机器人4.0白皮书(附下载):云-边-端融合的机器人系统和架构

2019 年 7 月 5 日 机器人大讲堂
机器人4.0白皮书(附下载):云-边-端融合的机器人系统和架构


导读

近日,英特尔、达闼科技、新松机器人、科沃斯商用机器人联合发布《机器人 4.0 白皮书 ——云-边-端融合的机器人系统和架构》。



温馨提示:关注“机器人大讲堂公众号,主页回复“白皮书”,下载《机器人4.0白皮书——云-边-端融合的机器人系统和架构》全文


机器人 3.0 预计将在 2020 年完成,在此之后,机器人将进入 4.0 时代,把云端大脑分布在从云到端的各个地方,充分利用边缘计算去提供更高性价比的服务,把要完成任务的记忆场景的知识和常识很好的组合起来,实现规模化部署。



数字经济的基础设施和发展趋势  


近年来,数字经济正在席卷全球,全球经济向数字经济迁移已经势在必然,数字经济已经成为国家的核心竞争力。据上海社科院测算,2016 年到 2018 年,中国数字经济对 GDP 增长的贡献率分别达到了74.07%、57.50%和 60.00%。预计 2019 年中国数字经济增长仍将占到62.50%。


数据成为驱动经济增长的核心生产要素。大数据和云计算等技术的融合,推动了物联网的迅速发展,实现了人与人、人与物、物与物的互联互通,导致数据量呈现爆发式增长。数据如同农业时代的土地、劳动力,工业时代的技术、资本一样,已成为数字经济时代的生产要素,而且是核心的生产要素。数字技术出现后,网络和云计算成为必要的信息基础设施。随着数字经济的发展,数字基础设施的概念更广泛,既包括了信息基础设施,也包括了对物理基础设施的数字化改造。


近年来,移动互联网、大数据、云计算、物联网、人工智能等信息技术的突破和融合发展促进了数字经济的快速发展。数字经济驱动未来,数字经济成为经济社会发展的主导力量。作为硬科技代表的机器人行业,将利用数字经济中的技术红利加速机器人的落地。人工智能、5G 通讯、计算的模式等都对机器人领域有着潜在而巨大的贡献。



机器人技术发展主要阶段分析  



2017年,中国信息通信研究院、IDC 国际数据集团和英特尔共同发布了《人工智能时代的机器人 3.0 新生态》白皮书,其中把机器人的发展历程划分为三个时代,分别称之为机器人1.0、机器人 2.0、机器人 3.0。


机器人 1.0(1960-2000),机器人对外界环境没有感知,只能单纯复现人类的示教动作,在制造业领域替代工人进行机械性的重复体力劳动。机器人 2.0(2000-2015),通过传感器和数字技术的应用构建起机器人的感觉能力,并模拟部分人类功能,不但促进了机器人在工业领域的成熟应用,也逐步开始向商业领域拓展应用。机器人 3.0(2015-),伴随着感知、计算、控制等技术的迭代升级和图像识别、自然语音处理、深度认知学习等新型数字技术在机器人领域的深入应用,机器人领域的服务化趋势日益明显,逐渐渗透到社会生产生活的每一个角落。在机器人 2.0 的基础上,机器人 3.0 实现从感知到认知、推理、决策的智能化进阶。



应用领域分析和大规模商用的难点  



当前,全球机器人市场规模持续扩大,工业机器人市场增速稳定,服务机器人增速突出。2018 年,全球机器人市场规模达 298.2 亿美元,2013-2018 年的平均增长率约为 15.1%。在装备制造领域,机械臂凭借强大的负重能力和精准的抓取操作代替着工人的双手;在物流领域,智能仓储机器人和无人搬运车不断提高着运输效率;在生活服务领域,家用清洁机器人和服务机器人正成为许多家庭的私人保姆和小秘书。



工业制造领域分析  



目前,工业机器人在汽车、金属制品、电子、橡胶及塑料等行业已经得到了广泛的应用。随着性能的不断提升,以及各种应用场景的不断清晰,2013 年以来,工业机器人的市场规模正以年均 12.1%的速度快速增长,预计到 2020 年将达到 230 亿美元的销售额[4]。随着人力成本的上升,工业制造领域的应用前景良好,将会保持快速增长的势头。同时,工业机器人需要拥有更高的灵活性、更强的自主避障和快速配置的能力,提高整体产品的易用性和稳定性。



消费服务领域分  



服务机器人虽然整体销售额低于工业机器人,但近几年一直维持着较高的年增长率,商用服务机器人在商场、银行、酒店、机场等应用场景有了更多的落地部署,主要提供导览、问询、送物等基础服务。同时,家用服务机器人悄然进入千家万户,扫地机器人销量在家用服务机器人销量中占主要份额,成为目前家务机器人中的主导品类。由于本体能力不足,隐私、安全方面的问题,家庭管家机器人和陪伴型机器人的市场渗透率较低。2013 年以来全球服务机器人市场规模年均增速达 23.5%,预计 2020 年将快速增长至 156.9 亿美元。从整个技术发展和市场环境看,机器人产业拥有以下发展推力:


