灾害响应机器人要面对复杂的问题
大约是三四个月之前，在美国加利福尼亚举办了一个大型机器人挑战赛，我要跟大家分享一下我参赛的体验。
情况是这样的，2011 年，大家都知道日本东部出现了地震和海啸，当时也出现了核泄漏，我们必须要进行疏散，在出现这样的事故之后日本政府决定要部署灾害响应机器人，美国军方也派遣了一些机器人来帮助应对这样的灾难，但是他们发现这些机器人受到了一些门和墙体等非常障碍物的阻碍，没法进入到大楼中，而且他们也没法与这些机器人进行通讯，这些灾害响应机器人无法应对人为产生的灾难。
Darpa 是美国的国防部高级研究计划局，Darpa 进行了非常详细的规划来解决未来我们可能会面临的复杂问题。
首先假设机器人必须能够去驾驶常规的车辆，能够把这些常规的车辆驾驶到灾害发生地，到达灾害发生地的时候他们必须从车辆上下来，然后去清理路障，这样才能够进入到灾害发生地。
一旦进入到大楼，他们必须能够打开大门，进入大楼之后，机器人必须能够沿着非常陡的梯子或者楼梯往上爬，当有一些墙体阻碍了他们的前进时，他们必须能够在墙体上敲一个大洞以便穿行过去，如果一些管道泄漏，他们必须能够自己关掉阀门。最后这些机器人必须能够去解决一些出其不意的问题，要做一些没有事先界定好的工作。
为了促进活动的开展，Darpa 决定要对机器人挑战赛投入上亿美元资金进行支持，选择了七个团队来帮助他们解决这些问题。每个获选的团队会获得三百万美元的资金支持，每个参与者都可以获得这么多的资金支持，我们把它称为 TrackA。TrackB 是团队进行机器人操作来解决前面遇到的挑战，一旦参赛，他们会获得 100 万美元的资金，就是 TrackB。后来韩国政府、日本、欧盟有三个团队，韩国政府决定要参加到机器人挑战赛，韩国政府提供了 400 万美金的支持，日本政府也提供了几百万美元的资金支持，欧盟也提供了资金的支持，机器人挑战赛三年的资金支持达到 1.1 亿美金。在该挑战赛当中，我们开展了几次活动。第一次是在 2013 年 6 月份，这是初选赛，到 2013 年 12 月份的时候进行了预赛，2015 年 6 月份进行了决赛。
这些机器人是参加挑战赛的机器人。
Atlas，是由美国一家公司发明的；
HRP 平台机器人，是日本的代表机器人，它主要是针对工业设计的，是人机共同合作；
Jaxon 是日本的机器人，这个机器人在 2013 年 12 月份预赛获胜后，公司被谷歌所收购；
还有来自美国宇航局的机器人 Robosimian，这个机器人研发的目的是为了在月球或者火星上进行施工，他也在太空当中进行一些作业，是太空作业的机器人；
还有 Chimp 机器人，是卡耐基梅隆大学发明的，还有来自意大利的机器人 Walkman；
这个 DRC—hubo 的是我专门为此次挑战赛所组装的机器人。
挑战赛一共有 25 个团队，有 7 个 Atlas 机器人，还有 2-3 个 Jaxon 机器人，有 4 个 HRP 机器人，其他的机器人也有几个。
挑战赛中，最开始是从右上角开始，首先必须要把机器人放到车辆上，机器人必须要开车，然后进入到目的地，接下来要从车辆上下来，进入到大楼当中。在这块他必须要转这个阀，接下来要拿工具在墙上敲一个洞，在这里它还要应对一些意料之外的状况，必须要穿过特定的障碍物，最后要从大楼上成功的撤出，离开救援地。
这样的一个任务最难做的就是他们下调了通信的带宽，通常需要一秒钟的时间才能获得比较好的视频的图像，但是一旦他们进入到了空间当中， WiFi的带宽就变成了一万分之一，传一个图片需要一个小时的时间，一旦机器人进入到大楼，机器人必须自主去决定，没有外部的支持。这里还有操作室，它离现场有 500 米的距离，因此操作人员无法知道现场发生的状况，他们也不知道现场这些机器人是怎么运作，因为当时 WiFi 通讯讯号是非常弱的。
25 个团队中，有 3 个团队一个小时之内进入到了 A 点，最快的团队是44 分钟就到达了目的地。卡耐基梅隆大学的团队是第二位，我们是第一位。很多团队没有完成任务。
25 个机器人来自世界各地，他们的成本造价可能都达到 100 万-200 万美元，可能需要花几年的时间才建造完成，它们行走得非常漂亮，操控也非常好，在实验当中它们表现得特别好，但在现实当中却会不断地摔倒，会出现这样那样的故障，很多人对于这样的结果感到特别的失望。
灾害响应机器人，他们在进入到灾害现场之前实际上遇到了非常多的障碍，因为他们遇到了真正的灾害。
在我们实验室当中这些机器人表现得特别好，但是在真正的现场，他们可能会遇到非常多的障碍和困难，因此在实验室和现实世界区别非常大。
什么原因会导致机器人故障？
究竟发生了什么样的状况呢？我们发现有几个原因造成了机器人的故障：
大部分的是系统和硬件的故障。
