产学用如何推动机器人新突破、强落地——机器人智能论坛圆满落幕

在8月27日的午后，“机器人智能论坛”以云端对话的形式圆满落幕。这场盛会由中国人工智能学会主导，认知系统与信息处理专委会、南京清湛人工智能研究院携手呈现，同时得到了北京容天汇海科技有限公司和镁客网的大力支持。

论坛历时四个半小时，来自产业界、学术界和应用领域的嘉宾们，构成了一个全方位的“产学研”对话，就智能机器人的前沿主题进行了深度探讨和精彩分享。

陈学超教授，北京理工大学机电学院的博士生导师，为我们揭示了仿人机器人的奥秘。仿人机器人，作为智能机器人的一种高级形态，具有人类的外形特征，包括两手、两腿、头部和躯干等，拥有复杂的多体动力学系统。陈教授指出，仿人机器人在公共安全、国防、社会服务等领域具有广泛的应用前景。从自身研究出发，他强调了跳跃能力对仿人机器人运动敏捷性和环境适应性的重要性，并介绍了其研究团队在仿人机器人高动态跳跃运动方面的关键技术和研究成果。

葛荣骏副教授，东南大学计算机科学与工程学院的一员，聚焦国产医学影像设备的硬件不足问题。他提到，国内医学影像设备市场被国外企业垄断，而国产设备在成像质量上存在短板。针对这一问题，葛教授指出可以通过优化成像算法来弥补硬件的不足，并介绍了一些前沿的CT成像算法。

李雨倩作为NVIDIA自主机器技术专家，为我们介绍了基于IsaacSim平台的机器人训练提速方案。她指出，无论是算法开发还是智能机器人研究，都需要大量的数据处理和模型测试验证。在这个过程中，如果全部依赖单个项目或企业来完成，将面临诸多挑战。NVIDIAIsaacSim应运而生，这一工具建立在数字孪生Omniverse平台上，能够生成真实准确的自然世界虚拟表示，并允许导入各种对象类型，包括CAD文件，从而生成与真实世界几乎无法区分的模拟环境。它为机器人研究和训练提供了一个高效的解决方案。

论坛内容生动丰富，嘉宾们的分享充满热情与深度。这不仅是一场知识的盛宴，也是一次行业内的思想碰撞和前沿技术的展示。在Isaac平台，机器人应用开发的过程被简化为四个清晰步骤，呈现出如拼图般的完美契合。

模型训练是核心基石。通过IsaacReplicator和TaoToolkit这两大工具，机器人的智能得以塑造和锤炼。想象一下，它们如同机器人的智慧之源，为其注入理解和互动的能力。

接着，仿真测试是验证的舞台。Omniverse环境下，通过IsaacSim进行的整机仿真和测试如同现实世界的预演。在这里，模型的好坏、整机性能能否达标都被一一检验。

然后，搭建阶段是创造力的体现。在机器人本体嵌入式计算平台Jetson上，利用IasscROSGEMs、RIVA、NovaOrin等工具，机器人的各个部分如同积木般被组合在一起，构成一个个独特的存在。

部署&管理阶段是资源整合的艺术。Triton和CuOpt的协同工作，使得资源的调动和管理变得井井有条，机器人的最优路径规划也变得智能化。而在实际环境测试后，任何问题和不足都会被发现，然后回到第一步进行再次的训练和优化。

平台优势显著，除了各类软件工具的协助，背后的算力支撑也是不可或缺的力量。王亮作为NVIDIA的高级解决方案架构师，重点介绍了NVIDIAA40和A100两款产品。A40与NVIDIA OVX的结合，为机器人仿真与训练提供了强大的硬件加速支持。而A100则是AI超级计算GPU的佼佼者，它的性能相较于上一代产品有了数倍的提升。

与此未来机器人的作战样式也在逐渐演变。智能机器人已经不仅仅局限于工业机器人领域，特种机器人尤其是机器人更是成为了科技前沿的焦点。中国兵器工业集团的孙玉洁工程师为我们描绘了机器人的分类以及城市作战环境的需求。她指出，当前机器人部队在构建上存在短板，对此提出了几点宝贵的建议。

而在机器人产业中，“非标+长尾”现象一直是一个难题。墨影科技的黄洪波以冰山作比，揭示了那些无法被触达和满足的大量潜在需求机器人和自动化改造的行业和项目。他强调，虽然机器人市场的垂直场景价值巨大，但许多机器人公司和集成商仍然只是在冰山一角竞争。为了真正释放机器人产业的潜力，需要解决这个难题并深入探索那些沉在水下的冰山部分。未来需要发展机器人的弹性算力和可拓展硬件平台，推进相关科技竞赛和智能技术成果的转化应用，让机器人技术真正渗透到各个领域并为人类社会服务。黄洪波针对机器人企业和集成商面临的困境进行了解释。产品和项目的开发与部署往往需要一两年甚至更长的时间，投入成本高昂，周期漫长。这导致他们不得不提高报价和延长实施周期，使得机器人和自动化改造的价格居高不下。客户的实际需求是快速完成改造，降低产险停产时间，实现降本增效。这种需求与企业和集成商的高成本形成了矛盾，导致了企业和集成商面临低价竞争和亏本赚吆喝的困境。这种情况其实是一个恶性循环。

针对这种现状，黄洪波指出了“非标+长尾”现象是机器人产业发展过程中的阶段性必然结果。由于需求种类和数量的不断增加，单一厂商难以满足所有需求，跨厂商系统集成又异常复杂，加之客户对机器人和自动化的需求场景各异，导致了这种现象的出现。

为了打破这一局面，黄洪波提出了构建“平台型系统”的解决方案。他认为，这样的系统能够提供行业基础共性功能，简化开发流程，整合上下游资源，从而促进行业的爆发式发展。

与此杨磊作为南京清湛人工智能研究院的执行副院长，对机器人的视频感知技术进行了深入探讨。他认为，“云+边+端”的架构是赋能机器人视频感知的关键。虽然产业内已有许多公司为机器人的感知和计算基础提供了支持，但“感知”依旧是机器人技术发展的一个重要瓶颈。

特别是视频感知技术，其处理的是实时连续帧图片序列，需要处理的数据量更大，且多数数据未经加工处理，更具实用性。相较于视频监控，视频感知不仅要获取和分析数据，更要理解视频内容以及目标之间的关系。随着工业场景新需求的出现，传统视频监控已不足以应对新的挑战，而视频感知技术则在工业场景中得到了广泛应用。

针对机器人发展面临的算力障碍，杨磊表示，清湛人工智能研究院采用“云+边+端”架构打造了一套智能监造系统。通过增加边缘分析设备，构建专有的安全生产预警模型，为大型企业用户提供简单、易用、优质的视觉算法开放平台，是未来的一个重要发展方向。