2016年12月08日 星期四
这些无人系统 能像人一样“聪明”吗
文·刘 贝 罗 阳 本报记者 操秀英
题图为今年中国航天科工集团三院在珠海航展上推出WJ-600无人机的改进型——WJ-600A/D高亚声速中高空侦察打击一体无人机。得益于所搭载的多功能目标跟踪指示系统及多源信息融合技术,WJ-600A/D无人机可获得更准确的战场目标信息,保障后续对固定目标、时敏目标和随遇目标精确打击任务的顺利完成。
(中国航天科工集团三院供图)

    超过了10000平方米的展馆面积,汇聚了来自国内外军用无人机、工业无人机、消费无人机、无人车辆、无人船舶等无人系统领域代表性的军工单位、科研单位、企业逾120家展商……近日召开的第十八届中国国际高新技术成果交易会无人系统分会场成为亮点之一。

    事实上,从奥运会的航拍无人机,到无人驾驶汽车,从水下智能仿生鱼到智能家居,近年来,无人系统以越来越“聪明”的形象走进大众视野。智能化无人系统的概念逐渐普及,其发展已进入“井喷”时代。智能化无人系统究竟有多聪明了,它将如何改变我们的生活?记者就此采访了相关专家。

    像“人脑”一样感知世界

    “智能无人系统主要包括空中飞行的无人机、飞艇,地面上作业的机器人、自主地面车辆,水中的无人潜航器、水下机器人等三大类,还有空间站机器人、微型卫星、工业机械臂等众多旁支,可谓是种类多样,家族人口众多,智能无人系统已开始在社会生活中崭露头角。” 中国航天科工集团三院无人机技术研究所第四研究室副主任杨发友介绍。

    2015年,美国波士顿动力工程公司的“大狗”机器人就已经进入了阿富汗地区开展试验,对机器人和士兵的协同作战功能进行了初步验证。

    “大狗”机器人是形似机械狗的四足机器人,体重和大型犬相当,在交通不便的地区能够为士兵运送弹药、食物和其他物品,能够行走和奔跑,还可跨越一定高度的障碍物。“大狗”机器人总计安装了约50个传感器,这些传感器用于监测车身的姿态与加速、关节的运动和力度、发动机的转速和内部机械装置的温度和液压。

    头部的立体摄像系统提供精确的三维地形图,姿态传感器提供当前的姿态和加速度,压力、位置传感器反馈关节当前的运动状态和余量,温度、压力传感器可以监测系统的健康状态,多传感器信息全部传递回“大脑”,通过信息融合算法,经过类似人脑的处理过程,“大狗”可作出正确的指挥。

    正如“大狗”所展示的,传感器和微型处理器技术的发展大大地推动了信息融合技术的研究和应用,信息融合技术的应用领域已经逐步从军事领域向民用领域快速拓展。例如美国知名电动汽车厂商特斯拉日前通过OTA升级的方式将全球各地的特斯拉车载系统升级至了7.0版本,此次7.0升级主要集中在自动驾驶方面,其最大的亮点就是激活了包括自动车道保持、自动变道和自动泊车这些功能。

    模拟“人脑”深度学习抽象概念

    作为较早研究与开发智能汽车的高科技公司之一,Google对其智能车自动驾驶系统进行了为期长达14个月的公路实验,累计在加州的公路上行驶了48万公里。近日其向加州交通监管部门递交的一份无人驾驶实验报告显示,无人驾驶系统安全行驶的关键在于对复杂场景下路况及周围态势等“概念”的正确认知,并在行驶的过程中正确地完成路线自主规划、交通规则学习和突发事故处理等决策行为。所有传统算法的表现往往无法满足自动驾驶的要求,因为传统的智能算法无法理解抽象的“概念”,但随着深度学习技术的兴起,人们又看到了使机器学习和理解“概念”这一抽象事物的新希望。

    深度学习是机器学习研究中的一个新的领域,其目的在于建立、模拟人脑进行分析学习的神经网络,它模仿人脑的机制来解释数据,更具体一点来讲,是模拟人脑对于非结构化数据的识别、判断、分类。到了今天,在某些场景中,经过深度学习技术训练的机器在识别图像时比人类更好,比如识别猫、识别血液中的癌细胞特征、识别MRI扫描图片中的肿瘤、学习围棋(AlphaGo)等,相信在不久的将来通过深度学习训练出来的智能车自动驾驶系统可以如同驾驶员一样轻松处理复杂的路况。

    “从最初的遥控控制,到自主控制,再到系统的自适应、自学习,随着大数据、并行计算、深度学习等技术的不断发展和在无人系统中的应用,无人系统变得越来越智能化,执行任务的种类得到进一步拓展、执行任务的质量得到显著提升。”杨发友说,例如,借助先进的视觉识别技术、精密的小型轻质电机以及综合处理算法,德国宇航中心研制的机器人已经可以实现与人进行乒乓球比赛。

    短期内人类不必担心被取代

    随着特斯拉公司首先将全自动驾驶系统应用于商业化汽车业务,自动驾驶汽车已经逐步走入我们的日常生活。然而就目前的报道来看,智能化的自动驾驶汽车还存在很多安全隐患和风险。今年5月7日,一辆2015年产的Model S在佛罗里达州的一条高速公路上开启自动驾驶模式时与一辆垂直方向开来的拖拉机挂车发生了相撞导致司机当场死亡,这引发了人们对智能汽车安全性的担忧。

    尽管智能无人系统的研究正在稳步向前推进,但距离大规模的商业化应用还有很长的距离。就智能无人车而言,如何建立合理的监管体系、提高自动驾驶的安全性等正在逐渐成为研究的热点。单独的智能汽车在路上的表现非常抢眼,但多辆智能车之间或者智能交通系统的安全运行考验的不仅仅是智能汽车的事情,其全面普及仍需要监管部门、交通部门的配合,对道路规则的判定、交通标志的统一、数据处理功能强大的监测核心。

    同时,就民用智能无人系统而言,联网已是大势所趋,专家认为,如何保证智能系统的安全性,保护使用者的隐私,确保不会被有心人夺取了无人系统的控制权,也成为人们关注的重点。

    与此同时,有些人开始担心,日益聪明的机器有一天是否会打败人类?对此,杨发友认为,随着智能化水平的日趋提升,可以预见,无人系统将在未来生活中扮演越来越重要的角色,但同时也不必过于担心可能的危害,因为人类思维是一个非常复杂的过程,尤其是其中创造性的部分,恐怕短期内无人系统还难以取代。

    延伸阅读

    智能交通将重塑交通体系

    由于深度学习技术可用于复杂场景下物体的准确识别,例如车辆、行人、障碍物、道路以及交通信号灯和交通标识等,目前在智能汽车与智能交通领域掀起了一股深度学习热潮。不同于以往依靠特征提取与模式匹配技术对图像内特定物体的识别,深度学习技术通过赋予计算机系统对图像特征的理解能力,可大幅度提高图像识别的准确性与稳定性,这项技术的落地应用将给人类带来前所未有的出行体验,重塑交通体系,并构建真正的智能交通时代。

    左下图是采用传统的图像识别算法,右车道白色的车辆没有被检测出来。而右下图采用深度学习算法对车辆进行检测,虽然右车道车辆只有部分在图像中,这个车辆仍然能够被有效检测出来。

京ICP备06005116