以“创新创业创造，迎接智能社会”为主题的2017世界机器人大会23日日至27日在北京亦创国际会展中心举办。本届大会由“2017世界机器人大会论坛”、“2017世界机器人博览会”、“2017世界机器人大赛”三大活动构成，将围绕机器人发展战略布局与政策导向 、一带一路与机器人发展机遇、基础研究与前沿探索、人工智能与机器人创新趋势、产业动态与应用实践、市场风向与机器人投资热点等多个业内热点话题，开展交流和探讨。
分享专题至：
2017世界机器人大会开幕式23日在北京举行，中共中央政治局委员、国务院副总理刘延东出席并讲话。
曲道奎谈到，人工智能与机器人的结合为产业创造了新格局，但还缺少带头人。
我国机器人产业已基本形成从上游核心零部件制造，到中游本体制造，再到下游系统集成服务的完整产业链条，成为全球机器人产业规模稳定增长的重要力量。
前阵子阿尔法狗在围棋领域独孤求败，让人们见识了人工智能的强大。琴技书画这些原本是文人骚客修身的必备技能，现在机器人也都能熟练的掌握了。
世界机器人产业格局正在发生深刻变革，由硬件竞争转向软件竞争，与人工智能等技术结合成为关键
注意！这不是科幻电影，因为他们就在我们身边……
嘉宾精彩演讲
机器人短视频
2017世界机器人大会开幕：新浪科技带你逛展览
新浪众测带你玩转机器人大会
8月22日&&星期二
8月23日&&星期三
8月24日&&星期四
8月25日&&星期五
13:30-14:00
14:00-17:30
一带一路与机器人发展机遇
主持人：席宁，香港大学机器人与自动化讲席教授、IEEE RAS侯任主席
14:00-14:30
中俄两国机器人领域产业合作
Vitaly Nedelskiy，俄罗斯机器人协会主席
14:30-15:00
抓住一带一路机遇，加快推动中国机器人企业“走出去”
曲道奎，新松机器人自动化股份有限公司总裁
15:00-16:00
高峰对话： 一带一路上的机器人发展畅想
主持人：张建伟，德国汉堡大学教授
Homayoon Kazerooni，美国加州大学伯克利分校教授
Catherine Simon，法国Innoecho主席
孙立宁，苏州大学机电学院院长
杨堂勇，广州数控设备有限公司副总经理
健，优必选科技有限公司首席战略官
李洪谊，沈阳通用机器人技术股份有限公司CEO
16:00-16:30
一带一路背景下的中国机器人发展机遇与挑战
王田苗，北京航空航天大学智慧制造研究院院长
16:30-17:00
"一带一路"与中芬两国机器人发展机遇
Heikki Koivo，芬兰阿尔托大学教授
17:00-17:30
中以两国机器人领域合作模式
Zvi Shiller，以色列机器人协会主席
09:00-12:00
荷福人工智能科技新品发布会
14:00-17:00
科沃斯机器人发布会
08:30-09:00
09:00-12:00
战略布局与政策导向
主持人：王天然，中国工程院院士，中科院沈阳自动化所机器人技术国家工程研究中心主任
09:00-09:30
拟定主旨报告：推动机器人产业健康发展，助力装备制造转型升级
辛国斌，工业和信息化部副部长（拟）
09:30-10:00
北美机器人市场发展的关键趋势
Jeff Burnstein，美国机器人工业协会主席
10:00-10:30
欧盟机器人技术及产业发展趋势
Rezia Molfino，意大利机器人自动化协会主席、欧盟委员会顾问
10:30-11:00
英国机器人和自控系统政策与研究
Jeremy Watson，英国工程技术学会主席
11:00-11:30
澳大利亚机器人市场的增长机遇
Stefan Williams，澳大利亚机器人和自动化协会主席
11:30-13:30
09:00-12:00
荷福人工智能科技新品发布会
14:00-17:00
科沃斯机器人发布会
08:30-09:00
09:00-09:05
播放大会宣传片
09:05-12:00
基础研究与前沿探索
主持人：丁汉，中国科学院院士、华中科技大学机械科学与工程学院院长
09:05-09:30
机器人互联网
于海斌，中国科学院沈阳自动化研究所所长
09:30-09:55
日本灾后救援机器人
Satoshi Tadokoro，IEEE RAS现任主席
09:55-10:20
未来智慧家庭中的机器人
Chris Jones，iRobot公司全球副总裁兼CTO
10:20-10:45
人机共生-医疗机器人的未来
Guang-Zhong Yang，英国皇家工程院院士、英国帝国理工大学哈姆林医疗机器人中心主任
10:45-11:10
触觉反馈技术：人机交互的工程感知
Allison Mariko Okamura，美国斯坦福大学教授（女）
11:10-11:35
机器人伙伴：科幻如何变为现实
Paolo Dario，意大利比萨圣安娜大学教授
11:35-12:00
机器人视觉与智能
刘云辉，香港中文大学教授
12:00-13:30
14:00-17:30
人工智能与机器人创新趋势
主持人：张建伟，德国汉堡大学教授
14:00-14:25
让机器人学会与世界互动
Raja Chatila，法国巴黎第六大学教授，IEEE RAS前主席
14:25-14:50
物理人机交互技术——从共舞机器人到协作机器人
Kazuhiro Kosuge，日本东北大学机器人系教授
14:50-15:15
服务机器人与AI：AI+服务机器人为未来生活带来无限可能
钱东奇，科沃斯机器人有限公司创始人兼董事长
15:15-16:15
高峰对话：机器人和人工智能：超智能生命就在前方？
主持人： Alois C. Knoll，德国慕尼黑工业大学教授
Abderrahmane Kheddar，法国科学院院士
Rolf Pfeifer，瑞士苏黎世大学教授
强，北京理工大学教授
孙富春，清华大学计算机科学与技术系教授
晖，上海发那科机器人有限公司总经理
张丹华，中瑞福宁机器人（沈阳）有限公司总经理
16:15-16:40
人工智能+，共创新时代
胡郁，科大讯飞股份有限公司执行总裁
16:40-17:05
未来工厂与工业机器人
张晖，ABB机器人业务全球产品管理负责人
17:05-17:30
人工智能与机器人引领第四波数位经济创新：服务及产业新效益
罗仁权，台湾大学讲座教授，IEEE工业信息期刊总主编
09:00-12:00
荷福人工智能科技新品发布会
14:00-17:00
科沃斯机器人发布会
08:30-09:00
09:00-09:05
播放大会宣传片
09:05-12:00
产业动态与应用实践
主持人： 王飞跃，中国科学院自动化研究所复杂系统管理与控制国家重点实验室主任
09:05-09:30
深海探索的人机协作时代
Oussama Khatib，美国斯坦福教授，国际机器人研究基金会主席
09:30-09:55
费斯托公司的数字化业务
Thomas Pehrson，德国费斯托公司大中华区总经理
09:55-10:20
工业机器人的传感器控制和实时运动规划
Torsten Kroeger，卡尔斯鲁厄理工学院教授，谷歌机器人软件部门负责人
10:20-10:45
机器人投资与市场趋势
Andrew Goldenberg，博士，多伦多大学荣誉教授，PEng、CEng、FIEEE、FASME、FAAAS、FCAE、FEIC，现任香港超人智能有限公司、深圳市安泽智能工程有限公司、加拿大多伦多Engineering Services Inc公司（ESI）首席技术官
10:45-11:10
韩国科学技术院手术机器人的商业化策略
Dong-soo Kwon，韩国科学技术院KAIST教授
11:10-11:35
外科手术机器人的产业发展与应用
刘雨，直觉外科手术公司（达芬奇机器人）中国总代理，美中互利医疗公司首席运营官
11:35-12:00
"十三五"期间我国机器人产业动态与实践探索
赵杰，哈尔滨工业大学教授，机器人研究所所长，国家"863"计划先进制造领域智能机器人主题专家组长
12:00-13:30
14:00-17:30
市场风向与机器人投资热点
主持人： Toshio Fukuda，北京理工大学"外专千人计划"特聘教授
14:00-14:25
轻车熟路：无人驾驶的商业化新路线
吴甘沙，驭势科技(北京)有限公司CEO
14:25-14:50
机器人生态圈建设探讨
于振中，哈工大机器人集团高级副总裁
14:50-15:15
助力机器人厂商开发行业标杆级机器人——科尔摩根提供一步到位的解决方案
Josh Inman，科尔摩根全球副总裁
15:15-16:15
高峰对话：机器人技术的下一轮投资热点在哪里？
主持人：萧静，美国北卡罗来纳大学教授
Massimiliano Zecca，英国拉夫堡大学教授
Jean-Paul Laumond，法国国家科学研究中心系统分析与架构实验室教授
Atsuo Takanishi, 日本早稻田大学理工学术院教授
ZHANG Hong，加拿大阿尔伯塔大学教授
彤，SMC（中国）有限公司总经理
军，京东集团副总裁，X事业部总裁
陈桂生，湖南瑞森可机器人科技有限公司副总裁
16:15-16:40
物流行业拣选机器人的未来发展
陈義明，新加坡南洋理工大学教授
16:40-17:05
航天智能制造技术的未来发展潜力与增长空间
王国庆,中国运载火箭技术研究院副院长兼院总工艺师
17:05-17:30
商用服务机器人的实践与思考
蒋化冰，上海木爷机器人技术有限公司董事长
09:00-12:00
荷福人工智能科技新品发布会
14:00-17:00
科沃斯机器人发布会
　　工业机器人已连续五年成为全球第一大应用市场，服务机器人、特种机器人应用需求潜力巨大。
　　这些机器人一展人工智能的生活化应用，让观众切身体会到酷炫的前沿科技也很实用。
　　台湾大学讲座教授，IEEE 工业信息期刊总主编 罗仁权
新浪科技讯 8月25日消息，2017世界机器人大会在亦庄正式开幕，大会于8月23日至27日举行。本届世界机器人大会以“创新创业创造，迎接智能社会”为主题，大会，分为论坛、展览、比赛三部分。展览部分展出面积约5万平方米。全球机器人行业的领先企业携“明星”展品悉数亮相，展示了机器人行业产业链上下游各环节的最新技术应用，勾勒出一幅充满未来感的机器人世界图景。
