技术

“仿人机器人”,一款宛如人类的AI机器人

By 2020年12月24日 一月 14th, 2021 No Comments

想象这样一种日常,人们与仿人机器人进行智力讨论,通过与它的点滴交流构建情感联结。想象这样一个社会,机器人接管建筑工地或灾难现场的危险工作,人类再也不必以身犯险。想象这样一个世界,简单枯燥的重复工作,比如家务,可以全部交给机器人,人类只需专注完成要求创造力和思考能力的工作。想象这样一个世界,我们借助机器人开展太空探索,人类的活动范围大大延伸。这些都是有望在不久的将来,人类借助半导体产品化为现实的场景。

仿人机器人技术的现状

在英语中,Humanoid(仿人机器人)是一个复合词,由“human(人类)”和后缀“-oid(类似的)”构成,指的是“智力和躯体与人类相似的机器人”。以往,仿人机器人仅仅作为一种想象中的东西,出现在科幻电影中,但随着先进科技的发展,其有望在未来成为我们日常生活的一部分。

那么,我们离仿人机器人成为我们日常生活的一部分,还有多远?1973年,在早稻田大学加藤一郎教授的领导下,第一个成功实现双足行走的仿人机器人“WABOT-1”诞生了。虽然只是短短几步,但它的确可以双脚行走。从那时起,无数科学家和研究人员投身于仿人机器人的研究中,通过各方努力,曾经只能步履蹒跚地前进几步之遥的机器人技术得到了长足的发展。近年来,机器人技术已经发展到让机器人实现自主避开障碍物或奔跑的水平。

在人机交互领域,仿人机器人的功能也在不断改进。一些最新的类人机器人,例如日本软银的“胡椒”和中国香港的汉森机器人“索菲娅”配备了摄像头和音频识别程序,可以在交流中识别人类的面部表情和声音,然后通过人工智能算法对这些信息进行分析,从而使之与人类自然对话,甚至可以表达一些简单的情绪。

韩国首个仿人机器人Hubo,作为新闻主播亮相,
为人们播报新闻(来源:韩国科学技术院(KAIST))。

下载图片

韩国科学技术院(KAIST)研发的“Hubo”系列是最早也最具代表性的仿人机器人之一。2015年,在美国国防部高等研究计划署机器人挑战赛(DARPA Robotics Challenge,简称DRC)上,Hubo力压其他世界领先的仿人机器人,夺得冠军,向全世界展示了韩国高水平的机器人技术。此后,Hubo作为2018年韩国平昌冬奥会火炬接力手之一,再次成为热门话题。今年,它作为新闻主持人出现在大田广播公司(TJB)。

仿人机器人的市场前景同样一片光明。市场研究机构“Report & Report”的调查显示,2023年仿人机器人市场规模预计将增长至39亿美元。1另一家名为“Mordor Intelligence”的市场研究机构也预测,2024年相关市场规模将增长至大约33亿美元。2

当然,仿人机器人相关技术要达到商业化阶段,并广泛用于我们的日常生活尚需要一段时间。因为目前的科技水平还需要克服许多挑战。例如,由于电池的缘故,目前仿人机器人的运行时间和空间较为有限,与人类相比,人工智能水平尚有不足。这使得大多数仿人机器人看起来更像一台机器而非真人。此外,在数据的存储和处理方面,它们大多采用与外部云在线连接的方法,而不是利用存储于其自身的数据。这表明,仿人机器人在稳定性方面,尚未达到足以应付人类日常生活中无数变数的程度。

未来仿人机器人的外观——与人类皮肤触感和外观相同的“电子皮肤”

下载图片

要让机器人看起来与人类更为相像,让它们拥有从颜色、形状到触感等各方面都与人类皮肤相似的“电子皮肤”(e-skin)是必不可少的。过去,电子皮肤领域的研究和开发一直专注于医疗用途,而并非应用于机器人。

对电子皮肤的正式研究始于2000年初。早期,人们对电子皮肤的研究主要是以由硅材料制成的强化传感器形式,但这不足以再现人类皮肤的柔韧性。后来,随着含碳化合物如石墨烯的有机材料的发展,人们对电子皮肤的研究开始加速。石墨烯得益于其极高热导率和优良的电子迁移率特性,以及材料的透明度和柔韧性,尤其被视为制作电子皮肤的最佳材料。从那时起,全球各地的研究人员付诸了大量努力,在过去的三到四年里,相关的研究成果也呈现井喷之势。

