美國麻省理工學院（MIT）一直是機器人科技研究的先驅，這個實驗室曾研究出獵豹、Atlas等轟動世界的軍事機器人。那么，隨著DeepMindAlphaGo、Atlas等前沿人工智能技術的發展，機器人領域的研究會出現哪些新的趨勢呢？在CCF-GAIR全球人工智能與機器人峰會機器人專場上，MIT機器人實驗室主任、IEEE、AAAIFellow、美國國家工程院院士DanielaRus就此作了報告演說，講述世界機器人領域十二大前沿技術趨勢：
機器人領域的摩爾定律
也許大家覺得這張圖未來主義，但事實上我們一定程度上已經實現了，機器人可以應用于送包裹、清理環境、貨物整理、自動駕駛、生活輔助等等場景。此外，我們也已經看到一些公司，他們已經發明了兩種單臂協作的機器人，并應用于生產。
這些例子告訴我們的是，機器人確實已經從科幻轉為當前的科學現實。我們能夠讓機器人更加有能力，更加的有智能。
值得一提的是，機器人領域也存在類似于摩爾定律這樣的顛覆性規律。包括制造工具、設計工具等領域，互聯網性能的顛覆速度每隔6年就會發生變化。同樣，工廠機器人的數量也是每隔5年就會翻一番。目前，我們暫時已經驗證了這一事實，而我相信未來這個顛覆的頻率會更高。
未來這個世界，每個人都有可能擁有機器人，機器人就像是在路上跑的汽車一樣常見，我把它稱之為泛在機器人的世界。
這些機器人將能夠與人類協作完成許多任務。當然，現在我們還沒有到達這樣的階段，因為還有很多技術問題需要解決。比如機器人如何跟人互動，如何自我推理解決問題以及，我們如何快速、低成本地制造新的機器人？
接下來，我跟大家分享一些技術的趨勢，這些都能夠幫助我們解決上述的問題。
十二大機器人技術趨勢
軟體機器人
之前的機器人都是鋼體的，但這樣的結構并不能很好地適應各種環境。軟體是指把機器人的結構制造成柔軟靈活的，像人體結構一樣。一般來說，軟體機器人的身體結構利用軟硅膠制造的，增強其適應性，能夠適應不同的未知環境。
基于肌肉運作的原理，我們發現這樣的構造讓機器人更加敏捷，能過更快速地完成某些特定任務。除了軟硅膠，我們還可以用水或是空氣去驅動軟體的結構。比如這個（放大版）機器人，它外形像一條蛇，而表面這些泡泡可以通過放大和縮小的動作來驅動機器人的活動。
我們可以看到，把機器人放到管道當中時，它就可以自動去檢測周圍的環境，塑料型的適應性是鋼體機器人不可比擬的。
同理，機器人維修，我們也可以去創造機器魚。如圖所示，它像實際的魚一樣可以活動，能夠90度的轉彎，可以快速地躲開捕獵者。全靠其軟體尾部，機器魚能夠在水中上下游動。
我們已經看到了軟性機體的重要性，一本新的期刊《軟體機器人》期刊已經出來兩年了。通過這本期刊我們知道，軟體機器人在機器人學科當中的重要性排名最高，也就是說大家對軟體機器人的關注度是最高的。
Manipopulatetion：靈活操作
除了軟體機器人，另外一個改善和提高機器人的技術是：靈活的抓取、搬運操作。
鋼體的機器人只能夠看清楚物體的大小，瞄準每一個指頭放在哪里才能抓取物體，但人不是這么操作的。我們要拿一個東西時，伸手、抓取以非常連續的動作完成，庫卡機器人驅動器維修，不需要思考大小還是運用哪個手指。正因為要對手指頭的位置的精準要求，讓機器人抓起行為有了很大的局限性，它們沒有辦法應對不規則的物體。
而軟性搬放就應運而生。因為不需要仔細地看這個物體放在哪個位置，也不會受到形狀的控制。比如，它可以抓取雞蛋、紙條。正因為這個機器人有非常柔性的結構，它可以自由地應對各種不確定因素。
我們還可以通過嵌入一些簡單的傳感器，來讓機器人擁有辨別實際物體的能力。當然，這其中還不能百分百做到，某些場景中的識別正確率偏低。橫向或者是使用兩個指頭拿成功率會高些，因為橫向抓取積累了更多的數據，知道怎么抓；而兩點抓取的信息就比較少了。
語言交流
就算有軟體結構，有的時候機器人也會失敗。為什么呢？如果機器人抓不住，它可以告訴人出現什么問題，但它不能。
通過觀察可以發現，機器人在執行一個任務時，人類一點點干預也會完全改變它的計劃。如何提高人機協同互動性呢？如果機器人能過簡單說一句幫幫我，我卡住了，這也能解決問題，但目前它還辦不到。除此之外，如果機器人還可以自省，根據自己的數據計算出新的決策行動，從而避免這個故障。
因此我們希望賦予機器人這個能力。我們開發了一個程序規劃系統，機器人可以通過這個規劃系統思考自己的行動過程卡住時可以想一想為什么卡住，怎么樣可以擺脫這個障礙，或者把這個想法和人類溝通請把桌子搬起來。
所以想象一下，機器人必須要有溝通能力，非常清晰明確地與外界溝通。否則，它只能說幫幫我的話，人類過來還得檢查看一看它到底有什么問題，這樣效率就很低了。
云端大數據幫助學習
我們知道，機器人也需要學習。但是，我們人類從出生起每天可以接受大量的數據，從而進行學習，而對于機器人來說，數據儲存就容易內存不足。一輛自動駕駛汽車一個小時就有1TB的數據，很難分析。所以，我們需要把抽象度提高，使得收集的數據能夠達到較高階的程度，降低儲存壓力和計算量。
舉個例子，左邊是一個GPS的數據流，如果對于這個GPS的數據流我們能夠建立起有意義的結構，就能過從中歸納出一些能提取的信息，然后做高階的推理。比如自動駕駛到了某一個位置，就知道要執行什么任務。
從數據流當中提取數據，進行抽象處理，并歸納出有意義的信息這是接下來要分享的核心級技術通過一個算法，在大數據當中分析一些小的數據集，這些小型數據集能夠反映出整個數據運算結果。
同樣一個例子：我們利用Coresete的方法，通過對視頻的分析得出數據集數，然后把不同的色彩進行集中，從中可以用分析出更多更復雜的視頻。電影畫面里面16500幀，我們只需要用1152個Coresete數據點就可以展開分析。
多機器人系統
只有一個機器人時，能夠完成的任務有限，我們需要許多個機器人組成一個自動化系統。所以，第五個趨勢就是多機器人系統。
當幾個機器人組合到一起時，每個機器人都有各自負責的工作。當然了，假如現在在建一座小木屋，其中會有一個機器人負責搬零件，而另外的機器人會負責其他的工作。所以，我們可以看到這四個機器人在協作。
機器人必須要能夠互相的交流、協調，才能夠知道要在什么時候配合同伴執行任務。這是個挑戰。它們需要了解自己的任務，又要知道整個集體任務的情況。
按需制造
我們的目標是，讓一個機器人可以通過3d打印機直接打印出來，但是這不是一般的外殼打印，在3D打印機當中要有驅動機制，我們可以看到里面的電子結構。這里其實是一個非常復雜的機制。
大眾化
讓所有人都能夠設計自己的機器人。這個想法很瘋狂嗎？有了數據庫、編程工具、3d打印等技術的基礎下，雖然不是說所有機器人都可以自動完成，但確實很多步驟是可以自動完成的。