8月24日大会主论坛上，台湾大学讲座教授，IEEE 工业信息期刊总主编 罗仁权发表了“人工智能与机器人引领第四波数位经济创新：服务及产业新效益”的主题演讲，以下为实录：
罗仁权：今天我想和大家分享这样一个信息，刚才谈了很多人工智能，但是人工智能怎么才能和机器人结合起来？我们需要一场革命，实际上是数字技术和数字经济时代已经到来了，我们需要对它进行创新。
这是一张机器人发展的图，可以看到这么多年来一直在增长，工业机器人本身来自不同地区，它们确实是很惊人的，几乎每一个地区每一个主要国家的机器人数量都在增加。据说服务机器人是工业机器人的4倍，日本就更乐观了，到了2020年工业机器人的数量会加倍，服务机器人的数量将会是工业机器人的20倍。
我来自台湾，是机器人智能研究中心的主任。我和我的同事做了一个类人的机器人，研究中心非常关注认知科学研究。这是我们实验室的照片，从工业机器人到服务机器人以及其它的各种各样的应用类型，甚至还有按摩机器人，可以到我们的网站上看一看。
人工智能有一个非常特殊的应用，就是我们使用机器学习和深度学习的方法。我们想让服务机器人进入到一个房间，要在室内的环境当中使用，它可以搜索你所需要的物品。当然，你需要有一个语义地图，这样的话才能找到需要的东西。下面看到的是我们要让机器人有导航能力，大家都知道Slam软件，机器人会对室内环境进行一个地图的建构，然后会装上感应器，所以就有了觉察能力，然后还有操作能力。现在机器人已经有了比较完整的功能，有了地图之后就有了场景的识别能力，也有足够的知识给机器人，所以最高层次就是AI规划，从最底层到最高层，既自下而上也自上而下。自下而上意味着你可以给机器人一个命令，比如“去厨房里给我拿杯水”，机器人首先要了解主人说的是什么，他们会使用Slam地图，然后去找厨房在哪里，自己导航到厨房找到一瓶水，他们用他们的机器臂拿到水再回来送给主人坐的地方。
可以看到这里不是一个好的房间，判断的是一个卧室，右边的是一个厨房，所以要做物体的搜寻以及物体的抓取。这是一个摩托车手，你不知道他是谁，也没有办法区分不同的摩托车手，你希望把摩托车和摩托车手分开，所以怎么分辨哪里是摩托车手哪里是摩托车？中间有一个黑匣子，把这张照片放到神经网络里面，然后就出现了一个特征图，一共有两个方向：一个方向是利用所谓的网络系统建立一些模块，然后把这些像素从4调到1，关注具体的那一个角落的情况，然后找到那个物体。这是一个可靠的数据库，有了这样的数据库以后需要做一个模型，也就是要认知什么，然后需要一些物体的功能，也可以使得这个错误降到最低程度，最后就可以实现你所希望的结果了。
这里有一个很好的午餐桌，午餐吃得很好，还有咖啡。未来机器人如果能够区分，很多人都谈到了一个想法，就是机器人能够看到，而且能够说话，现在他们是能够区分不同的物体了。我们也做了很多不同的图片来测试深度学习的能力，他们可以成功区分出不同的飞机，达到100%的准确率，非常可靠，而且不同的自行车停在森林里面都可以分得很清楚。我们的实验室里面有不同的物体，比如椅子，之前已经学习过了，这里坐了一个人，可以辨别它是一个人，包括电视、鼠标、iPhone等等。自然环境当中他们可以了解这些是什么东西，因为这个物体每一个角度甚至可以翻过来看一看，所以不管这个物体在哪里都可以认识到。
最下面的是整个桌子，了解了这个桌子的形状，上面是我们实验室做的移动机器人，可以看到每一个个体的物体，并且进行识别。可以给大家看一看我们做的一个类似的例子，可以把不同的零件堆叠起来。之前没有人工智能的时候只有60%的准确性，但是加上了人工智能之后现在能够达到90%的准确性，而且还会继续改进。因此我觉得AI技术是人们需要继续探索的，AI本身会带来一些市场的信息，2015年的时候只有几十亿美元，但是根据我们的预测，到了2024年的时候会增长5倍。亚太地区是发展最迅速的地区，然后是北美。
如果我们看一下数字技术创新，我们知道人工智能和机器人可以创造第四代的工业革命，刚开始有了互联网，然后有了移动互联网，现在我们生活在这样一个环境当中，享受着移动互联网的时代，而且应用也越来越多，移动互联网可以把很多的机器连接起来。另外不要忘了，阿里巴巴已经在把线下的变成线上的，如果没有移动互联网的话可能他们做不了，此外云计算也贡献不小，所以很多事情都被连到了一起，物联网、AI和机器人是第四次工业革命的核心内容。
什么是智能技术？我们是做人工智能的，主要是有三个支柱支持着智能技术：机器人、物联网和大数据。机器人是做什么的呢？他们有不同的感应器、视觉和设备，更重要的是，这个机器人是可以移动的，所以他们会收集大量的数据。这些感应器已经安装在工厂或者家庭里面了，所以他们也是收集数据的，都是收集大数据的信息，然后可以做分析，包括对这些数据进行评估，利用这些数据，最后帮助他们做出更好的决策。AI技术需要在这些大数据的基础上进行运作，因此他们一起协作得非常好。
这是机器人的作用，我们谈到机器人的时候可能有在工厂里工作的机器人，还有在家里服务的机器人，包括服务老年人的机器人，包括工业机器人和移动机器人。机器臂可以做一些操作，服务行业需要和人互动和协作，它的未来是这样的。前面的ABB发言人已经讲得非常好了，一直在强调汽车制造业和智能制造，我想说的是，机器人AI不仅仅是服务机器人，而且也是进入到了制造业的机器人，也就是智能制造。如果是有一个中心的制造业公司，比如在台湾有一家第二大的PC生产商，他们有个供应商，前端是B2C的模式直接卖给消费者，所以需要使得整个流程变得更加职能。我认为在一个工厂的环境当中他们是连接的工厂，过去只是机器，机床和道具都是单独的，现在需要把这些都结合起来。
之前我们说数字创新的技术，技术将会创造附加价值和推动经济的增长，所以这不仅仅是连接在一起了，而且是一个跨学科的，很多的服务模型也会整合到一起，这样的话就能够创造价值了。无论是B2B还是B2C，创新技术其实需要将AI智能机器人、大数据、云计算、虚拟现实、增强现实等等整合到一起，或者是混合现实。当然，现在还有很多人在研究区块链，尤其是在金融领域，他们都在研究这些重点的领域。数字经济涉及到数字技术和创新数字应用等等几个细分的领域。
2014年的时候耐克开始使用3D打印鞋子，可以减轻鞋的重量，与此同时保持鞋的强度，未来鞋子可以进行定制，做到非常的定制化。但是定制化还不够，定制化之前工厂都在进行大规模生产，现在B2C的时代已经差不多了，客户的需求很多，数字经济也发生了很多变化，需要考虑以人为本的用户方式。我们现在有很多智能技术，但还是要了解客户的需求，需要用新的技术创造新的价值，这也就是以人为本的生态体系。
iPhone最早的价格是499美元，富士康生产iPhone只赚11美元，这里的差别是非常大的，所以品牌确实创造了很大的价值。现在这种时代已经结束了，我们需要关注上面的一环，就是为用户创造价值，这才是目前数字经济的重点。这个上面是为用户创造价值，当然也包含所有的智能技术和AI，但是不要忘记你必须要有一个可持续发展的商业模式。这个中间需要人才、技术、能力、管理，但是很多东西也是无法自己去做的，必须要有好的合作伙伴。
这是一座大房子，里面可以有很多的机器人，但是很多技术并没有非常成熟，还是在依序发展，另外成本也还是太高。未来机器人应当更易于维护，用起来也更加容易，这是发展的方向，技术本身也在不断发展。很多的技术现在变得越来越便宜，不知道大家是不是了解这种机器人的操作系统，很多人都在说用这种开源的东西，但这是不够的，因为有一部分可能是必需的，其它的并不是必需的，无法保证操作系统的稳定性，后面的零部件也会越来越便宜，云计算也会变得越来越强大。COD是你可以买到的一些零件，比如一些原型技术，很多零部件都是可以直接购买的，包括一些计算能力和计算系统等等，所以我认为未来从商业的角度来说前景还是非常不错的。当然，有些预测可能过于乐观了，机器人的数量将会超过汽车的数量，但这一天是早晚会来临的。机器人产业现在只是冰山一角，还有很多水下的商业机会等待我们挖掘。
每个产品都会经历四个阶段：初始婴儿阶段、成长阶段、成熟阶段和衰退阶段。这张图上有几条线，后面的就是PC产业，已经非常成熟了，很快就要进入衰退阶段了。现在PC行业是非常紧张的，他们也担心自己马上就要死掉了。机器人产业现在处于婴儿阶段，之后会经历成长期和成熟期，但还是需要很长的时间。整个世界都在发生变化，生存下来的并不是最强大的，而是最有适应能力的。我们不仅要努力工作，还要聪明地工作。
　　ABB 机器人业务全球产品管理负责人 张晖
新浪科技讯 8月25日消息，2017世界机器人大会在亦庄正式开幕，大会于8月23日至27日举行。本届世界机器人大会以“创新创业创造，迎接智能社会”为主题，大会，分为论坛、展览、比赛三部分。展览部分展出面积约5万平方米。全球机器人行业的领先企业携“明星”展品悉数亮相，展示了机器人行业产业链上下游各环节的最新技术应用，勾勒出一幅充满未来感的机器人世界图景。
8月24日大会主论坛上，ABB 机器人业务全球产品管理负责人 张晖发表了“未来工厂与工业机器人”的主题演讲，以下为实录：
张晖：很荣幸有机会和大家分享这样一个话题，就是未来工厂和工业机器人。和前面几位嘉宾不太一样，我的话题会着重于制造业，因为对任何一个国家来讲制造业都是立国之本，在这种情况下工业机器人到底会有怎样的发展形态？预测未来必须要有两个法宝，一个是要有水晶球，一个是要有望远镜，我是两个法宝都没有，但是今天给大家带来了一段视频，能够分享目前最先进的工厂的制造业已经到达了什么水平，已经是什么形态。
（播放短片）
张晖：这是一个典型的汽车车身工厂，每个主要的制造工艺的安排和设备是在什么环境下开展协调工作，包括针对灵活性采取的措施，这个工厂代表了目前汽车工业最先进的制造形态。
这里我们需要探讨另外一个非常相关的以后领域，就是所谓的数字技术。大家知道数字技术最早是在计算机通信这个领域发展起来的，它的发展已经到了一个相当的程度，最典型的代表就是各位现在手头上拿的智能手机。针对数字技术的应用，这条生命曲线是已经开始发展，但还不是很成熟的阶段。这个阶段引领各路英豪共同献计献策，带领整个行业走向新的未来。