2017年,格拉斯哥大学工程学院的一个研究团队推出了一种利用太阳能的石墨烯电子皮肤,这种电子皮肤外表面柔软,能够通过嵌入式电子芯片感知外部刺激。研究小组制作了一种类似皮肤触觉感受器的传感器,将其植入电子皮肤,并且成功实现了吸收太阳能并将其转化为电能的功能。

2018年2月,由肖建良(音)教授和张炜教(音)授领导的科罗拉多大学研究团队推出了一种在受损时可自行修复的电子皮肤。研究小组制造这种电子皮肤采用的主要材料是“聚亚胺”,聚亚胺是一种高分子化合物,在刮擦的情况下,通过重复碳和氮的双键聚合即可轻松恢复原样。此外,为了提升稳定性和强度,研究小组还在材料中添加了银纳米粒子。

模拟触觉疼痛信号生成过程,以及基于信号处理生成人造疼痛信号的人造传感器示意图
(来源:韩国大邱庆北科学技术院( Daegu Gyeongbuk Institute of Science and Technology, 简称DGIST))

下载图片

在电子皮肤领域,韩国科学家表现出了卓越的竞争力。例如,2019年7月,由大邱庆北科学技术院信息与通信工程系Jae-eun Jang教授领导的研究团队与大脑和认知科学系Cheil Moon教授,信息与通信工程系Ji-woong Choi教授和机器人工程系Hongsoo Choi教授分别领导的研究团队携手进行联合研究,开发出一种可以像人类一样感知疼痛和温度的触觉传感器。特别一提的是,能够感知疼痛的传感器的成功开发意味着在仿人机器人的开发过程中,研究人员掌握了控制机器人攻击性的手段。

可以读取物体表面信息的超高灵敏度透明显示器(灵敏度比之前的显示器高20倍)
(来源:韩国电子通信研究院(ETRI)现实设备源研究部柔性电子设备实验室)

下载图片

韩国科研人员在今年同样取得了令人瞩目的相关研究成果。今年2月,韩国电子通信研究院(Electronics and Telecommunications Research Institute, 简称 ETRI)现实设备源研究部,首尔国立大学计算机科学与工程系和软机器人研究中心(Department of Computer Science and Engineering and Soft Robotics Research Center of Seoul National University, 简称 SRRC)的联合研究团队开发了一种超高灵敏度透明压力传感器,该传感器可以检测细微的压力变化,并识别压力作用对象表面的三维信息。

由于电子皮肤领域最近才涌现出一些有意义的研究成果,并且这些研究成果集中于学术领域,因此企业的商业化尚需要时间。不过,市场专家指出,电子皮肤市场拥有巨大的增长潜力。全球市场研究机构“市场报告”预测,2019年至2024年,相关市场规模的复合年增长率(CAGR)将达17.2%。3

未来仿人机器人的大脑——挑战人脑的“神经形态计算”

下载图片

仿人机器人发展的关键技术有哪些?答案或许各不相同,但人工智能(AI)技术绝对拥有一席之地。这是因为仿人机器人需要能够像人类一样拥有识别、思考和判断的能力,才能在行为和外观上接近人类。

在目前的冯·诺依曼体系结构4下,借助一台大型超级计算机人工智能系统或许可以实现;然而,在一个外观酷似人类的小型仿人机器人上加载人工智能系统仍有局限。这是因为,虽然基于当前“深度神经网络(DNNs)5”的人工智能算法已经证明,在完成人类复杂的认知任务时,仿人机器人的表现与人类相当,甚至更胜一筹,但计算系统运转这些算法的能量效率与人脑相比,仍有显著差距6

此外,由于冯·诺依曼体系结构由执行计算的中央处理器(CPU)和存储数据的存储器构成,因此在处理和存储数据的过程中CPU和存储器之间会出现瓶颈。尽管人们正在努力提高机器学习的效率7,但在摩尔定律8的限制下,半导体技术创新已经接近极限。因此,使用现有方法预计无法显著改善计算系统的性能和功效。

下载图片

因此,科研人员正在研究“神经形态计算法9”,通过开发模仿人脑中信息处理方式的半导体来克服这一局限。在人脑中,神经元和突触处于平行结构中,因此不必担心瓶颈问题。在此基础上,科研人员尝试开发一种由多个“核心”组成的神经形态半导体,其中包括在硅材料上装置晶体管和存储器在内的若干电子元件。