    ●成熟的生态系统

    ●老龄化人口趋势和新兴市场

    ●更多智能产品互联和智能家庭建设

    ●人工智能、自然语言理解能力的增强



大规模商用的难点  



在以上几点的助推下,机器人产业会继续快速发展,但要达到大规模商用,还有很多难点需要解决。首先,机器人目前的能力不能满足用户期望,缺少关键场景。得益于人工智能带来的红利,近年来机器人感知能力提升明显,可以通过视觉进行人脸识别,做语音交互。但是要真正替代人类的劳动时间,做一些实际工作,机器人除了要具备感知能力,还要能够理解和决策。机器人需要有记忆、场景理解的能力,拥有知识,才能够优化决策,自主实施工作,并进行个性化演进。目前的机器人依然缺少令人瞩目和必不可少的应用场景,大部分人对于在家中拥有一个机器人没有很高的兴趣。在机器人提高自身能力,完成特定和复杂问题之前,这一比例将维持低水平。


其次,价格高,不成规模。传感器和硬件的价格一直在下降,但是机器人的价格依然很高,不能被广泛的市场用户接受,没有形成市场规模。扫地机器人由于较低的价格,目前快速的进入大众家庭。但是对于大多数类别的机器人,特别是具有更强功能、高精度移动底盘、机械臂的机器人,价格依然是一个痛点。


第三,隐私、安全和数据保护问题亟待解决。随着机器人的应用领域越来越广泛,其物理安全和用户的数据安全问题更加凸显。在与机器人的交互过程中,机器人会不断收集用户的图像、语音、行动数据进行导航和决策,这些数据有的在本地处理,有的在云端处理,人们对这些数据的安全抱有疑虑。对于能够自由移动的服务机器人和拥有机械臂的工业机器人,保证机器人自身的物理安全,不被恶意攻击,避免造成人身伤害也至关重要。



机器人 4.0 的定义和发展机会  



机器人 3.0 预计将在 2020 年完成,在此之后,机器人将进入 4.0 时代,把云端大脑分布在从云到端的各个地方,充分利用边缘计算去提供更高性价比的服务,把要完成任务的记忆场景的知识和常识很好的组合起来,实现规模化部署。机器人除了具有感知能力实现智能协作,还具有理解和决策的能力,达到自主的服务。在某些不确定的情况下,它需要叫远程的人进行增强,或者做一些决策辅助,但是它在 90%,甚至 95%的情况可以自主完成任务。


要达到这一目标,首先需要利用人工智能和 5G 技术。利用人工智能技术提高机器人本体感知能力的同时,提升个性化自然交互能力。利用 5G 技术,大大缩短从终端到接入网的时间,带宽大幅度上升,很多东西可以放到边缘端,加入更多的计算能力,包括云端大脑的一些扩展,助力机器人规模化部署。

 

类似互联网的三级火箭发展模式,第一阶段——关键场景,把握垂直应用,提高场景、任务、能力的匹配,提高机器人在关键应用场景的能力,扩大用户基础;第二阶段——人工增强,通过加入持续学习和场景自适应的能力,延伸服务能力,取代部分人力,逐步实现对人的替代,让机器人的能力满足用户预期;第三阶段——规模化,通过云-边-端融合的机器人系统和架构,让机器人达到数百万千万级水平,从而降低价格成本,实现大规模商用。




该文章内容转载自达闼科技、 高工机器人 ,如有侵权请联系删除


END

加入社群

机器人大讲堂Rob社群开始招募啦!如果您正在从事或想要从事机器人行业、想要学习这一方向,都欢迎您加入我们共同探讨机器人前沿科技。


另外,腿足机器人、医疗机器人、工业机器人专业讨论群正在招募中,欢迎各位专业领域的小伙伴加入。


在机器人大讲堂公众号对话框回复“交流群”获取入群方式!

招募作者

机器人大讲堂正在招募兼职内容创作者和专栏作家

请将简历和原创作品投至邮箱:LDjqrdjt@163.com  

我们对职业、所在地等没有要求,欢迎有兴趣有能力的朋友加入!


看累了吗?戳一下“在看”支持我们吧!

登录查看更多
9

相关内容

数字经济 作为经济学概念的数字经济是人类通过大数据(数字化的知识与信息)的识别—选择—过滤—存储—使用,引导、实现资源的快速优化配置与再生、实现经济高质量发展的经济形态。数字经济通过不断升级的网络基础设施与智能机等信息工具,互联网—云计算—区块链—物联网等信息技术,人类处理大数据的数量、质量和速度的能力不断增强,推动人类经济形态由工业经济向信息经济—知识经济—智慧经济形态转化,极大地降低社会交易成本,提高资源优化配置效率,提高产品、企业、产业附加值,推动社会生产力快速发展,同时为落后国家后来居上实现超越性发展提供了技术基础。数字经济也称智能经济,是工业4.0或后工业经济的本质特征,是信息经济—知识经济—智慧经济的核心要素。