今天的自动化对一般的工厂来讲要面对的都有哪些挑战？只有当我们理解了这些挑战之后才可以定义，这样的未来工厂是已经将要到来还是仍然很遥远。这里最根本的挑战在于每个人希望自己的产品都是定制化的，都是和别人不一样的，这种不一样就导致了以前大规模的生产单一产品的生产形式正在发生根本性的变化，小批量多品种带来的复杂性是我们很多工厂目前面临和要解决的重要课题。一个工厂只要开工就希望无论是设备还是人员都是最高效的，一个管理很先进、代表行业水平的汽车工厂，整个效率目前无论是中国还是别的国家大概是85%左右，可以想像一天开工10小时的话只有8.5小时是真正在有产出的。一家汽车工厂如果停工1小时损失是100万美元，如果每天损失100万美元，长年累月的话竞争能力的下降是有多么可怕。
机器人在未来工厂应该扮演怎样的重要角色？小批量多品种在各个环节需要的质量要求，无论是现在的工厂还是未来的工厂都需要着重解决这个问题，如果各位在制造业工作过的话，应该知道对任何一家工厂最主要的目标是产能，每个小时能够出多少货，再就是成品率，开工了不能造出来的都是废品，成品率应该保证在99%还是99.99%，这对工厂的竞争力来讲具有相当重要的作用。所有的设备需要生产的时候是不是可以用，就是所谓设备的上线率，这三个问题是任何一家工厂的厂长都需要考虑和头痛的事情。
未来的工厂都需要哪些技术？这里带来了一个所谓的在未来工厂里面需要的人机协作技术，为什么需要？根本原因还是刚才提到的整个生产的过程当中所需要的灵活性和柔性而导致的在生产过程当中需要人和机器不断地交互，人机协作对不同的人意味着不同的含义，有些工厂觉得安全性是人机协作带来的最主要的好处，另外更多的是易于安装、易于编程，或者使用更加简单化。如果你的问题在于领导性，人工智能要解决的最主要的问题是每个小时要生产多少件，有了这样的产能需求，在这种情况下协作型的机器人将会发挥重要的作用。
大家知道现实生活当中互联性都已经解决了互联的问题，如果我们把视野稍微放窄一点，现在不同的设备已经变成互联的了，工厂有6000万台制造设备等待着互联。那么数字技术带来的互联性到底要解决什么问题？首先它不是要解决机器人本梯的问题，我们有全球不同国家不同工厂，可能某些设置得不对，或者一般的工厂设置当中这些信息都是没有被探知的，也是没有被采集的，没有信息就不可以做任何事情。
未来的互联工厂有什么愿景呢？刚才说要解决小批量多品种的问题，最极端的例子是任何一家工厂可以做到用户下的单件产品进行定制化的生产。这样的工厂存不存在呢？至少在某些国家少数极端的例子已经存在了，有些工厂宣称无论客户有什么要求，只要是规定的范围我可以做到单件可定制化。比如我采集了生产工艺过程当中不同的生产信息、不同的生产设备信息、不同生产工艺过程当中的信息，然后可以自我编程。
工业机器人是不具有智能的，怎么才能让工业机器人自我编程自我优化？这些应该都是未来工厂的一些场景，我们谈到了这些的需求当中人机协作怎样才能减轻这些问题带来的困扰，回头看一看数字化的问题。我们不应该说只解决生产过程当中某个阶段的问题，整个数字化的技术对生产过程是全价值链的提升，无论是从工程、调试、运营还是最终的维护。设计阶段怎么才能有数字的模型，和现实的模型是具有高度的逼真性，数字模型上就可以做相应所有的操作。这种操作包括编程、纠错和所谓的调试，这样的技术在汽车工厂已经发生了，它有一个专门的名词叫做Virtual Commissioning，或者是虚拟调试技术。
刚才说到数字技术在整个价值链周期当中的不同表现方式，能力范畴当中也有类似的解决途径。引入数字技术不是单纯为了增加机器人本身的可靠性和可使用效率，因为机器人是为了某种生产制造工艺服务的，只有解决了生产制造工艺过程当中带来的各种各样的问题和瓶颈才会给工厂和客户创造价值。能力的阶梯也有不少阶段，从最早收集信息到利用这些信息进行有限度的改进，一直到整个工厂层级全面的优化，这些都是数字技术对整个制造业能够带来的贡献。
未来工厂已经不远了，相比我们刚才讨论人工智能的问题，未来工厂很多的形式都已经在发生，我们已经在变革当中了。这里再给大家一些宏观的画面，因为我在讲制造业，其中一个问题是全球有多少人在从事制造业？我们知道全球有70亿人口，去除掉老人和小孩，其中有8亿人口从事和制造业相关的工作。这里最典型的包括汽车工业，现在全球每年生产9000万辆汽车、20亿部手机，所以这是一个很宏观的数字。如果看中国的话，目前中国大概有1亿左右的工人在从事和制造业相关的工作，无论是汽车行业还是电子行业都是作为世界最主要的制造基地，发挥着不可磨灭的作用。
无论是消费趋势、制造商还是对机器人产品本身的要求，我只想讲一点：如果从整个制造行业的角度来看，生产的模式不是单一的，所以我们有很大规模的工厂，要在中国找2-5万人的工厂是不太困难的，但同时还有很小型的工厂，一直到两三个人的小作坊。可能目前对自动化的需求还不是太迫切，但是随着时间的推移，这样的需求总有一天是要提到议事日程上来的。这样的故事在所谓的发达国家已经在发生了，针对这两种不同的生产模式，未来的工厂形式也是不太一样的，采用的解决方案也是不太一样的。超级工厂有专业的工程团队，会做很多有效率的解决方案，同样的事情如果取个名字的话，移动工厂或者小型工厂的环境下不太可能实现。未来不只是解决超大型或者大型工厂的生产模式，一定是大型小型和中间所有的各种形态都是共存的，技术要求也是不太一样的。
这部视频讲的主要是电子行业的形态，现在分享的还是针对有规模的大型工厂，如果各位在这个行业工作过的话应该比较清楚，中国电子行业已经成为了最大的行业，超过了汽车工业。上个星期中国电子行业已经占据了机器人行业35%的份额，汽车行业已经缩减到了30%，当然了，总量还是在上升的，但是比重已经发生了变化。这在其它任何一个国家都是没有发生的，也是为什么刚才科大讯飞的院长提到中国在某些领域已经开始领先了，针对电子产业的自动化课题方面中国绝对是领先的，因为70%的制造业都发生在这块土地上。
（播放视频）
张晖：可以看到，这已经不是某一家实验室在发生的事情，而是整个生产案例。刚才我提到的都是针对所谓的大型工厂，也有专业的团队能够解决自动化带来的各种各样的柔性问题，针对中小工厂到底是怎样的？这个课题可以留给刚才讨论人工智能的团体，从简单易用的角度来讲，工业机器人目前没有任何一家厂商、没有任何一个国家解决了这样的问题，就是怎么能够让机器人从一个什么都不会的学徒工，通过学习人的动作能够变成一个熟练工。如果人工智能的学术界能够帮助这个产业解决这样的问题，整个产业都会感激你们。
　　科大讯飞研究院副院长、创始人 王智国
新浪科技讯 8月25日消息，2017世界机器人大会在亦庄正式开幕，大会于8月23日至27日举行。本届世界机器人大会以“创新创业创造，迎接智能社会”为主题，大会，分为论坛、展览、比赛三部分。展览部分展出面积约5万平方米。全球机器人行业的领先企业携“明星”展品悉数亮相，展示了机器人行业产业链上下游各环节的最新技术应用，勾勒出一幅充满未来感的机器人世界图景。
8月24日大会主论坛上，科大讯飞研究院副院长、创始人 王智国发表了“人工智能+，共创新时代”的主题演讲，以下为实录：
王智国：很高兴能够在这个场合和大家分享我对人工智能的认识。应该说最近两三年人工智能到了一个井喷的时代，一方面我们可以看到各种各样人工智能的产品和服务层出不穷，另一方面人工智能这个话题也成为了大家讨论的一个热点。我有一个朋友知道我是做人工智能产品和服务的，他就问我你们研发的机器人什么时候能够研发成功？一般遇到这种问题我就特别难回答，一两句话讲不清楚。因为在普通人的眼里，人工智能就像科幻电影里的那样一个终极的机器管家，具有高度的自我智力和自我人格的机器人，但我们都知道今天的人工智能技术距离这种发展的程度还是非常遥远。我们的普通大众听到我这样的回答以后就会说原来你们只是在玩概念，都是在玩虚的，其实也不尽然，今天我就讲一讲人工智能到底发展到了什么程度、能够解决什么问题，未来的发展趋势和技术路径分别是怎样的。
在讲这个话题之前，我们有必要看一看人工智能的历史，让我们重新思考这些问题。人工智能是从何而来的呢？其实是1956年美国有一批伟大的学者，其中有四个图灵奖的获得者和一个诺贝尔奖的获得者，他们召开达特摩斯会议一起定义了人工智能这个概念，简单来说就是能够像人一样进行感知、认知、决策和执行的智能程序或者系统。我们都知道今天人工智能已经很热了，但是达特摩斯开完会以后数字计算机刚刚进入全新的时代，人们发现它可以进行编程和逻辑运算，也有一些基本的结构，比如顺序结构、选择结构、循环结构，似乎可以解决各种各样的问题，解决难题和定理推导特别容易，那个时候进入了人工智能的热潮或者黄金时期，有些专家非常乐观地讲再过八到十年我就可以研发出来人工智能解决一切问题了。
实际上随着人们持续地研发，发现仅仅是能够解决一些逻辑推理的问题，再复杂的具有推广性的东西都是毫无解决的办法，数字计算机的性能也不是能够立刻跟得上的，人工智能在1970年以后陷入了第一次浪潮。随着时间的推移，到了上个世纪八十年代，个人电脑开始出现，乔布斯和比尔盖茨创业的时候人工智能出现了第二次黄金时期。因为电脑已经普及了，那个时候一台普通的PC电脑能够抵上二十年前的一台大型机，大家又看到了希望，包括BP的网络算法能够对更加复杂的非线性问题进模。比较有代表性的是日本提出能够进行决策推理的计算机。直到今天看来，第五代计算机的目标都是非常具有挑战性的，到今天也是非常大的难题。我的一个同事导师就是从事第五代计算机研究的，当时他们提出这个目标都很兴奋，为此投入了大量的努力，每周工作大概60-70小时以上。自那以后，人工智能进入了第二次黑暗的时候，很多从事人工智能的人当时都去做互联网了。我听说当时做语音识别的人有很多，他们转型去做股票模拟，也赚了很多的钱。
