平，在于不断的练习，尤其是对人类新手司机而言，甚至包括人类老司机，在长时间不驾驶的情况下，技术水平也是会有所下降。
在这里，应该详细阐述人类新手司机的技术进步过程。在拿到驾驶证后，并不意味着是一个“老司机”了。这需要不断的练习，包括了城市道路、乡村道路、高速公路等等。
同时，还要在不同的气候条件、道路状况下进行训练，包括了晴天、雨雪天气、雾霾天气等等，还有就是各种道路状况，如湿滑、积雪、结冰、碎石、坑洼等等。人类新手司机要成为老司机，其实也不是一件容易的事情。
但是，上述的情况对于很多人类司机来说，可能一辈子都不会遇到一次，但是，遇到一次有可能就会造成致命的事故。如此繁杂的情况，在获取驾照的操作过程，实际上也不会有的，即便是模拟的场景，都不会有，因为成本太高了。因为，需要对每一个司机都要有这样的培训。
对于机器人司机来说，这个问题就好解决多了，机器人司机在人类提供了足够多的条件和环境下，可以学习到上述各种场景、环境、路况的驾驶行为，并且可以规模化复制。当然了，也需要更为细致的场景。才能真正培养出机器人的老司机。
04 保险方式
现在，还没有针对机器人司机的专门险种。保险，可以说是最后一道守护了，预防一旦发生事故，可以做相应的安抚和保障。
由于监管和政策问题，现在保险公司提供给自动驾驶测试公司的保险，都是组合险，总保险金额则高达500万元，这指的是乘用车的自动驾驶测试。至于卡车、乃至重卡的公开道路测试，已经被叫停。
美国对于自动驾驶测试公司的保险，目前还没有过多的报道。这可能与美国的国情有关，Uber的致命事故，让Uber的自动驾驶测试彻底停摆，这就是巨大的代价，让所有自动驾驶测试公司，都必须加倍小心。
作为新事物，只能用远高于一般人类司机的赔付方式，来尽可能的降低影响。同时，也采用了更为严格的方式来惩罚。Uber要重启自动驾驶测试，提出了极为苛刻的条件，还是没有得到监管部门的允许。
值得一提的是，Uber的自动驾驶致命事故，目前的证据从最先的安全员分神到现在实锤的禁止紧急刹车功能的设置，让系统可能避免事故发生的功能无法启用。或许，没有禁止紧急刹车功能的话，事故可以避免。
Uber的事故原因，暴露的是产品逻辑的重大缺陷，这是最不可原谅的地方。
随着自动驾驶技术的发展，适应智能网联汽车的新险种，肯定会应运而生。
05 肉身与机器
人类新手司机，与机器人司机对比，或者是人类司机与机器人司机对比，肉身和机器的对比必不可少。从感知、判断和操作，乃至可复制性，进行全方位的对比。但，对比的不是个例，而是标准化和耐久性。
人类司机的感知能力，基本上依靠视觉和经验，通过视觉可以感知周边环境，并对距离进行预判。然后通过大脑决策并做出反应，从而驾驶车辆。
对于机器人司机来说，感知能力依靠更多的传感器，包括了摄像头（视觉）、毫米波雷达、激光雷达等等，这些传感器都是为了提高机器人司机对周围环境的感知能力。
从标准化程度来看，机器的标准化程度一定要比人类的要高，毕竟不同的人有着不同的感知能力，而机器设备可以做到同一个标准，这是机器优势所在。
同时，机器是不知道疲劳的，在达到设计寿命后，换一批设备就可以继续保持最佳的工作状态，这也是人类所不能比拟的。人类还会受到情绪的影响，造成驾驶安全隐患，例如路怒症。
可复制性而言，机器和系统在训练后，即可大规模的复制使用，也就是说，所有的机器人司机的驾驶水平都是一致的，并且会不断提高了，人类司机是没有办法做到这点的。
从上述几个角度来看，机器人司机和人类司机，哪个在将来会更安全呢？

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。

丽莎老师讲机器人之MIT的AI可以在光线不足的场景中再现物体的图像。

在研究人员麻省理工学院已经开发出人工智能（AI）系统，可以再现物体隔离在光线暗淡的图像。这项技术可能在医学中获得应用。

在实验室里，如果用光线轰击生物细胞，就会燃烧它们，而且没有什么可以留下来的，当涉及X射线成像时，如果将患者暴露于X射线，则会增加他们患癌症的危险。在这里做的是 - 可以获得相同的图像质量，但对患者的曝光率较低。在生物学方面，当想要对它们进行采样时，可以减少对生物标本的伤害。

为了组装一个语料库，该团队采集了10,000个集成电路（IC），每个集成电路都暴露在相位空间光调制器中，在玻璃载玻片上显示出独特的蚀刻状水平和垂直条纹图案。在黑暗中拍摄的所有10,000个IC的照片用于“教导”AI系统以重建透明的，模糊的物体。

有趣的是，这些图片是从焦点中捕获的 - 这是为了在检测到的光线中产生涟漪，这表明给定物体存在于神经网络中。研究人员通过在物理学中引入一条描述相机散焦时光线行为的定律来校正由此产生的模糊。

不可见的物体可以用不同的方式显示出来，但通常需要你使用充足的光线，现在正在做的是在黑暗中想象看不见的物体。所以这就像两个困难相结合。然而，我们仍然可以做同样的启示。

在对模型进行充分训练之后，团队通过将其暴露于训练集中不存在的模式来验证他们的工作。在黑暗中，无论是否嵌入物理定律，它都能够准确地重建原始透明图案。此外，当对人物，动物，地点和其他对象的10,000个图像的新数据集进行训练并且馈送场景的透明蚀刻的图像时，其产生比原始图像更精确的重建。

深度学习可以在黑暗中揭示隐形物体，这一研究结果对于医学成像具有非常重要的意义，可以降低患者对有害辐射的暴露，以及天文成像。