由中国计算机学会（CCF）主办，雷锋网承办的《全球人工智能与机器人峰会》于8月12、13日在香格里拉酒店举办，亿欧作为媒体支持单位报道本次活动干货。
下面是宾法尼西亚大学工程学院院士、IEEE、ASME Fellow、美国国家工程院院士Vijay Kumar演讲干货（有删减）：
当时我在预测无人机的发展，你可以看到是爆炸性的增长的，在2006年的时候，我们第一次成功的有了四轴飞行器的原型，五年后的2015年，无人机基本上是全球的关注点了，而且这个行业，人家说将会是150亿增长，而且到2020年将达到250亿，而且这个数字可能是低估的，并且可以看到无人机可以应用到许多领域，不仅是军用、民用，包括农业、应急灾后的援助、建筑业等等，而且我很高兴无人机能够在这个领域发挥重要的作用，也很高兴能够来到深圳来发言，我发现深圳确实有很多案例发生，在深圳、东莞、香港我们可以看到许多无人机的发展都是在这里发生的，我想深圳才是最合适我来跟大家分享无人机主题的地方。
未来无人机的5s:small、safe、smart、speed、swarming
我们实验室是走在行业的前端的，当然还有大疆的牵头，整个无人机产业确实在迅速发展，同时在学术界和产业界之间的缺口也是逐渐缩短。接下来的无人机，我们希望可以做到五点：
1）small：首先让机器人变得越来越小；
在这个搜索和营救，你想象这样的环境你是一个小的机器人进来，你在这样的环境当中要去搜索，而且你对面前这样的情况没有一个清晰的地图，你不可能有清晰的轨道，机器人进来完全不知道前方是什么。同样农业也是一样的，你要在果树里面飞行，你也不知道里面有多少果树，重新种了多少果树，所以是一些未知的环境。另外，我们发现在过去五年里，你看看我们的原型，这个小的尺寸，我们能看到它有小的自主性，我当然会给大家看这些机器，你可以看到最轻的是20克它根本不能搬什么木块、木头，尽管传感器也变小了，重量也变小了，你可以背硬件，越往下走越走，当然大的话你可以有更多的传感器，这样它的自主性就更高。这里我们看的是20克，11厘米的直径，然后我们可以看到它最高的速度是6米/秒，这样的传感器是更加安全，更容易操作。
2）safe，让它们更加安全，这样机器人可以接近人类操作和运作；
这里我们看到的就是这样一些蜜蜂，我们对这个视频进行慢动作处理，你可以看到它小的时候可以跟环境进行很好的互动，它可以撞倒邻居，但是也不会受伤，因为它们很小也很安全，而且因为它们很小它们更加容易在这个环境当中进行一个周旋和控制。而今天我想给大家展示一个500克的机器人，跟25克的机器人，就是上方和下方两个机器人的比较，那你看一下这两个机器人的机动性和加速的能力，我们可以看到这是用1来除以它的长度，越小速度越快，也是当你的长度变小稳定性更高了，撞到这个墙上很快就能恢复过来，而且能够自主保存更安全的配置。
3）smart：让无人机、机器人变得更加智能化；
这里我们在模拟飞机撞击的情况，就是大概1米/秒的速度，你可以看到机器相互撞上了，因为机器小惯性小更容易稳定下来，机器小没有惯性大的前置，所以很快恢复。这里是每秒20米的飞行，通过摄像头拍到的东西，我们可以通过这个设备看到这个环境，而且去规划它安全的动作，但是你可以看到，尺寸小速度就加大了，所有这一切都是非常关键的，这个设计非常重要，而且后面的鲁棒性的控制，而且反馈环，我们可能只是看它的导向、它的定位，你希望去稳定它的定位，但同时我们要看它的位置以及外环我们要看看要去规划它的路径，所有这些每秒都会发生几百、几千次，外环是1万赫兹，只有最里面的环我们去控制导航和定位。
