2020年11月6日至8日，第十八屆中國機器學習及其應用研討會（MLA’20）在南京大學召開。隆博科技創始人兼CEO佘元博，受邀參加了本次會議，并發表了主題為《機器學習在自主移動機器人（AMR）中的應用價值》的演講。

柔性室內物流東風已起

近年來，制造業和倉儲物流的發展風起云涌，而風光的背后是其工廠和倉庫的室內物流壓力倍增，加上用工難的現實環境和企業信息化的趨勢，室內物流迫切需要提升自動化和智能化水平。

而室內物流的自動化和智能化，需要大量采用移動機器人替代有人叉車和人手推車，雖然傳統導航技術AGV已有成熟應用，但這塊市場依舊有巨大空缺。

工業室內物流有大量人機協同混合作業的場景，需要移動機器人具備深度的環境感知能力，對環境變化做出動態反應，大量復雜場景需要智能化程度更高的AMR填補市場空缺。另外，在場景部署上，AMR有部署成本低、效率高、周期短、容易變更的優勢，這就使得大面積復雜場景更適用部署AMR產品。

而AGV/AMR的未來市場有多大呢？

高工機器人產業研究所（GGII）數據顯示，2019年全球移動機器人市場規模139.5億元人民幣，同比增長5.68%；2019年AGV市場規模39.95億元，同比增長14.77%，2020-2025年中國移動機器人市場規模年均復合增速超23.5%，至2025年中國移動機器人市場規模有望突破90億元，屆時移動機器人的銷量有望超11萬臺。

機器視覺助力移動機器人感知、決策

感知，是從傳感器數據到有價值的環境信息的處理過程，而視覺數據是信息量最豐富的，隨著視覺的大規模應用，機器學習可以發揮重要作用。當然，除了視覺數據，從其他信息量豐富的數據里面，我們也可以通過機器學習得到環境中有價值的信息。隆博在這個層面做了很多應用，包括儲位狀態識別、料車識別、AMR運動過程中的障礙識別、人體跟隨等。

決策，是從有價值的信息到反饋策略，或者結果預測的處理過程。由于目前各類機器人智能的發展水平還不高，絕大部分場景都是希望機器人完成特定的任務，而不是希望機器人有自己的個性。所以現實中，絕大部分決策模型都是邏輯方法，需要用到機器學習的可能只有4%，這些機器學習應用主要起到將結果從80分提升到90分的效果。

隆博科技在定位技術上運用機器學習技術，將影響定位結果的弱關聯數據組織起來，采用可信定位對數據進行標記，得出的模型不僅能提升定位精度，還一定程度上消除了噪點影響。在避障技術上運用機器學習技術，將影響避障策略的環境數據和導航數據組織起來，采用人工決策對數據進行標記，得出的模型更接近人的避障決策水平。

在智能化的道路上，隆博科技一直在做相關的技術創新，讓機器人的智能水平更加接近于人。

解決客戶痛點才是王道

雖然作為科技型企業，隆博科技走在技術向上的道路上，但是佘元博認為“找到客戶的痛點問題，判斷技術的應用趨勢，才能讓技術產生最大的商業價值。”

技術只是通過產品解決客戶需求問題的手段，一味追求高端技術，耗費大量成本去解決客戶不關心的問題，對技術的商業價值是沒有貢獻的。

另外，佘元博也指出了從行業競爭角度來評價技術的商業應用價值的思路。如果一項技術很有用，大部分同行都采用了，而且解決了客戶的痛點問題，那么這項技術很有商業價值。在未來技術的預判上，如果一項技術目前沒有被大部分同行應用，N年后可能會被大部分同行應用（來解決N年后的痛點問題），那么N越小，這項技術的商業價值越高。

佘元博認為，目前機器人行業發展迅速，但整體技術發展水平還不夠高，很多場景沒達到必須通過機器學習解決業務問題或競爭問題的程度，所以有非常多沒有被開發的需要用到機器學習的場景。如何將機器人智能從80分做到90分，需要人工智能從業者一步步挖掘。

機器人智能化，還有非常多的空間，隆博科技在智能技術上將不斷深入和創新，在業務上圍繞市場需求和客戶痛點，不斷挖掘機器人智能的商業應用價值。

原文標題：【越疆科技 | 聚焦】隆博科技佘元博：機器學習在AMR中的應用價值

文章出處：【微信公眾號：高工機器人】歡迎添加關注！文章轉載請注明出處。

責任編輯：haq