核心的部分设备扮演神经元的角色,即大脑中的神经细胞,存储芯片好比连接神经元的突触。如果能将它们像人脑中的平行结构一样组织起来,处理大量数据所需的能量就会大大减少。此外,由于可以像人脑一样学习和运作,该半导体可以高效地处理复杂的计算和推理。这离真正意义上具备自我学习和思考能力的人工智能更近了一步。

英特尔被公认为神经形态半导体开发领域的领导者。继去年英特尔推出其名为“LOIHI”的神经形态半导体之后,该公司又在此基础上推出了最新的神经形态计算系统“Pohoiki Springs”。ROIHI是一种拥有13万个神经元的神经形态半导体,与传统方法相比,处理速度快1千倍,工作效率高1万倍。Pohoiki Springs整合了768个LOIHI芯片,大约有1亿个神经元,其智能水平相当于一个小型哺乳动物的大脑。

此外,英特尔还与美国康奈尔大学的一个研究小组联合开发了一种实现动物嗅觉系统的数学算法,从而建立了自己的计算系统。今年7月,该公司还与新加坡国立大学的一个研究小组一起成功地实现了视觉和触觉功能。这些成果意味着人类的五种感官正逐一得到实现,离为人工智能系统配备简单的计算功能更进一步。

随着这些研究的进展,在不久的将来,人工智能系统有望成为仿人机器人的“大脑”。

未来仿人机器人的存储功能——“DNA存储器”能够在1立方毫米内存储10亿GB的数据

人类在生活中需要多少信息很难估计,准确估计仿人机器人需要多大的数据量才能像人类一样生活同样并非易事。尽管如此,由于仿人技术是一种集成了人工智能、大数据和机器人技术等先进未来科技的技术,要让其变为现实,就需要能够存储海量数据的存储设备。

考虑到实现人工智能所需的数据量,仅使用当前基于与非(NAND)闪存的硬盘驱动器(Hard Disk Drive, 简称 HDD)或大容量固态驱动器(Solid-State Drives,简称 SSD)预计难以容纳驱动仿人机器人所需的所有数据。因此,将数据存储在单独的数据中心或云中并将其与网络连接的方法前景可观。然而,考虑到诸如发生灾害导致网络连接中断等情况,机器人有可能发生故障,从而引发人们对其稳定性的担忧。因此,仿人机器人更有可能装备采用未来创新半导体技术的新一代存储设备,而不是当今的存储设备。

下载图片

最具前景的方案是“DNA存储器”。在新一代记忆技术中,DNA存储器引起人们关注的原因很简单。这是因为DNA的数据存储密度比地球上任何其他材料都要高。理论上,每立方毫米的DNA可以存储大约10亿GB的数据。而且,作为遗传信息的储存方式,DNA的储存期是半永久的。

实现DNA存储器的关键是在现有的0和1的二进制数据转换技术基础上,将数据转换成腺嘌呤(A)、鸟嘌呤(G)、胞嘧啶(C)、胸腺嘧啶(T)四种碱基的DNA序列。

在这四种碱基中,A的结构可与T互补结合、G的结构可与C互补结合,因此将A和T的组合以及C和G的组合分别设置为0和1,这样0和1的数字信息可以编码为DNA碱基序列。像这样编码的DNA碱基序列既可以在机器中通过DNA合成人工生成,也可以封装储存。读取数据的过程则正好相反。首先,取出胶囊(释放DNA),然后用DNA解码装置读取DNA序列(测序)。当以这种方式读取的序列被转译回0和1时,读取数据可以完全还原为原始数据。10

下载图片

哈佛大学乔治·丘奇(George Church)教授领导的研究小组首次成功用人造DNA模拟出生物DNA结构。2012年,该团队用化学聚合物制造出人造DNA,并设计了一种将A和C表示为0,G和T表示为1的方法,用于存储二进制数据。之后,研究小组将需要存储的数据转换成人造DNA,并将其排列在一片微型芯片上,开发出第一个DNA存储器。

在这一技术领域,微软、英特尔和美光科技在企业中居于第一梯队,而微软在这一梯队中保持领先。去年,微软推出了一个可以自动将数字信息转换成基因代码,并恢复至原始信息的系统。尽管仅仅存储和重新读取5字节的数据就需要21个小时,但因为其自动化系统利用DNA半导体进行读写,该系统被认为是朝着商业化迈进的关键一步。