摘要: 当前,全球大数据正进入加速发展时期,技术产业与应用创新不断迈向新高度。大数据通过数字化丰富要素供给,通过网络化扩大组织边界,通过智能化提升产出效能,不仅是推进网络强国建设的重要领域,更是新时代加快实体经济质量变革、效率变革、动力变革的战略依托。 本白皮书是继《大数据白皮书(2014年)》、《大数据白皮书(2016年)》、《大数据白皮书(2018年)》之后中国信通院第四次发布大数据白皮书。本白皮书在前三版的基础上,聚焦一年多来大数据各领域的进展和趋势,梳理主要问题并进行展望。在技术方面,重点探讨了近两年最新的大数据技术及其融合发展趋势;在产业方面,重点讨论了我国大数据产品的发展情况;在数据资产管理方面,介绍了行业数据资产管理、数据资产管理工具的最新发展情况,并着重探讨了数据资产化的关键问题;在安全方面,从多种角度分析了大数据面临的安全问题和技术工具。希望本白皮书的分析可以对政府和行业提供参考。

目录:

一、国际大数据发展概述. 1

  • (一)大数据战略持续拓展. 1
  • (二)大数据底层技术逐步成熟. 2
  • (三)大数据产业规模平稳增长. 3
  • (四)大数据企业加速整合. 5
  • (五)数据合规要求日益严格. 6

二、融合成为大数据技术发展的重要特征. 8

  • (一)算力融合:多样性算力提升整体效率. 8
  • (二)流批融合:平衡计算性价比的最优解. 9
  • (三)TA融合:混合事务/分析支撑即时决策. 10
  • (四)模块融合:一站式数据能力复用平台. 11
  • (五)云数融合:云化趋势降低技术使用门槛. 11
  • (六)数智融合:数据与智能多方位深度整合. 12

三、大数据产业蓬勃发展. 14

  • (一)大数据产业发展政策环境日益完善. 14
  • (二)各地大数据主管机构陆续成立. 17
  • (三)大数据技术产品水平持续提升. 20
  • (四)大数据行业应用不断深化. 22

四、数据资产化步伐稳步推进. 25

  • (一)数据:从资源到资产. 25
  • (二)数据资产管理理论体系仍在发展. 26
  • (三)各行业积极实践数据资产管理. 27
  • (四)数据资产管理工具百花齐放. 29
  • (五)数据资产化面临诸多挑战. 31

五、数据安全合规要求不断提升. 35

  • (一)数据相关法律监管日趋严格规范. 35
  • (二)数据安全技术助力大数据合规要求落地. 36
  • (三)数据安全标准规范体系不断完善. 39

六、大数据发展展望. 41

成为VIP会员查看完整内容
1
78

该白皮书对大数据与实体经济融合发展情况进行了全景展现,报告显示我国大数据融合发展已具备技术、产业、应用和政策基础,大数据在制造业、农业、服务业等实体经济各领域应用不断深入,给经济社会带来的益处和价值日益显现。此外,白皮书还对大数据与实体经济融合发展机遇与挑战进行了深入分析,对推动我国大数据与实体经济融合创新发展提出了政策建议。

成为VIP会员查看完整内容
中国大数据与实体经济融合发展白皮书.pdf
0
31
小贴士
相关资讯
报告 | 绿色制造标准化白皮书(2019年版)(附PDF下载)
机器人4.0白皮书(附下载)
人工智能学家
9+阅读 · 2019年7月2日
【工业4.0】德国工业4.0解析
产业智能官
6+阅读 · 2019年6月16日
【物联网】物联网产业现状与技术发展
产业智能官
8+阅读 · 2018年12月17日
德勤:工业4.0与数字孪生(附PDF下载)
走向智能论坛
10+阅读 · 2018年9月6日
IDC发布对话式人工智能白皮书|附下载
人工智能学家
6+阅读 · 2018年3月20日
相关论文
Compositional Generalization in Image Captioning
Mitja Nikolaus,Mostafa Abdou,Matthew Lamm,Rahul Aralikatte,Desmond Elliott
3+阅读 · 2019年9月16日
Jiazhan Feng,Chongyang Tao,Wei Wu,Yansong Feng,Dongyan Zhao,Rui Yan
5+阅读 · 2019年6月11日
Qingzhong Wang,Antoni B. Chan
3+阅读 · 2019年3月28日
Efficient and Effective $L_0$ Feature Selection
Ana Kenney,Francesca Chiaromonte,Giovanni Felici
5+阅读 · 2018年8月7日
The challenge of realistic music generation: modelling raw audio at scale
Sander Dieleman,Aäron van den Oord,Karen Simonyan
3+阅读 · 2018年6月26日
Jingwen Wang,Wenhao Jiang,Lin Ma,Wei Liu,Yong Xu
4+阅读 · 2018年4月3日
Jian Xu,Chunheng Wang,Chengzuo Qi,Cunzhao Shi,Baihua Xiao
8+阅读 · 2018年4月3日
Dan Xu,Xavier Alameda-Pineda,Jingkuan Song,Elisa Ricci,Nicu Sebe
7+阅读 · 2018年3月5日
Parth Shah,Vishvajit Bakarola,Supriya Pati
20+阅读 · 2018年1月17日
Top