智能制造 工业机器人

　　机器人智能之痛

　　很多人对“机器人”这个词的认知主要来源于科幻作品，但事实上工业机器人的智能程度可能会让不明真相的群众大失所望。

　　以“将物体从一堆物体中一个个拣出”这样人类三岁孩子都可以完成的任务为例，这对机器人来说仍是没有解决的难题。

　　因此当面对堆积如山的快递包裹，或工厂、物流站中常见的纸箱堆、麻袋堆时，没有眼睛和大脑的机器人空有一身力气却不知如何下手。工厂中待加工的工件也通常是无序地放在一起，机器人也难以独自完成抓取、上料的工作。

　　广泛存在的实用场景和困难重重的技术使得混杂物体分拣问题（Random Bin-Picking）被称为机器人学的圣杯。

　　庞大而迫切的需求让机器人从业者前赴后继。工业机器人老牌强国德国和日本都有多家公司参与，连一贯以芯片、软件、互联网而为人称道的硅谷都有数家创业公司进入。一些物流企业也已经进行了使用机器臂抓取货品的演示。然而，智能机器人仍然有着令人叹息的痛：高昂的价格、不尽如人意的效果、复杂的使用方法都是阻止智能机器人迅速落地的拦路虎。因此，机器人在这些新场景中还是远远没有得到大规模的应用。

　　可是让机器人抓个东西怎么就这么难呢？

　　首先要有一双眼睛

　　必须要让机器人先看到东西才能谈得上抓取。而困难首先就来自于视觉传感器。

　　工业上传统的2D相机已经被广泛应用于质量检测、传送带跟踪抓取等应用。但是对于混杂分拣、拆垛等应用场景，仅凭单个2D相机是不可能完成任务的。下图展示了一个典型的例子。

　　这是两张不同角度拍摄的同一组箱子的照片，从侧视图中可以看出中间小箱子明显高于其他物体，但是从顶视图中则完全无法看出。这说明仅凭单一角度的2D图像无法准确判断物体的位置。

　　而3D相机就能够获取相机到物体表面每一点的距离，从而感知物体的形状和距离。近年来3D成像技术的应用越来越多，比如很多人都熟悉的可用于体感游戏的Kinect。

　　Kinect等民用3D体感产品对于绝对定位精度并不十分看重：只要能看清人体的相对位置关系和姿态即可（例如：左前方，站立，双手举高），而精确的位置信息（例如：x=1235mm， y= 682mm）对于交互来说其实并不十分关键。但是对于机器人抓取来说，3D图像的绝对精度就显得非常重要了。

　　除了绝对定位精度够高，对于机器人混杂物体分拣的应用来说，还希望选用的3D传感器能足够快，从而保证机器人工作的效率；最好还能够适用于各种物体的表面材质、工作距离不要太近、产品稳定可靠、价格合理，等等。

　　虽然这些要求看起来并不过分。但是很遗憾，符合要求的传感器并不容易获得。

　　部分典型3D相机对比

　　以德国老牌厂商IDS公司生产的Ensenso相机为例。2016年Amazon Picking Challenge的冠军队伍荷兰代尔夫特理工大学，机器人龙头企业ABB，日本机器人明星创业公司Mujin等院校、大公司、和创业公司，都使用了这一系列相机做演示。但是通过后面一组对比图，可以看出其成像效果并不尽如人意。而且其高昂的价格也使得它难以被用于实际应用：一个名牌轻型机器臂的价格也不过十一二万，大部分用户很难接受再花十几万元买一个相机。

　　出身微软的Kinect自2010年面世以来在学术界迅速流行，产生了很多重要的成果。说Kinect催生了上千篇高质量的论文应该也并不为过。随后Kinect V2、Intel RealSense等产品的出现更使得3D体感技术进一步大众化。尽管如此，它们的精度、适用范围、可靠性等指标也并不能直接满足工业应用的需求。

　　除了上面提到的相机外，基于激光线扫描获得3D图像的方案也已经出现了多年。ISRA、SICK、Cognex等公司都有较成熟的产品，国内外一些创业公司也做出了类似的设备。但是此类产品价格动辄十余万甚至数十万，而且需要数秒才能完成一次扫描，所以长久以来也一直无法得到广泛应用。

　　为了解决这一问题，梅卡曼德研发出了Mech-Eye智能相机方案。它不仅仅是一个相机：一块NVIDIA Jetson TX2嵌入式GPU为其注入了澎湃的运算力，让先进的人工智能算法可以在其中运行。在各种光学创新和人工智能算法的加持下，Mech-Eye智能相机可以又快又准地完成3D和2D感知，速度和精度满足机器人抓取的需要，并且可以适应相当程度的反光和暗色表面。

　　圆形薄铝板的表面反光强烈，使其他3D相机的点云中均出现明显残缺。梅卡曼德3D成像方案获得的点云（最右图）仍然完整、清晰。