有些时候我们会用外部的动作获取和捕捉这个摄像头，这其实是非常有用的，因为如果你不能够在这个室内环境有传感器的话，当然外环你可以通过笔记本、云端进行操作，所以我们可以看到这样的封闭环，当然你可以把所有的东西都放在这个飞行器上，你也可以用这个控制器，你不需要加上外置的摄像头，而现在我们可以看到这样的飞行器，因为它的重量它可以去承重刚才所讲的。你要这个飞行器去飞行你就要看看这个飞行器的动力学，有些时候你要用非常复杂的，在十二维空间当中的等式和公式来进行，你可以用这个方式从偏航的角度跟其他角度进行结合，然后我们看到左手边的这个表面，这样子你就能够得出在这种复杂的环境当中这种可行的轨迹。
4）speed：是速度，根据环境改变做出快速反应。除了第一应急，如果出现灾难的话，你是希望有尽快反应，所以需要速度；
在左手边我们看到它绕过这些障碍物，我们把它称为最小化加加加速度的轨道，这个轨道我们每秒要规划10到100次的，然后再转向一个更复杂的环境和空间。举几个例子来说明，第一个例子，它是贴近地表飞行的，不需要外部的设施来帮助它规划，接下来是通过摄像机拍下来的，是在障碍物当中，这是最小障碍物的路线，它知道这个障碍物就可以成功的来进行规划，但如果这个障碍物可以移动也不要紧，因为机器人知道障碍物在哪里，你可以清楚的看到。这种方法对于另外的设置也同样有效的，这是一只海鹰而不是机器人，但是它在海面掠过抓海鱼，这个通过眼、爪、翼的结合才能完成，我们在2米、3米的高度能够抓取这个物件，这个也需要协调。
最后，我们怎么把这个悬挂负重穿过窗口，因为这个窗口并不够宽，它通过飞行轨迹的控制能够穿过这个窗口，另外一个挑战就是要判断它这个高速当中的位置和速度，大部分的情况下你是不会有一个动态的摄像机和GPS的，而这样一个飞行器，它72公里/时的速度，它怎么知道自己的环境以及怎么样运算它飞行的速度，然后进行一个反馈计算呢？我们用计算机视觉的技术，通过计算机视觉就是用这么一个动画的形式来显示机器人在零的方位，然后判断有几个特征，往往柱子、桌脚或者强度的变化，在这个过程中不断监测，有些特征会重叠，有些时候会出现一个新的特征。
因为我们有这个螺旋仪和加速仪可以知道特征移动，特征移动告诉我们方位和位置，所以你可以看到比如说，比如说我们可以通过这个数字告诉我们这个数字，而且就解决了很大的问题，最主要的差别就是我们每秒做数百次的运算，通过摄像头和运算，只有这样子才能算出我们的方位和速度，基本上也是实时进行的如果有了GPS的话，如果你获得摄像头和机关的数据，也可以加起来放到一个略波器里面。左边我们列出传感器不同的等级、不同的不确定性，怎么样通过概率学的方法把这个系统的数据融合在一起，通过一个等式来把它归纳成一个位置和速度的估算，而且是达到200赫兹的速度，这是一个挑战。
5）swarming：当机器变得越来越小的时候，我们希望有更多的机器人一起来合作，因为如果单个小的机器人不是所有的都懂，这时候需要许多机器人一起合作；
另外一个挑战，就是可以通过这个短片来说明。左边我刚才讲到飞行过程中看到的特征，特征就是屏幕中的绿点。机器人飞行的时候，你看到屏幕当中来做这个规划，它可以判断它的速度和位置。另外一个挑战就是掉判断障碍物的位置，这个需要完整的自主性，不光要判断你自己的位置、方位以及方向，并且加以控制，并且要规避障碍，这样的话，我们做一个本地地图，这个机器人是40赫兹的本地地图，然后我们把这个本地地图和我们规划的飞行轨迹，然后把它推送给我们的控制器。
有些时候会把这个本地地图再整合起来，然后再讲。这也是一个技术。当然这里时间轴更长一点。