今天的浪潮最早是由深度神经网络这个概念引起来的，第一次和第二次浪潮都有相应的算法，并不是人工智能建模当中最好的算法，因为数学表示并不是特别完美。但是2006年提出神经网络算法在传统神经网络当中加了很多层，让它变得很厚。这个算法在语音识别和图像识别当中发挥了巨大的威力，一下子就把过去测试级的错误率下降了50%以上，大家才看到了深度神经网络的威力，所以人工智能从那个时候就开始变得一发而不可收拾。今天我们说的这次浪潮应该是真正爆发的前夜，因为有两个大的特点：一个就是技术确实是发展特别快速，很多技术都已经接近门槛了。这次的人工智能技术是和产业结合得非常紧密了，一些算法已经开始为海量的人群提供服务了，包括今天我讲的听见翻译系统也是可以真正实时提供服务了，所以我们认为这次的人工智能浪费真的是爆发的前夜。
其实第一次浪潮没有中国什么事情，第二次浪潮中国有一批院士作为学部委员给国家领导人建言献策，说是要成立这样一个高科技项目，863项目的资助之下中国开始了人工智能的前端。科大讯飞当时作为实验室也是863项目自主孵化下来的情况。人工智能包括脑神经科学、计算机科学，还有就是机械控制来解决这些问题。三十年前三个圈子几乎是毫不相关，今天交流却日益密切。
运算智能是固定规则，比如下围棋规则是非常确定的，传统企业直接用蛮力搜索就可以解决了，但是围棋的范围非常大，业绩这个问题的层次还是非常学习的固定规则下面，没有什么泛化的能力。刚才有嘉宾讲到通用智能，其实距离通用智能非常遥远。比如一个大师下围棋很厉害，你问他怎么走的话他会把原理讲得特别清楚。语音层面已经有非常大的泛化了，不是很局限的问题，需要很强的推广性。感知是我们主动对环境的感知，运动智能是和机器人紧密相关的，如何做精确的轨迹运动控制，要把乒乓球的受力点各个方面用神经网络计算好了以后才能很好地挥动球拍。
真正难解决的其实是认知智能，以色列的历史学家哈里斯写了两本书《人类简史》和《未来简史》，主要核心就是语言，人类有了语言以后可以干很多的事情，比如反馈周围的环境信息和社会信息，组织这种大量陌生人的合作和社会行为的创新，有了这些东西以后人才发生了认知革命，我们要攻克语言理解、知识学习和推理，认知智能是目前人工智能最大的挑战。下围棋业绩可以解决一定的问题，但是真正的通用认知智能这时候是相当难的话题。
现在大体上技术路径有三条：首先是深度学习，通过强大的建模方法，结合大数据的反补以及联系效应的反复迭代优化，深度神经网络在专项人工智能方面已经达到了和人类媲美的程度，如何做到通用？一种是全脑模拟，相当于把人的大脑工作搞清楚，加上某种信号以后看它的变化，再通过一些器材模拟大脑产生同样的变化，然后达到一些同样的目的，这是非常宏大的东西，相当于做了一个人工脑。实际上更可行的是这一条路，我们的五个部分表示看、听、思考、决策，最后是把自己的表达执行出来。
目前我们的技术路线还是基于深度神经网络，应该说是中国最早做深度学习的厂商，而且我们对世界是也是一流的，应该是第一个把全球语音识别推上线的的话，我们的比业界好出一大截。这里有一个很著名的比赛，是用麦克风录制了很多语音系统，迅飞的错误率是最低的，只有2.24%，当时我在旧金山开会的时候组委会说这个水平已经基本达到人类的听觉水平了。语音方面我们给出一段文字，讯飞把它播放出来，这些也已经达到了人类的语言水平。知识图谱构建是从一段文字当中把它们的关联关系找出来，这些方面迅飞都获得了第一名，这些和一个人做题目的正确率相比还是差得比较远。
人工智能在很多层面等价于机器人，比如这个翻译系统套上一个人形的壳子的话也可以把它叫翻译机器人，所以人工智能的系统很多层面都是机器人。现在无线网络物联网的发展把人、设备和信息紧紧地联系在了一起，我们是通过人和物体、信息的互联，提供一种很好的交互方式来给人提供更好的服务。现在很多的行业都有高端的稀缺性资源，看病的话那些老医生老专家总是比病人要少，你去上课，那些好的教授资源，或者是优质法官的资源总是稀缺的，所以人工智能如果和行业相结合的话，学习到顶级专家的知识，让一个一般的专业人士和普通的社区医生人机结合就可惜接近这种水平。
刚才讲过人工智能很多应用领域都等于机器人，但是又不尽然，它们是相互之间促进的。如果真的要讲区别和联系，人工智能其实是数字虚拟世界的东西，机器人是真实物理世界的东西。假设我想让这个灯打开或者关闭，要用人工智能的程序实现的话就是有一个设备熄灯，如果用机器人关掉的话可能要做一个无人机，这就是他们的区别，实现还是不一样的。
和未来的机器人交互的话怎么办？不可能拿键盘和鼠标指挥，所以肯定是用一种自然的交互，包括语音图像的方式，所以这种自然交互方式是未来跟机器人交互的主导。这里有强视觉效果和视觉效果，语音的关灯是简单的指令，但是更多的可能需要配合视觉的东西，比如你让秘书定一个票，她一看十几个车次，不可能把这些信息用语音给我。
机器人可以帮助两个程序合在一起，进入一些更广泛的领域。首先可以进行各种感知智能的融合，包括主动的和被动的，还有干感知智能和应用智能必须相结合，因为只有这样机器人才能很完整地执行一些动作。比如我说给我一本刷包括语言的和首先的，所以要进行融合才有可能让机器人完成这个事情。
迅飞基于自己的技术做了一些机器人的案例，我们是给一些商场和导购做的Robot 营销，通过先进的自然交互能够帮助。这种医疗导诊机器人可以代替三到四到护士的咨询量，还是非常受欢迎的，还有教育方面的智能陪伴机机器人。这些只是初步的开端，未来希望可以看到深度结合。我们也要做成开放平台，提供给所有业界的机器人企业服务。平台最早是2010年发布的，如果按照当时的信息，比如在滴滴打车的司机上面装了一个语音合成的东西，每天是35亿次的请求量，在业界的影响力还是非常大的，目前这个领域80%的厂商都是用我们的人工智能服务交互系统。
这次人工智能的浪潮为什么和前两次不同？因为这次的浪潮和产业深深地结合在一起了，如果想把人工智能做好必须扎扎实实做到产业界，人工智能离不开产业的深度参与，包括产业大数据和行业专家知识以及迭代优化，只有这样人工智能才能真正实现落地、爆发和腾飞，最后再反哺我们的研究工作。中国过去很多年都是追赶的形象，但很欣喜的是，人工智能这个新的浪费中国和其它国家，包括美国是处在同一起跑线上的，这些方面大家都进入了一个无人区，所以相信中国一定能够抓住这次机会。
　　科沃斯机器人有限公司创始人兼董事长 钱东奇
新浪科技讯 8月25日消息，2017世界机器人大会在亦庄正式开幕，大会于8月23日至27日举行。本届世界机器人大会以“创新创业创造，迎接智能社会”为主题，大会，分为论坛、展览、比赛三部分。展览部分展出面积约5万平方米。全球机器人行业的领先企业携“明星”展品悉数亮相，展示了机器人行业产业链上下游各环节的最新技术应用，勾勒出一幅充满未来感的机器人世界图景。
8月24日大会主论坛上，科沃斯机器人有限公司创始人兼董事长 钱东奇发表了“服务机器人与AI：AI+ 服务机器人为未来生活带来无限可能”的主题演讲，以下为实录：
钱东奇：刚才的两位都是专家，我从一个商人的角度和大家分享。我的题目是AI与服务机器人，其实这个题目看上去挺大，我想用这样三句话来做一个提炼：AI使得机器人如虎添翼，机器人是AI的最佳使用场景，具备了AI的机器人才是真正意义上的机器人。中国的翻译把Robot翻译成了机器人，其实我们都知道人是世界上最有智能的移动物体，配备了AI的机器人才是真正意义上的机器人，也就把人的含义真正表达出来了。
谈到机器人和AI的关系，虽然这个标题的比较大，但是我们可以从商业的领域出发来看。这是两个扫地机器人，早期的扫地机器人是随机乱跑的，今天的扫地机器人在家里已经是相对能够了解家里的环境，然后根据家里的环境非常有规律地把地面扫干净。这样一种技术是不是说明扫地机器人已经到达了人们需求的刚需？其实并没有，我们知道网络上面针对扫地机器人是有过一个吐槽的，我想很多人也都看到过，也就是一个主人离开家里的时候，家里狗狗拉了一泡便便，扫地机器人在扫地的时候就把它拖着到处跑，更悲催的是主任家里还装着地暖，可能很多人都听过这个故事。过去无论扫地机器人怎么智慧、对环境怎么了解，做了Slam和导航，清洁能力也足够强，但是扫地机器人仍然不能辨识前面有些物体，比如一个狗狗的便便，或者一双主人的袜子，或者一根电源线，所有的这一切都会让扫地机器人无法跨越这样的障碍，目前全世界尚未解决这一问题，但是人工智能时代到来的时候我们是有机会解决这个问题的。
我们利用足够多的狗狗便便训练出这样的模型，然后配备到扫地机器人上面，这个扫地机器人遇到了狗狗的便便的时候就能够意识到这是一个狗狗的便便，我要避开。家里有一条电源线或者一双袜子都可以通过人工智能的方法去做足够的训练，然后配备到扫地机器人上面，从技术的角度来说，这个问题是可以解决的。当然，从商业的角度来说我们就要去看配备多大的资源，以致于用户愿意为这样的一个场景买单，我们相信这样的问题解决应该是时间不会太长的。
讲完这个例子我们就可以预计到，相对于机器人而言，一个新的时代就要到来，这样一个新的时代就是人工智能时代。人工智能时代我们首先要看到的是智慧，Alpha-Go让我们非常震惊，今天的人工智能已经智慧到了这样的状况。当然，人工智能在医疗领域和很多其它的垂直领域都有了非常好的表现，这样的表现其实是我们人工智能已经在多的垂直领域有了很好的商业级的应用能力，这个讲的是在垂直领域。为什么说是垂直领域？因为现在的人工智能需要的是相对有针对性的数据，同时也要有足够的运算能力，所以有针对性的数据已经让它局限在只能在这样一个垂直领域当中的智能，这种意义上的智能称之为弱人工智能。
当然，今天我们更关注的是通用人工智能，我们不只一次听到人工智能专家进一步地研究，就是通用人工智能，包括我们做Alpha-Go的阿萨比来到中国演讲的时候也提到了下一个工作目标就是通用人工智能。这个就相对比较恐怖了，正因为这样，前一段时间我们才有伊隆玛斯克和小扎之间的争论，因为如果通用人工智能到来，我们人类到底怎么面对？特别是这样的智慧到了机器人这个领域的时候我们人类又该怎样面对？前两天大家都看到了一个社交网站上面的文章，就是伊隆玛斯克和很多机器人专家签了一封信给联合国，要求联合国禁止用人工智能或者用人工智能的机器人来做杀人武器。当然，站在小扎的角度来说，他觉得你们这个是杞人忧天，今天的技术到底走到了哪一步我们大家都没有看得清楚。科学永远是在发展的过程当中人们真正意识到它对我们到底意味着什么，然后我们再做相应的对策的时候总是觉得有点晚，这个其实是一直以来像当年的核武器一样，爱因斯坦先写信给罗斯福希望他造原子弹，结果炸了日本以后他突然发现这个东西太恐怖了，又联合反对，我想这次人工智能的大潮当中我们同样面对类似的问题。
