人工智慧开启了新一代应用的神秘面纱，协助读者瞭解 AI 机器人将如何影响我们的未来，并釐清我们常常听到，但却着墨不多、甚至根本尚未全然理解的主题。 　　本文为「Robotics 2.0」系列文章的第一篇，讲述机器人技术与 AI 对于各大产业和未来工作的影响。我们将讨论 AI 将如何释放机器人技术的潜力，这项新技术的挑战和机会，以及这一切将如何影响我们的生产力、就业状况、甚至日常生活。在人工智慧被大肆宣传的当下，我们希望透过这些文章鼓励更有建设性和全面性的探讨。 　　重新定义机器人：揭开次世代 AI 机器人 Robotics 2.0 的神秘面纱 　　提到机器人，我们总有各式各样天马行空的想像：从 Softbank（软银集团）的社交机器人 Pepper、能轻松后空翻的 Boston Dynamics 公司机器人 Atlas、《魔鬼终结者》（Terminator）系列 　AI/Robotics 新创公司市场概况 　　研究新世代机器人新创产业结构，可以看到两种截然不同的商业模式：垂直应用与水平应用。 　　1. 垂直应用 　　第一种是垂直应用：硅谷当地多数的新创公司，专注于为特定的垂直市场开发解决方案；如电子商务物流、制造业、农业等等。 　　这种提供完整解决方案的作法相当合理，毕竟相关技术还处于萌芽阶段；公司不依赖他人提供关键模组或元件，而是建构端对端的解决方案。这种垂直整合的解决方案能更快进入市场，也能确保公司更全面掌握终端使用者的案例与效能表现。 　　但是，要找到像「仓库分拣」这样相对容易实现的应用案例，则没有那么容易。仓库拣货是相对简单的工作，客户的投资意愿与技术可行性都较高，而且每个仓库几乎都有相同的拣货需求。 　　但在其他产业（如制造业）中，装配任务可能因工厂而各不相同；另外，在制造业中执行的任务，也需要更高的精度和速度，技术上相对困难。 　　目前具有学习能力的机器人，仍无法达到与封闭迴路机器人相同的精度。 　　尽管机器学习能让机器人与时俱进，但目前透过机器学习运作的机器人，仍无法达到与封闭迴路机器人相同的精度，因为它需要累积尝试错误的经验，从错误中学习，逐渐进步。 　　这点说明了为什么 Mujin 和 CapSen 机器人这样的新创公司，并未採用深度强化学习，反而选择使用传统电脑视觉。 　　然而，传统电脑视觉要求每个物件都要事先登录，终究还是缺乏扩充和适应变化的能力。一旦深度强化学习（DRL）达到了效能门槛、逐步成为产业主流，这种传统方法终究会变得无用武之地。 　　此外，这些新创公司的另一个问题，在于它们的价值往往遭到高估。我们经常看到，新创公司在硅谷筹集了数千万美元资金，却无法承诺创造出任何真正具体的收入流。 　　对于创业者来说，「描绘」深度强化学习的美好未来，再容易也不过了；但现实则是，我们还需要数年的时间才能达到如此的成果。尽管这些公司离创造获利还有一段距离，硅谷的创投仍愿意继续押宝在这些人才优秀、技术先进的团队上。 　　2. 水平应用 　　另一方面，水平应用则是更实用、却比较罕见的模式。我们可以简单将机器人技术简化为感测（输入）、处理、驱动（输出）三个部分；除此之外，还有开发工具。（这里使用的「处理」一词，同时概略涵盖了控制器、机器学习、作业系统和机器人模组等等，各种不属于感测或驱动的其他项目。） 　　我认为未来，这个领域将最具增长潜力。对于机器人的用户来说，破碎而零细的市场是棘手的问题；因为所有的机器人制造商，都各自推展自家开发的语言和介面，使得系统整合商与终端使用者，都很难将机器人与相关系统进行整合。 　　随着产业的逐渐成熟，有越来越多机器人应用到了汽车和电子厂以外的领域；因此我们更加需要标准的作业系统、通讯协定、介面，从而提高效率、并缩短上市时间。 　　举例来说，美国波士顿的几家新创公司正在研究相关的模组；例如 Veo Robotics 公司开发的安全模组，能让免责声明：本网站部 分文章和信息来源于互联网，本网转载出于传递更多信息和学习之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请立即联系管理 员，我们会予以更改或删除相关文章，保证您的权利。对使用本网站信息和服务所引起的后果，本网站不作任何承诺。