如上所述,全球前沿研究人员正在继续深入研究,近期,各国政府主导的项目也已启动。因此,“DNA存储器”有望在不久的将来实现商业化。同样,在韩国,科技和信息通信技术部(Ministry of Science aand ICT,简称 MSIT)也将“DNA存储器开发”作为“颠覆性创新项目”列为国家项目。此外,美国情报高级研究计划局(Intelligence Advanced Research Projects Activity, 简称 IARPA)组建了DNA存储器开发联盟,仅今年投资就达4800万美元。如果未来存储技术的开发工作能够迅速达到预期成果,那么仿人机器人有望比预期更早地实现商业化。

#DNA Semiconductor #Neuromorphic Computing #Electronic Skin #Humanoid
#DNA半导体 #神经形态计算 #电子皮肤 #仿人机器人

 

1 Blog of Ministry of Economy and Finance of Korea (http://blog.naver.com/mosfnet/221971807614)
2 SAMJONG KPMG Newsletter (December 2019) (https://home.kpmg/kr/ko/home/newsletter-channel/201912/emerging-trends.html)
3 Webzine (Vol. 158) of the Electronics and Telecommunications Research Institute (ETRI) (https://www.etri.re.kr/webzine/20200814/sub01.html)
4 A general-purpose computer structure with a built-in program with CPU, memory, and program structure
5 An artificial neural network (ANN) composed of several hidden layers between an input layer and an output layer; Currently, the latest AIs are implemented based on DNN.
6 Trend of AI Neuromorphic Semiconductor Technology, Kwang-il Oh, Sung-eun Kim, Younghwan Bae, Kyunghwan Park, Youngsu Kwon, Electronics and Telecommunications Research Institute (ETRI) (2020)
7 Technology or system (program) that allows artificial intelligence to learn data and make predictions on its own
8 The rule that the amount of data that can be stored on a semiconductor chip doubles every 24 months
9 Neuromorphic. Specific shape or form (Morphic) of neurons
10 DNA Application Technology Trends, Jae-ho Lee, Do-young Kim, Moon-ho Park. Youn-ho Choi, Youn-ok Park, Electronics and Telecommunications Trends V.32 No.2 (2017)

References

Overseas Research Trends of Humanoid Robots, Yisu Li, Jiseob Kim, Sanghyun Kim, Jieun Lee, Mingon Kim, Jaehong Park, Korea Robotics Society (2019)
Official website of Hanson Robotics (https://www.hansonrobotics.com)
Official website of Boston Dynamics (https://www.bostondynamics.com)
Official website of SoftBank Robotics Korea (https://softbankrobotics.com)
Official website of Korea Advanced Institute of Science and Technology (KAIST) (https://www.kaist.ac.kr)
Electronic Skin Technology Trends, Yong-taek hong, Jeong-hwan Byeon, Eun-ho O, Byeong-mun Lee, The Korean Information Display Society (2016)
Official website of the University of Colorado Boulder (https://www.colorado.edu)
Official website of the University of Connecticut (https://today.uconn.edu)
Official website of the Daegu Gyeongbuk Institute of Science and Technology (DGIST) (https://www.dgist.ac.kr)
Official website of Hanyang University
Official website of the Electronics and Telecommunications Research Institute (ETRI) (https://www.etri.re.kr)
Official website of the National Research Foundation of Korea (NRF) (https://www.nrf.re.kr)
Official website of Intel (https://newsroom.intel.com/press-kits/intel-labs/)
Trend of AI Neuromorphic Semiconductor Technology, Kwang-il Oh, Sung-eun Kim, Younghwan Bae, Kyunghwan Park, Youngsu Kwon, Electronics and Telecommunications Research Institute (ETRI) (2020)
The Present and Future of Neuromorphic Devices, Jong Gil Park, The Korea Institute of Science and Technology Information (2017)
Neuromorphic Hardware Technology Trends, Doo Seok Jeong, The Korean Physical Society (2019)
Official website of the Columbia University in the City of New York (https://magazine.columbia.edu)
DNA Application Technology Trends, Jae-ho Lee, Do-young Kim, Moon-ho Park. Youn-ho Choi, Youn-ok Park, Electronics and Telecommunications Trends V.32 No.2 (2017)
Official website of the Ministry of Science and ICT or Korea (https://www.msit.go.kr)

// // wechat qr 현재 URL 로 변경 // https://github.com/mkdynamic/jquery-popupwindow /*! * Display popup window. * * Requires: jQuery v1.3.2 */ // weibo show