这次人工智能大潮的到来预示着人类将要进入一个新的时代，上个时代如果说我们的技术进步是指这些新的技术超越了人在体力上的限制，以致于我们在商业上最终发展出了汽车、火车、飞机、轮船，下一个时代其实将超越人类在智慧上的限制，这样的在智慧上的限制的超越使得我们就有可能在一个新的领域当中去做多的发明。如果是超越人的体力限制的时候我们做了洗衣机、空调和电冰箱，下一个时代我们超越人的智慧限制的话，家庭这个领域当中可能就要做出很多机器人。上一个时代我们在各种发明当中消耗的是人员的话，下一个时代毫无疑问将要消费的是智慧。我们相信，未来的发展当中智慧是可以变成商品的，这种商品就是通过人工智能形成一个一个非常有用的智能训练模型，可以在智慧的超市当中按时间来租赁，或者按这样的方式来分享，相信将来一定会有智慧超市的存在，以致于我们在终端发明的这些机器人不同的用途就会有不同的智慧模型下载下来让它去使用，相信这样的时代未来很快就会到来。
这样一个时代的到来对机器人意味着什么？因为有这样的时代到来，机器人就会有无限种的可能性。刚才讲过，AI让机器人变得如虎添翼。机器人的基本属性就是感知，感知这个点其实就是各种传感器。如果说过去的认知能力是被动的认知，未来有人工智能认知能力的时候就是一种主动的认知和学习。AI的核心还是认知力和决策力，有了认知力和决策力，最终还是要看行动力。机器人是唯一一个和人类一样具有行动能力的客观物体，不像电脑，也不是电冰箱或者洗衣机，重要的是有行动能力，而它的行动能力是由感知力、认知力和决策力决定的，所以未来我们终端可能有各种各样配备了很多舵机、很多自由度、很多行动的物体，但是以什么方式行动，到底怎么行动就看在智慧超市上下载什么样的智能。
这是站在商业的角度看待未来机器人的发展，其实对机器人来说智慧是什么？现在人工智能谈到的比如对场景的认知，包括模式识别，通过特定场景物体的识别，然后再去做功能区分，基于场景和功能的认知理解它的空间关系，再做相应的动作行为。与此同时，和人机交互当中语音语义的理解，特别是垂直场景当中对垂直领域的语义理解，所有的这些最终都可以有很好的训练模型变成机器人的智慧。未来的机器人首先是有一个大脑，认知能力是来自于AI。当然，通用人工智能到来之前这些都是垂直场景的人工智能，也有对垂直场景的认知，最后形成一种行为。
今天在机器人大会当中看到很多的机器人，其实很多的机器人都是基于垂直场景来做价值的提供。家用机器人的路线图就是从工具开始，什么叫做工具？就是帮助主人完成单一任务的机器人，也是刚开始在图当中看到的扫地机器人，基本技术就是自动化的技术，到了管家可以完成多重任务，最后发展路线图还是要到伴侣，也就是人机交互。在这种情况下，对人的理解已经变成了不仅仅是我听你的指令，甚至要了解你是什么意思，通过你的表情和语调最后能够判断主人想要干什么，到了这个角度和维度就是伴侣。
最早期的机器人使用的基本上是自动化的技术，就像刚才的扫地机器人，自动化技术的水准下你是没有办法解决狗狗便便这个问题的，也没有办法解决电源线缠住或者一双袜子卡住，再往下就是信息化和弱人工智能，这个水准其实是有能力解决问题的，机器人可以在家里完成多重管理任务。如果最终不光是完成任务，而且在人的理解和交互当中能够了解人、认知人，家用机器人就会达到伴侣的水准。未来随着人工智能的发展，机器人一定会如虎添翼，能够在这样的路线图里面发展。商用机器人也有一个路线图，最早期就是你的初级助手，可以协助帮助你做这些。如果我们有弱人工智能或者信息化支撑，机器人在这个领域很可能完成某项工作的时候和你的能力不相上下，这个时候它就是你的同事。人工智能再进一步发展，到了这个状况的话就一定会比你更强，这个时候它就是行业的专家。毫无疑问，到了那个场景它就会取代你。
人工智能大潮到来的时候，随着机器人和人工智能的匹配发展，我们的时代也会发生巨大的变化。基于这样一个趋势，在座的各位都应该好好珍惜现在所处的时代，且行且尊重。
　　日本东北大学机器人系教授 Kazuhiro Kosuge
新浪科技讯 8月25日消息，2017世界机器人大会在亦庄正式开幕，大会于8月23日至27日举行。本届世界机器人大会以“创新创业创造，迎接智能社会”为主题，大会，分为论坛、展览、比赛三部分。展览部分展出面积约5万平方米。全球机器人行业的领先企业携“明星”展品悉数亮相，展示了机器人行业产业链上下游各环节的最新技术应用，勾勒出一幅充满未来感的机器人世界图景。
8月24日大会主论坛上，日本东北大学机器人系教授 Kazuhiro Kosuge发表了“物理人机交互技术——从共舞机器人到协作机器人”的主题演讲，以下为实录：
Kazuhiro Kosuge：非常高兴能够参加2017世界机器人大会，这里我想和大家讲一讲物理人机互动的一些例子，涉及到如何设计机器人系统的这一部分，之后会谈一谈我们最近研究的一些成果。
大概二十五年前，我对如何能够增加人的力量是非常感兴趣的。大家可以看到，人们的力量要想增加的话其实是比较容易的，人机互动也能够创造很多新的东西。我们设计控制器的时候，这一点非常有意思，因为从上面对它施加力量机器人就会动，机器人也从环境那里得到了一些反馈，之后机器人也对它进行了反馈。因为整个是一个反馈的系统，我们要做的就是设计一个好的控制器，能够增加人的力量，但前提就是一般在施力的时候是不知道外部环境的。
我们来看人类以前设计出的工具力的互动关系，之后我也对如何能够实现人机协作非常感兴趣，当时设定的机器人放到了这本书的后面，应该是二十多年以前的事情了。那个时候我们需要解决的问题是如何能够实现机器人和人之间的协作，首先要设计一个动态的互动机制，这也是我们十年以前做的一个实验。我们可以将这个实验结果应用在很多其它的领域，尤其是前面的那个机器人太大了没法用，能不能做得小一点？这是我们的助手机器人，能够帮助我们搬运一些东西。之后我们也设计了不同类型的控制器，应用在不同类型的机器人上面。这也是我们做的一个实验，用了两个移动的机器人共同协作。
这些都是非常基础的实验，我们也学到了一些东西。一个人完不成简单的任务，但是有了机器人的帮助就能够完成了，一些通用的任务即使有着一些助理机器人系统的话也并不那么轻易就能够完成，因为机器人并不知道如何跟人协作，或者也不知道如何帮人完成任务。要想和用户进行协作，机器人必须要知道这个任务是什么，用户的想法是什么、意图是什么，用户是需要什么样的帮助等等。我们在不断实验的过程当中发现了越来越多的问题，之后我们决定开发这种跳舞机器人，也能够实现人机协作互动的一个更紧密的机制。跳舞是最简单的任务了，但是在这里并不涉及到情感上的沟通，因为我们觉得仅仅是跳舞这个东西是我们开始做实验的一个比较好的起点，因为这毕竟能够使得人机之间的互动更为紧密。
有些人说我做的研究是非常奇怪的事情，但是早晚可以发现我们的研究到底有多重要，因为对未来机器人的发展是非常重要的。在座的有很多欧洲的朋友，他们跳舞肯定比我跳得好，这个方面也比我有经验。通常来说，这种在舞会当中跳舞应该是一男一女，男性是一个主导者，一般是由男性舞者进行主导，之后决定整个舞步的节奏和规则，包括是在哪里跳，女性舞者也会估计在每一个动作的转换都是和男性舞者相关的，当然是基于他们共同对这个舞蹈的认知做出的决定。女性舞者必须要非常了解她的舞伴，这就意味着我们在设计的时候要考虑两个舞者的角色是怎样的，也是如何移动的，男性舞者是如何领舞，另一个人是如何配合的。
我们想了一些非常基础的方法，也做了一些估计。我们设计了很多系统，这是一个总体的控制架构。这是我们第三代的跳舞机器人了，看起来还是挺奇怪的。这个视频当时也在公开播出过，我的朋友跟我说这个舞者最重要的动作就是上上下下地起伏，一个女性的舞者跟我说她不太喜欢我设计的机器人的脸。大概是十二年前举办了一个埃及展会，当时我们也对这个机器人硬件进行了重新的设计，甚至重新设计了舞者的节奏器，我们决定使用过去的一些数据作为参考，这是一些具体的展示图片，当时持续了十天，没有多少问题，我们也觉得挺高兴的。这里的核心技术是如何能够预计下一步该怎么走，或者是如何能够跟上领舞的节奏。我们在展会上成功地进行了展示，这个机器人当时也是吸引了很多人的关注，包括被《时代》杂志评为2005年最大的发明品。这个文章获得了来自日本机构的设计奖，一个儿童的杂志上也登出了我们的机器人。
跳舞机器人面临的挑战是如何能够保证机器人和人之间的互动是非常稳定的，因为人和机器人一直要有接触，并且要是一个循环。如何能够了解舞伴的意图其实是非常难以解决的，我们将这个机器人做了一些展示，甚至有些人让我开发一个男性的跳舞机器人，因为在很多日本的舞蹈学校当中女性学生是比男性学生多的，所以他们就说能不能帮助开发一个男性的跳舞机器人。非常不幸的是，开发男性的舞蹈机器人并不容易，因为这里的重点和难点还是在于如何传达人的意图。我们确实是把它当做研究物理人机互动的平台，然后在不断地进行研究，一直研究到了现在。之后我也问过我的学生，让他们做一些研究，看一看能不能做出男性的舞蹈机器人，很多学生跟我说真的太难了。后来我们决定做了舞蹈教学机器人，这个可能更容易一些，但还是要解决一个关键的问题，就是如何传达它的意图。
我们的机器人设计是基于舞者动作的数据，做了一些动作数据。这和之前初步的设计不一样，但是这个看起来挺奇怪的，但是有些参数实际上已经能够进行基本的舞蹈。为了解决如何将机器人的意图传达给人的问题，我们分析了人们跳舞的细节。因为我们设计机器人是要和人发生实际的接触，所以跳舞的意图就必须要传达给他的舞伴。这里的重点是动作可能和之后的意图是相关的，华尔兹舞蹈当中动作的起始和方向性的变化是非常关键的，我们也观察到了在华尔兹舞蹈当中人物的位置变化和起始动作是有一些相似的模式，我们也仔细地观察了各种各样的舞者，用了一些跳舞的指南来作为设计的标准，这样的话能够让舞伴知道如何能够跳下一步，然后实现一个相对的平衡点，发生方向变化的时候必须要让对方知道下一步到底走向哪里。