当我们制造机器人的时候，有时候我们让机器人行走，在实验室当中行走是很容易的，但是在任何地方让他们随时都能够行走是很难的，因为有时候这个系统并不是特别的可靠。我们发现两足行走本身对于机器人来说并不是特别安全。
还有另外一个问题，机器人自己行动的话是可以的，但是一旦机器人要和环境进行互动，他可能会遇到非常多的障碍。
我给大家讲一个非常简单的例子，你可以看到有一些机器人他们要开门，对于机器人来说，开门这样的一个测试可能做起来是最难的。
因为大多数的机器人擅长定位，如果你让机器人待在一个位置是可以的，而如果让机器人自身去模仿一个人类，或者自己去做一个事情实际上是很难的。
我给大家再稍微解释一下，开门意味着这个门本身是有一个门闩的，它要是以门的闩为一个中心点让这个门旋转，在开门的过程中这个机器人就得按照开门的轨道做同样的动作，在这个轨道当中他要考虑到机器人和门以及在门闩位置的关系，所以说如果这个计算轨道错误的话，就打不开门。如果这个轨道是能够吻合的，就可以开门。如果不能够配合，机器人的手指头和胳膊很容易在开门的过程中就碎掉了。
在很多的开门试验当中大家可能都曾经见过机器人是非常容易坏的，所以这个过程非常困难。我们认为来实现这种自动化和监管之间的谐和，有些东西需要让人工智能自己完全自主的做一些事情。有些事情可能不见得这么成功，而且有些人认为机器人可以做什么事情，但不见得，因为在过程中一些沟通的方式可能不一样，中间会存在一些延迟，有时候视频反馈又可能出现一些问题。
这些对于这种自动化和监管都是非常重要的。
还有一点就是操作员会出现一些错误，用户见面，操作员在运作这个机器人的时候，在现实世界当中操作员本身也非常重要。在我们这个情况下，我们的胜利点主要是在比赛之前做过一些测试，我们尽可能一个接一个解决这些问题，在首尔我们制造了一个非常稳健的机器人平台，包括像电力方面，内部的通信等等。另外我们还有非常强劲的视觉控制器。视觉系统非常容易出错误，因为它会去解决很多的数据，视觉控制器在这个系统当中可能用到的比较多。
另外关键的一点就是通过操作系统进行机器人编程。
我们暂时没有使用IOS 系统，IOS 系统太大了，很难学习。另外系统本身是非常复杂的，而且也需要有非常多的支持。还有机器人的控制，实际上也是需要与周围的环境结合在一起，比如说开门、拉一辆小车、把一张纸放下等等，这些与环境有非常大的相关性，我们也要考虑到这些部分。
这些是我们建立的平台，有很多不同的方式。这些零部件，在内部也有非常好的散热系统，我们还有内部的水冷系统或者气冷系统，就像汽车一样，里面会有一些驱动的散热单元。我们要让这个机器人有高灵活度，他应该非常流畅地与周围的环境进行结合，这个视频当中能够看到他的一个运转的过程，你可以看到这个驾驶的方向盘和机器人的位置不是固定的，他们想测试一下看这个机器人是如何来驾驶的，但是你看到机器人试图想把方向盘拉到自己驾驶的位置，这是一个非常复杂的过程。
这是应用在车辆当中的一个算法。这个机器人如果扶住车辆的上沿往外跳，如果设置不合适可能会导致胳膊断裂。当然它可以取决于机器人和车辆的距离，以及机器人与地面的距离，有很多控制的决定因素，但是由于这个过程中有很多的跳动是被动的，所以我们要考虑到中间的一些动力和摩擦以及与地面的高度等等。
我们可以看一下这个机器人自己是怎么平衡自己的身体的，在出现干扰的情况下它内部的控制，让它能够抗击外部的冲击，而且它还有能力能够在砖上面进行行走。
我们也是进行了一些其他的实验。机器人在走动时，当他感受到前面有一个障碍的话，他可以让倒下一边的手臂放松，避免一些相应的伤害。如果前面有障碍的话，他可以这样走。在这个过程中需要让自己身体的平衡，而且它需要对进行地面情况的建模，这里有非常多的通信干扰，这里还是比较低频、低带宽的通信。另外一个是它的适应性。它在走的过程中有的时候可以跪下，要利用它的走动和滚动的方式，利用不同的环境，在跪的过程中使用下面的轮子进行滚动。
机器人的视觉系统要能够实现一个平衡，平衡的策略是在于对于机器人来讲，它能够找到这样的平衡实际上是非常难的，但是我们可以让机器人容易地测量到距离，给的指示是需要拿什么东西，其他的部分都是自己完成的。比如我们让他在左手边拿这个工具，他就可以测量出他和这个物体的距离。我们有非常好的分离功能，你可以看到他可以两只手同步的进行操作，这边也可以手动。这是我们所做的一些实验。
我们在最终挑战的时候拍摄了一些照片：这里机器人驾驶车辆，从车跳下来，转为跪态滚动，到了门口开门，需要测量距离，下面操作员给他指示了这个工具，但是工具的位置不太好，所以需要挪到左手边然后重新测量一遍，拿起，操作员向他指示中间那个黑点，其他东西都由他自己自动进行。
对于机器人来说做这种非常复杂的任务，在一个小时之内不需要任何额外的帮助不是一个非常简单的事情，对于机器人来讲是非常难的。
