作為國內頂尖的機器學習領域研討會之一，MLA系列研討會迄今已舉行了17屆，近年來參會人數超過2000人，匯聚了來自清華大學、北京大學、南京大學、南方科技大學等機器學習及其相關領域的專家學者，共同探討機器學習發展及在各領域的應用情況，是一場不可多得的人工智能學術和產業應用結合的盛會。
隆博科技專注于自主移動機器人（AMR）技術研發及柔性室內物流解決方案，已經為全球500強企業提供AMR產品及相關解決方案，在多類場景中投入應用，并遠銷海外。創始人兼CEO佘元博，是國內最早開展AMR商業化應用的推進者之一，同時也是優秀的機器人與人工智能領域技術專家，從商業應用價值角度，分享了關于機器學習（ML）在室內工業AMR領域應用價值的觀點。
柔性室內物流東風已起，人工智能將大放光彩
報告中，佘元博從隆博科技AMR產品在工廠和倉庫的應用案例切入，介紹了AMR飛速發展的市場背景。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。
（數據來源：Interact Analysis）
根據國際知名研究機構Interact Analysis的數據顯示，AMR增勢強勁，在將未來幾年內全面超越AGV，其硬件規模將在2024年達到近100億美元。雖然目前傳統導航技術的AGV依舊占據主要市場，但更接近與人的智能水平的移動機器人是應用趨勢，這也給人工智能技術應用留下了廣闊空間。
從良到優的跨越，ML讓AMR具備更接近人的智能
報告中，佘元博指出了機器學習在機器人技術中應用的思路。傳統的機器人技術都是人去設計算法，而機器學習是機器從數據中學習模型，通俗說，機器學習是設計算法的算法。兩種方法各有優劣，如何結合是提升機器人智能水平的關鍵。
為簡化表述，我們把人設計算法的思路稱為邏輯方法。邏輯方法的優勢是，通過算法原理能夠對結果做出唯一的推導，即只要算法設計得好，結果一定是穩定一致的。而劣勢在于對于復雜邏輯，人腦難以設計出完美的算法以得出完美的結果，即復雜邏輯面前，無法通過人腦的設計讓算法接近人的智能。
當一個信息處理過程，影響結果的變化因子太多，甚至無法知悉哪些因子影響結果，以至于無法采用邏輯方法建模的時候，機器學習可以填補這個空白。另一方面，很多復雜信息處理過程，邏輯方法無法盡善盡美，這個時候機器學習可以起到拔高的作用。即一個復雜信息處理過程，再聰明的人設計出來的算法只能做到80分水平，但是機器學習可以做到90分。
另外，佘元博強調，我們一定不要誤認為機器學習是萬能的。機器學習有天然的劣勢，就是得分上限很高，但是下限也很低，而且結果的質量不穩定，這剛好是和邏輯方法相反的。那么我們在應用機器學習過程中，要注意分解問題，將邏輯方法與機器學習結合，既保障邏輯方法的高下限和穩定性，又能通過機器學習提高上限。通俗地說，就是如果我們只運用機器學習方法，結果可能是某些場景50分某些場景90分；如果只運用邏輯方法，結果可能保持在80分。而兩者結合后，則可以是保障在80~90分之間。
從感知到決策，隆博AMR將ML投入“實戰”
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。
技術并非越高端越好，解決客戶痛點才是王道
“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。”報告中，佘元博回歸主題，指出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。所以從商業價值角度來看待技術應用，我們一定先好了解技術的應用場景，優先解決客戶的痛點問題。
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。所以我們要判斷技術應用的趨勢，才能始終在技術發展上領先同行一步，但是從商業價值角度看，領先太多也沒有意義。
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。