基于这种观察，我们也做了一些实验，看一看到底是否奏效。通过这种动作平衡点的设计就能够更好地了解对方的意图，我们也曾经尝试过用语音的方式解决这个问题，但是结果并不好，所以还是用不稳定平衡点的方式来做。我们也做了一些主观性的评估，这里我们观察到了跳舞的舒适性表现和人类的舒适程度这几个指标，但是我们也要用一些其它的方式来做这个事情。这里我们引入了一个渐进式教学的概念，就是基于感官发展阶段的理论来做出的。我们要知道进行教学的话必须要知道目前的水平，然后进行一次教学以后要得到一些反馈，基于这种反馈再次评估，不断根据表现进行反馈。
首先是对基础技能进行分析，我们做了很多实验，之后决定要分析它的速度和其它的指标。同样我们决定对一个新手舞者做一个打分，然后对有经验的舞者做另外一个类型的打分。我们设计了一个很简单的机制，机器人会对现在的状态通过CPS系统进行反馈，也决定对它的控制参数进行调整，这样的话动作的参数就发生了变化，也会提供更好的力的支撑。我们提供渐进式的教学方法，也是一个主观的评估，我们可以发现两种训练的条件差异，渐进式的教学比非渐进式的教学效果更好。这是一个机器人的老师在教学人类的舞者跳舞，机器人会评估这个人类舞者的参数，然后根据参数进行调整，所以学生就可以学会正确的动作，这样的引导力是受到约束的，这样不会给学习者造成太大的负担，如果这个舞者的能力改善了以后，机器人的相关参数也会发生改变。
很多人都会问我为什么要做这个研究，最后我想介绍一下这些结果可以怎么实施。现在已经在一些厂里面开始使用了，我们曾经访问过日本的一些汽车厂商，很多工作还是人类在做，尤其是集装和装配，很多都是人力很多的工作。我们发现这个人必须要拿起零部件和工具，然后再把它装进去，回来以后再过去，他们必须要重复这个行动很多次。如果一个机器人可以给这个工人提供工具和零部件，这个工人就可以专注于装配的工作了。这个工人就是去安装，不用去管零件的输送和工具的输送，可以提高工作的效率，减少工作的错误率。因此我们开发了一个模型，视频当中可以看到大概节约了20%-30%的装配时间，而且只是一个实验，所以人们在把一些零部件给机器人的时候，今后就由机器人自己做了。
此后我们修改更新的版本就在这个工厂使用了，所以我们要做一些不同的事情。之前的系统当中我们分析了工人是怎么做的，收集了很多的数据，某种程度上来说这个很容易，所以就决定开发一个可以逐渐和工人合作，也就是机器人能够评估和评测工人的行为。这是我们的一个尝试，我们让它做三种类型的任务，也可以看到这种等待时间极大地缩短了。如果工人有一个非常奇怪的行为，这个系统仍然可以很好地把材料递给他。这是机器学习很好的表现，现在我们正在拓展这个系统，这是一个装配过程。我们为这家公司设计了这个系统，但是工厂最后没有接受我们的东西，因为没有接受我们的概念。后来他们实际上花了很多时间装配这个车门，我们向他们建议可以自动化地来做，但是他们目前还没有应用，其实这个概念是完全可以使用的。
我们引入了机器人的舞伴，它可以成为我们今后研究的基础性平台，我们把它作为人机互动的平台，今后肯定可以在很多的制造业和日常生活当中产生各种各样的应用。
　　法国巴黎第六大学教授，IEEE RAS 前主席 Raja Chatila
新浪科技讯 8月25日消息，2017世界机器人大会在亦庄正式开幕，大会于8月23日至27日举行。本届世界机器人大会以“创新创业创造，迎接智能社会”为主题，大会，分为论坛、展览、比赛三部分。展览部分展出面积约5万平方米。全球机器人行业的领先企业携“明星”展品悉数亮相，展示了机器人行业产业链上下游各环节的最新技术应用，勾勒出一幅充满未来感的机器人世界图景。
8月24日大会主论坛上，法国巴黎第六大学教授，IEEE RAS 前主席 Raja Chatila发表了“让机器人学会与世界互动”的主题演讲，以下为实录：
Raja Chatila：能够来到世界机器人大会我感到非常荣幸，也很高兴能够与大家分享，并且和大家一块探索一些和人工智能相关的话题。
什么是智能？我们生下来就有一些能力，包括内部的知识结构，这些能力会随着我们年岁的增长不断地增长，所以这里我想向大家传递的信息是智能就是这样一种能力，这种能力就是可以不断地学习和不断地获得新的技术，因此学习是智能发展的核心。如果我们看一下动物世界，这是孔雀学会打开一个相当复杂的锁，因为它是有一些记忆能力的，可以学习一些比较复杂的步骤，它有一些基础性的能力，然后通过条件的设置学会了一些新的技能，这一点对人类来说是很容易做到的。它是通过与物体进行不断的互动获得回馈，因此在几次尝试之后这个动物终于成功了。人类也比较习惯于和其他人类进行合作，所以这种智能是一种社会性的智能，也是基于与人的互动，我们是从小就开始学习这种技能，也会学会怎么和人进行互动，因为人们都有对社会行为的期待，而这些东西已经在我们的社会行为当中嵌入了。同时我们也从其它的物体当中学习，不一定要跟它们互动，而是有可能受到他们的引导，就是从其它的行为主体那里学习，其实对人类和高等灵长类动物来说都是很重要的，因为可以降低自主学习过程的复杂性。如果我们不是从老师或者同学那里学习，可能会花太多的时间去探索世界，因此这三个问题是相互联系的，通过互动学习了解环境，通过向别人学习来进行互动。
下面谈一谈我们应该怎样向环境学习。
人工智能和机器人的历史上，人们认为觉察是一种观察的过程，你看到了一些图像，然后对这些图像进行处理，也有数以百万计的图像得到了处理，处理之后被分类，然后就获得了一些相关的结果。但是我们不理解你看的是什么，你有几百万的关于瓶子的图片，但你可能还是不知道这个瓶子是什么。所以觉察并不仅仅是简单的观察过程，理解世界实际上是理解怎样在世界上行动，怎样在世界上做出决策，因此理解是需要你的感应中枢的相互作用或者互动。因此，你必须要有这种意义产生，不仅仅是这种互动，也不仅仅是观察，所以这样一种感应中枢是在觉察和行动之间的桥梁，这也是我们在做人工智能时候的一个出发点。因此我们应该同时发展觉察能力和技巧，有了这样一个过程，这个过程当中你会从这些自下而上的、从原材料的数据到你的觉察需要进行推理、决策和理解，但这并不是一个单向的过程，而是一个双向的过程，因为同时也理解到你用这些物体可以做什么，也就是说开发出一些内在的技巧，这些技巧原来是存在的，但是通过一些行动和行动的组合实现更加复杂的技巧组合，把它们结合在一起之后，整个过程是通过学习来实现的。
这个过程当中你的行动会通过你的命令进入环境当中，同时也通过反馈信息了解这些行动产生的结果，感受到世界在你的行动之后发生了什么变化，然后就可以提取出来越来越复杂的有关物体的表征。所以这是一个循环，这个循环当中建立起了这样一种感应中枢的表征体系，可以对世界进行更加复杂的表征，也是更加抽象的表征，还可以对自己的行动进行更加复杂的表征，这是通过学习实现的一个过程，有些背后动机的进程会给你的学习的过程带来一些回馈。这样的双向表征的过程通常被我们称为Affordance，主要是指一个物体被觉察、被表征之后怎么打交道，还有产生联系的过程。这是七十年代的心理学当中提出来的，也就是我们或者任何其他的人类和环境进行互动，怎样减少你的觉察中的复杂性。这里有你的系统、觉察、行动，然后要把觉察和行动连接起来，同时对这些简单的物体从零开始去了解机器人可以怎么做，这些表征意味着之前是没有类似的模型，机器人必须要用这些物体来做实验，比如推一推、拉一拉，或者是操纵一下，反正是做一些实验探索可以对这些物体做什么。
这个表征体系当中可以和觉察的系统结合起来，因为这是一个实验，就是最后会形成这样一个仿生的网络，这个网络会抓住概率性的关系，就是在结果、物体和行动之间的联系，物体、影响或者结果以及行动之间是我们世界的基本关系。
我们可以向其他的人学习，为了能够和其他的人互动，我们也需要把其他的人变成一种模型。人类的脸部表情和感情之间是有关系的，所以我们要利用这种脸部表情教会机器人一些新的行动，但是脸部的表情是我们的一个非常流行的研究话题，也有很多相关的研究。大家知道它是和具体观察到的面部特征相联系的，体现了一些基本的情感，但是也不简单，因为我们会看到有些情感的组合，我们也需要对这些情感和脸部表情之间的关系进行进一步的探究。如果你只看到了脸部局部的表情，这也是一个学习的过程。我们有一个网络，这个网络得到了训练，可以基于一些数据对面部表情进行判断。我们怎样使用情感的表情培训机器人，和人进行互动的时候和他们分享共同的环境，刚出生的时候我们不知道怎么和别人分享空间，也不知道应该怎么移动，这些是需要学习的，也是我们让机器人来学习，就是让他们通过观察人类之间的互动学习。人们碰到的时候会有一定的速度，不会从这个人的背后走过去，而是会保持一定的距离。考虑到这样一些参数，我们就可以开发出一个学习的过程，这个过程当中机器人可以观察人们接近的方式，然后确定自己的移动，所以这个视频当中你可以看到机器人的移动总是尊重着这些人和人之间的交往基本的规则，所以这是一个非常简单的交往的规则。
如果是一个人或者两个人没有问题，如果有很多人的话怎么办？在这种情况下机器人就需要从信息当中提取一些概念，包括群体的定义是什么。目前群体涉及到人和人之间的距离以及人的方向性的问题，比如左下角的图片当中有一群人在走路，但他们并不是真的在一起。定义一个群体实际上就是定义一种能量的功能，这些人之间有一种关联，如果机器人走进一个人群应该是不要影响到这个群体的存在，所以应该有一个能量距离。机器人会选择这样一种自然的、天然的距离，因为这是人们所做的事情，如果要加入一个群体的话你是这样做的，参加到了这个训练当中，但是又不会太大地影响整个群体，这个群体会得到重塑。我们可以考虑一群人或者两个人，然后给他们引导，让他们跟着它走，把他们引导到登机口。
从其他人那里学习非常重要，可以减少自主学习的复杂性，环境非常复杂，必须要能够有更多类型的情况去熟悉，包括更多类型的数据不断地涌入，机器人的觉察系统也应该能够应对这种复杂性。一种方法就是让人去引导机器人、教会机器人。刚才我提到了学习一些技巧，但是这个学习过程是通过与人的互动来实现的，这种互动可能需要一些建模，就是这个互动是什么，然后机器人就可以得到引导，使用一些回馈系统以便完成任务，同时也能够改进和人类导师学习的效果，这是基于一个分类系统。要想做到这一点，你要理解机器人必须要知道什么是和人互动，因此和人进行互动的所有因素都要考虑到，比如自然语言处理，脸部表情、眼睛的角度，还有一些非言语的手势或者让别人去看什么的时候会有一个手指指示，也还能够认识其它的表征，以便能够综合起来判断应该采取什么样的行动。
现在这个学习的过程就展现在视频当中了，机器人需要按下一个按钮，所以有三个不同颜色的按钮，和屏幕上颜色一样的按钮，所以老师说不是这个，然后用手指着哪一个是正确的按钮，所以这是一个学习过程。机器人看到了屏幕上的颜色就会认识到哪一个按钮他应该按，有意思的是，这是基于一个学习过程的，所以不仅仅是适用于三个眼色，更多的颜色也可以，但最重要的一点是因为机器人自己学会了，而且学会了和人互动，所以就有能力增加它的知识，并且能够继续从人类那里学习。
最后总结一下：无论内部使用的是什么模型，智能是通过互动培养出来的，也就是和世界其他人或者教他东西的人互动出来的结果，所以这也是理解能力是如何培养出来的，还是通过世界和人的互动得出的结果。
　　香港中文大学教授 刘云辉
新浪科技讯 8月25日消息，2017世界机器人大会在亦庄正式开幕，大会于8月23日至27日举行。本届世界机器人大会以“创新创业创造，迎接智能社会”为主题，大会，分为论坛、展览、比赛三部分。展览部分展出面积约5万平方米。全球机器人行业的领先企业携“明星”展品悉数亮相，展示了机器人行业产业链上下游各环节的最新技术应用，勾勒出一幅充满未来感的机器人世界图景。
8月24日大会主论坛上，香港中文大学教授 刘云辉发表了“机器人视觉和行动智能”的主题演讲，以下为实录：
刘云辉：非常高兴能够来到这里，我来自香港中文大学的天时机器人研究所。哈佛大学的Gartner教授在1993年《多模态智能》这本书当中把智能分为七类，包括语言智能和逻辑智能，其中一个就是肢体运动智能。这些对机器人来讲主要涉及到感知和肌肉运动再控制等等方面，相对于肢体运动和行动智能来讲，下围棋算是理解层面的智能。机器人的智能主要体现在两个方面：一个是抓起操作，另一个是运动，比如机器狗怎么到处运动等等。
行动智能和视觉有什么关系呢？大家都知道我们依赖于眼睛观察世界、了解世界，运动当中视觉起到了非常重要的作用。比如我们打网球通过眼睛来看球的运动，同时启动我们的身体，比如做微创手术医生是看到屏幕上的视觉反馈进行操作。今天我介绍一下在肢体或者行动智能方面的一些工作，主要包括柔性物体操作，还有视觉驱动的导航以及实时的视觉系统，这些都可以提供反馈，再就是Human Action人的行为跟踪和识别。
为什么在医疗手术、制造业操控传输，或者是烫衣服，包括比较流行的软体机器人也需要柔性变形。这是一个非常重要而且基础的问题，我们可以把这个问题在数学上简单化，比如有了一个物体的形状，通过机器运动要变成另外一个形状，或者数学上对一些形状的描述符描述的参数通过运动控制趋近目标。挑战是因为变形体的模型非常的难，我们不知道给它一个力变形体怎么变化，这是最主要的问题，所以对控制器设计就非常困难。以前大家建立了很多模型，包括质量模型、有限模型，这些控制器都不能很好地工作，主要是因为模型太难了，因为材料不同、形状不同，对这个变形体非常有影响。我们想通过三维或者二维的视觉反馈估计这种模型，然后实现不依赖模型的变形体操作。这个就是通过达芬奇手术机器人协助操控变形体，或者是操控一些软组织。
这里主要的依据是，这个形状应该怎么描述？描述符很重要，有了描述符以后就可以设计一些反馈控制。其实描述符也有很多，可以基于图像特征的点、线和角度等等。再就是现在一些全球的全局特征，比如2D曲线，然后可以把这个系数作为特征量来描述，这样不会有特征点，通过在线估计之间的关系就可以实现柔性体操作，包括很好的器官模型可以实现模拟手术过程，使它达到一个位置，然后使它的内脏达到变形。我们可以通过塑形材料来弯曲一下，达到一个弯度，也可以控制物体三维的形状实现扭转变形等等。这些东西其实都可以通过这种方法来实现，也就是形变控制。
这种方法应该怎么应用？就像刚才杨教授讲的很多医疗机器人的发展，现在医疗机器人主要还是操作形式的，包括合作医疗机器人或者部分手术自动化操作的机器人，以及最后的医疗机器人系统。现在我们也在做这方面的研究，涉及到几个问题：因为微创手术都是通过内窥镜来观测物体，这里就涉及到很多最基本的问题，包括基于视觉的感知和手术规划，还有基于视觉的控制和最后手术的智能。医生很聪明，发生什么突变事件可以很快做出决定，这是我们的一个方向。中间的柔性操作技术可以用于基于视觉的控制，达芬奇上就做了很多实验来核实，大家都知道达芬奇是非常有名的机器人系统，这里模拟变形体来做一些定点控制，包括加上一些约束，模拟器官有些部分不能动的必须按照某些轨迹来动，这些操作都可以实现。
这里有些材质不一样，但是也可以操作，如果在这当中有些干扰因素，把这个切了一部分，同时也可以做这种变形体操作，还有就是现在这种连续柔性机械手的形状控制等等都可以用这种视觉反馈的方法来做。再就是这种柔性手术器械和传统的刚性器械怎么合作，这些都是花了大量的时间核实，现在我们准备把它扩展，看一看医疗手术上能不能用。这里有些医生和辅助手术机器人，就是做子宫切除手术，因为病变需要把女性子宫切除的时候有一个助手操作的手术器械从阴道里面把它塞进去对子宫进行变形操作，现在是有一个人，然后用机器人进行自动操作。我们已经做了5个临床实验，效果还是比较好的。
这是医生通过穿戴式的接口和机器人进行交互，可以用双手做手术，效率也会高很多。大家都知道乳腺癌是妇女的第二杀手，这也是非常理想的变形体，但是现在就是通过做MRA把变形体送到里面，这样效率不高，成本却比较高。我们希望做一个机器人，包括特殊的扫描，旁边放一个小机器人，把病人送进去以后就可以直接做这个手术。但是这里有一个最大的挑战，就是在MRA里面怎么保证共融，因为一般驱动器电机会对图像有干扰，所以我们是通过气动来驱动这个东西。我们通过模拟了乳房模型，然后在MRA里面测试它的可用性。
这是基于视觉的导航技术，也是对机器人非常重要的。现在我们研究的是工业车辆的自动驾驶，包括工厂里面的叉车和机场的牵引车，还有学校里面的这种校车，因为这种环境都是可控的，就是速度不高。这里的挑战主要是定位技术和Slam技术，大家做了很多，但是在现场的工厂环境真正能够用的研究很少。我们在这个方面花了很多工夫，包括开发了一些新的算法，就是要看怎么优化，然后使它在工厂环境下做到很多测试，现在可以达到10CM这样的精度，从而放到叉车里面，这样就很容易改装。我们花了很多工夫，这样速度就会非常的快，一般的速度大概是0.5-0.8米，0.8米是最大了，我们可以达到每秒2米，这也是人工叉车的极限。以前的人力代替叉车需要2-3个人，我们的效率可以实现80%左右的提升。
因为我们是做视觉反馈的，需要实时的三维图像，这个方面也下了很多功夫，大家知道图像技术非常成熟，包括结构光和激光，大概有这样那样的问题，因为精度、可靠性和实时性，我们就把这种结构光和立体视觉结合起来，然后实现了一些高速、高分辨率和实时的图像反馈系统，包括投影，我们通过黑白投影和高速相机结合起来，实现了这种高精度20米左右的成像。这是我们Spin Off公司的一些产品，可以用到测量物体的三维信息，包括测量人体，大概就是在10-20MU，如果是在整形和做医疗上面就有很多应用。
刚才我们讲的是机器人怎么实现这种操作智能，但是从另一个方面来说，机器人应该也要明白人的一些行为，特别是在人机交互上面我们需要看机器人的行为是怎样做出相应的反应。我们还是采取了一些深度学习的方法，但是我们希望跟运算机制不一样，因为我们是做机器人的，如果和他们做的一样我们也没法跟他们竞争，但是我们对运动的了解会比他们深很多。我的现行速度和人体速度，包括人总有一个人体模型，我有这样一个人体模型，然后把这种生物机械模型加入进去就会有很多新的成果。人体的通道也是一样的，就是3D Image Feedback，通过两个网络，一个是空间的，一个是时间的，两个结合起来进行这种识别。
现在我们从时间来看，把线性速度引入了进来，这样把二者融合起来可以提高识别率。美国西北大学和加州大学洛杉矶分校有一个数据库，我们对它进行了比较，就是跟我们现在的算法有关。通过交叉可以达到60%，单独的可以达到70%左右。这些单独的都是最好的识别算法，目前关于人体识别把RGB信息融合起来，这样我们就可以达到识别率有很大的提高，可以达到75%。现在我们还是用一般的RGB传感器，然后看到人体动作，要让机器人重复你的动作，下面我们希望每个动作有些语义上的理解，然后做出相应的反应。
家用机器人是面向小孩或者老人的，比如现在家里都是一个或者两个孩子，妈妈在厨房里面很忙，孩子自己跑到很高的地方怎么办？再就是用手摸插头也非常危险，所以我们通过机器人跟着小孩检测这些危险的行为，就算帮不了也可以给出一些警示，让妈妈知道小孩有危险。我们现在已经有了一个测试平台，大概的成功率可以达到80%左右。面向老人的行为也是把语音结合起来，通过行为和交互能够识别老年痴呆，老年痴呆是不是有问题，自己在家里待着看一看恶化程度，有没有早期的防范和预警。现在大概有2亿老人，很多都是自己在家独居，所以我们希望机器人对他们的行为进行监控和理解，能够从健康或者其它方面进行预测，帮助老人改善生活。
肢体运动智能对机器人来说是非常重要的，也是不可或缺的一个智能。这里涉及到很多的问题，包括实时响应或者实时反馈控制是一个非常重要的技术，我们正在努力地在这方面做一些工作。
　　意大利比萨圣安娜大学教授 Paolo Dario
新浪科技讯 8月25日消息，2017世界机器人大会在亦庄正式开幕，大会于8月23日至27日举行。本届世界机器人大会以“创新创业创造，迎接智能社会”为主题，大会，分为论坛、展览、比赛三部分。展览部分展出面积约5万平方米。全球机器人行业的领先企业携“明星”展品悉数亮相，展示了机器人行业产业链上下游各环节的最新技术应用，勾勒出一幅充满未来感的机器人世界图景。
8月24日大会主论坛上，意大利比萨圣安娜大学教授 Paolo Dario发表了“机器人伙伴：科幻如何变为现实”的主题演讲，以下为实录：
Paolo Dario：非常高兴能够参加这次会议，当我还是孩子的时候就非常喜欢这些科幻故事，也受到了他们的很多启发，之后就开始做科学工程等等，将一些梦想变成现实，开发一些机器人系统。我们不应该忘记一些极其前瞻的人说过的话，其中有些人预测过未来有可能发生的一些事情。
《I，Robot》是2004年的电影，里面包含了极具价值的观点，甚至一些非常现实的东西，而对机器人研究人员来说有些东西当时我们都没有非常认真地去观察。这里有一本上个世纪四五十年代写的书，这本书和电影的内容有些差异，他们重点关注的是机器人所带来的影响。电影描述的世界是人和机器会相互影响，但是相互影响的程度是可以接受的。2035年我们会经历新一轮的发展，比如工业机器人开始实施，进行大规模地使用，第二波机器人的发展包括人工智能或者是新的概念不断出现，还有人工感知等等传感器的技术，这些可能会推动服务机器人的发展。现在我们会经历第三波机器人的发展，就是使用一些全新的概念，也就是说机器人的机体本体就会更加智能，也会用到一些感知科学、新材料，并且机器人能够连到网上。
欧洲目前正在研究机器人陪护的方向，甚至有些旗舰的项目在朝着这个方向发展，还有未来十年可能会投入10亿欧元的资金来朝着这个方向发展。“中国制造2025”这个计划也是比较类似的，大概是这样的一个时间段。这个事情并不容易，我们的距离芬崎只有30公里，但是我们这里也有一些海报显示了过去的人们想像的机器人的样子。达芬奇是一个非常具有愿景的人，当时他是一个科学家，他提出的设想已经成为了现实，包括直升机和机器人。科幻其实也会影响很多人，Ezo教授曾经接受过一个采访，也谈到了之前他的一些灵感，甚至是开始研究机器人之前就有一些想法。我们不应该低估科幻里面的内容，因为也给很多人提供了灵感，这些人已经开始研究和制造机器人了。
预测未来不是一件容易的事情，我非常喜欢《Blade Runner》这部电影，因为当中汽车是可以飞的，但是这样一个会飞行的汽车是需要有控制的，所以只是在1982年的时候，当时还没有智能手机，所以要用一个固定的电话来控制。我们知道有些科幻是非常精确的，1940年的时候有一本关于机器人的书，里面就对机器人的发展进行了比较好的预测。比如说机器人会成为一个小朋友的伙伴，机器人是非常友好友善的，今天我们已经看到了很多例子，机器人可以作为小朋友和老年人的伙伴。这是真人和机器人进行互动，所以这些东西正在发生。机器人有了感知能力，但机器人也需要进行规范管理。
什么是渐进式和颠覆式创新之间的差异？预测渐进式的变革很简单，每个人都了解摩尔定律，它是由Intel的摩尔提出的原则，就是半导体晶体晶片每两年会增加一倍。这是比较容易预测的，但是没有人预测到万维网的创造，或者是iPhone、Facebook、Twitter、微信和Google的出现，因为它们一下子就对社会和经济产生了重大的影响。阿西默夫还在他的《Foundation》这本书里面提出了科学可以被用来预测未来，心理学史其中包括其它的一些科学，可以帮助我们预测未来，但是在同样的一本书里面同样也描述了一个新的变形人时代的到来，提到了这样一种时代的到来将会产生一种颠覆式的变化。乔布斯就是这样一个变形人，他来到了一个非常成熟的手机市场，实际上完全使得这个市场革命化了，就是引入了两个概念，使得iPhone成为了现在无处不在的产品，诺基亚没有办法应对这样一个颠覆式的创新，最后被打败了。
我们看一看阿西默夫机器人的书，未来提到了很多的可能性，安格伯格把这个技术变成了自己的发明，然后和机械的设备结合起来，创造出了人类第一个真正的机器人，这也是我们的机器人之父，几年之后他获得了诺贝尔奖。安格伯格也预测到了服务机器人的出现，利用了其它的技术，比如网络技术和智能手机的技术，云计算的技术等等，还有无人驾驶技术。无人驾驶汽车可以被看成一种类型的服务机器人，也是和云计算结合起来，最后可能会达到阿西默夫预测的场景。这是他的书里面描述的2035年芝加哥的情况，大家可以仔细地看一看，机器人在做什么？可以遛狗、做清洁工、帮助人们。所以我们要到18年之后的2035年要实现什么呢？我们要让这种机器人伴侣的情景变成真的，同时要避免出现机器人失控的情景。我是比较积极乐观的，一方面要让机器人成为我们的伴侣，另一方面非常重要的是，需要提前思考它的风险是什么。
这部电影当中有两种机器人：一种是NS4，这是好机器人，按照人类的规则去做。另一种是NS5，这种机器人是不听人类调遣的，所以失控了，给人类带来了灾难。这里有些关键技术我们希望考虑，对所有的这些技术我没有时间详细地介绍它们，但是这些技术是我们的路线图，可以看到现在我们在做的是分析我们已经做了什么。现在我们的模型是更多的类人形机器人，目前正在快速地发展，它的灵活度稍微低于人类，但是我们现在做的柔性机器人谈的不是行动的自由度，而是它的这种灵活度，所以很重要的一点就是我们目前关注不足的是能源消耗的问题，人们对此很关心。我们不能说把所有的这些能源都花光，希望机器人能够更加地可持续，消耗更少的能源，这些都是从现在到2035年目标之间的距离。如果我们只是根据我们渐进式的发展原则，可能达不到那个目标，但是我们非常有自信，通过颠覆式的创新，比如iPhone的出现，我们可能会产生跳跃式的发展，否则的话是一个线性的发展。
其实对力量来说也是一样，这是举重运动员，我们用最早的机器人，它的动力是0.001，现在波士顿的动力机器人是0.1，人类是1.4，所以它已经是智能了，除了智能之外我们还需要它的力量和能源。再就是材料的问题，刚才已经介绍了柔性机器人，这也是目前我们的解决方案，就是多功能的材料、更多的功能、多模态的感知，这些是我们所要开发的。我们还需要思考这些材料是怎么演进的，就是从过去到现在，从现在到未来。我们需要给它有意义的移动，也需要四肢，而且能够互动。一个好的模型就是人工的四肢，这个方面我们已经取得了很大的成绩和进步。再就是智能，我们的机器人应该能够自主进行决策，这里我们可以看到很大的进步。这一点是有争议的，这是在IEEE国际电子工程学会的专刊，里面谈的是未来的机器人和人工智能，有些专家说机器人要替代人在一百年内都不会实现，但是有一位更加乐观，说是到2029年机器的智能程度就能够达到人类大脑的智能了，中国有“中国制造2025”，阿西默夫预测的是2035年。
协作也是机器人作为伴侣的一个重要的功能，在对进展的分析当中我们也可以看到，现在我们引入了一些协作机器人，这是一个真正的革命，也就是机器人怎样和人类进行协作和互动。和人类的互动也非常重要，从心理学的角度来说非常重要，还有情感方面，这是《I，Robot》里面的一个场景，这是机器人醒来以后眨眼的行为，显示了NS5这个坏的机器人能够理解人类的情感。这是我们在想像的未来，不仅是稳定渐进式的发展，而且希望有些颠覆式、加速式和革命式的发展。不仅仅是来自于机器人的研究领域，而且也可以来自于其它领域的科学突破，还可以有多学科的融合实现。我们之前看到了《机器人科学》杂志，希望能够有更多的科学学科的融合。我们也低估了一些技术的功能，比如对湿度、温度等等物理环境的感知能力和技术，还有在机器人体内和体外的感知技术。
这是一个非常好的例子，说明了科学怎样推动创新。这个科学发现最后变成了一个革命式的扫地机器人，叫做Romba，2017年预计的销售量是8亿美元。
机器人的发展肯定是有风险的，但也不能过分夸大风险。监管机构可能需要对机器人行业进行监管，还有对人类工作的替代，这也是很多人担心的问题。其实从本质上来说，机器人并不是单独的，它会变成一个互联的机器人群体，但是会有很多事情要做来避免可能出现的风险。我们希望在2035年出现更多能够帮助我们的机器人，所以要在研发方面投入更多的精力，同时也需要通过颠覆式的创新加速机器人行业的发展，和其它的领域进行互动，加强国际的协作，尤其是在教育和基础科学方面。我们还需要制定非常明确的国际标准，但这是我们在未来需要做的，最基本的目标是要让这些机器人可以推动我们的科学技术发展。
　　美国斯坦福大学教授 Allison Mariko Okamura
新浪科技讯 8月25日消息，2017世界机器人大会在亦庄正式开幕，大会于8月23日至27日举行。本届世界机器人大会以“创新创业创造，迎接智能社会”为主题，大会，分为论坛、展览、比赛三部分。展览部分展出面积约5万平方米。全球机器人行业的领先企业携“明星”展品悉数亮相，展示了机器人行业产业链上下游各环节的最新技术应用，勾勒出一幅充满未来感的机器人世界图景。
8月24日大会主论坛上，美国斯坦福大学教授 Allison Mariko Okamura 发表了“触觉反馈技术：人机交互的工程感知”的主题演讲，以下为实录：
Allison Mariko Okamura：非常荣幸能够和大家介绍一个我特别关注的话题，就是人机协作的工程触觉，今天我是作为美国斯坦福大学的教授来做这样的演讲。
什么叫做触觉反馈技术？它可以是非常宽泛的一个概念，就是和触觉有关，但是它比触觉更加复杂。因为人的触觉有很多组成部分，包括你的皮肤的触感，但是大家知道对皮肤产生影响的有很多因素，比如温度、湿度、振动力等等，所有的这些都是和皮肤上的生物接触系统有关系。但是如果作为机器人的话就需要模仿你的皮肤，因为皮肤还是跟你的神经系统相联系，最后反应到你的大脑。一些力的方面的信息也很重要，因为可以让我们知道这个力所施加的地方。大家可以像我这样把手举到头上，把几个指头放到一起，可能第一次你碰不到，这也是因为人对触觉的觉察并不是完美的，可是我们大概知道身体的每一个组成部分的位置，即便你做的不够完美，但你总是可以做到的，而且对人类来说在黑的地方也可以把帽子戴到头上。人对触觉是有天然的感知，而且对力的感知也是非常好的。
这些都是触觉反馈，它们需要能够在机器人的身上实现，其实这对我们来说也是一个技术性的挑战。正是因为人类拥有这样的触觉反馈能力，所以能够从事舞蹈或者体育运动。很多人缺少这种触觉，这是一个使用了义肢的残疾人，她}