再跟大家讲一下我们怎么样寻找安全轨迹。左边是一个我们可以做出一个二维低度，那么我们再找一些安全的角度，把安全走廊作为一个矢量级的结合，然后我们就在这一个集合当中去调整我们这一个最小加速度的一个轨迹。
我来讲一下，通过这个动画来解释一下。在左边是一个立方体，它告诉你它的这个机器人的视觉，它飞行得很快，但是20米以外东西它看不到，因为传感器看不到20米以外的东西，一秒钟你就可能跑到一个墙而这个墙你之前看不到，所以它要不断更新它的地图，然后做出飞行规划来绕开障碍物。然后右边就是它直行的飞行轨迹，随着窗口动的话，右边是它实际的飞行轨迹。
这个是我们的实验，你看我们的无人机通过三维的环境当中，你要记得这个环境它是从来没见过的你是随机摆放障碍物，而且寻找安全的轨迹，最后你就可以做出这么一个地图。这是一个高分辨率的地图，实际上就是我们的实验室，然后是5厘米的，而且是彩色的，通过一个三维的网格进行叠加，当然我们是快进显示，但最主要就是说这个地图绘制是实时的，这样的技术就可以把机器人送进一个没见过的建筑，然后绘制地图。
这个是宾夕法尼亚的工程。简短而言，我们是可以规划这个飞行轨迹，加以控制，并规划我们的飞行路线。
回到我们讲小尺寸和自主性的问题。小尺寸就很难达到自主性，刚才我讲这种大的无人机可以，但是如果把照相机、机关，向下的摄影机，整个平台就重达3公斤，而且悬停的时候，这个机器人就更重了，而且机器人有45%到50%重量都是电缆、传感和外壁，这个是240瓦，它其实不是高功耗的电子，它们是低功耗的，只不过比较重，所以就要用很多的电，所以我们有哪些又便宜又轻的东西可以用呢？答案大家口袋里都有，就是我们的智能手机，Phlone，来进行定位和计算，然后我们控制器是在我们手机上运行。举个例子，3米/秒的户外飞行轨迹，没有任何的录像头，唯一的就是手机的芯片，你可以拿一个比较笨的无人机，随便买一个比较笨的无人机，然后把它接入你的手机，像我们这种人喜欢又轻又便宜的东西，所以我们会把机器人做得又便宜又小。所以高通也是把我们无人机大卸八块，小的无人机，但是你看还是能3米/秒的速度，飞行中用一个摄像机它也可以做一些结构性的飞行。这个地上有些地方是干，有些地方是湿，它还是可以做到很好的飞行控制。所以，我们重型和轻型无人机的推进将随着这个技术而推进。
我们做搜救任务的时候，如果出现天灾人祸，出现一个犯罪现场，我们希望无人机能够包围这个场景，然后在这个场景中提供信息，包括保安员等信息，大家知道在美国这样目前还是违法的，我只能告诉你刚刚这个照片是在中国拍的，但是其实我们是有实验的，我们做的是非常安全的，一个操作员可以发8到10个无人机动态的监测。我们特别关心的是什么呢？我们从自然中寻求灵感，刚才讲的有静态的图片，有丹麦的这种鸟拍出来的照片，这种系统到底有什么特别之处呢，像这样的系统，像蚂蚁互相协助来搭桥从湿的地方走到干的地方，它也是从无花果当中挑出来的，所以在这些照片当中，哪些蚂蚁在拉、在推、在偷懒，我们都可以看得清楚。
我们有三个利用无人机的原则，第一，每一个无人机都是自主的行动，我们没有一个中央控制的机器。第二，机器人是团队当中的一员，但是它不知道另外团队的需求，它只是知道它最近的情况。第三，匿名的行为，这些机器人是没有身份的，如果10个人搬桌子搬出去，你知道他们每个人是谁没问题，我们要的就是让机器人有这样的特性。我想给大家展示几个视频，看看我几个想法是如何结合在一起的，第一个叫领导者和跟随者网络，每一个机器人都会看着它临近的机器人来保持跟它的关系。它们互相在沟通，而它能够在互相沟通，整个操控机器人的网络，所以你可以看到机器人里面有四个，同样的里面的想法也可以用到200个机器人当中。第二点，能够维持阵列、队列，你看把我刚才提到的三个原则放到里面，机器人能够变成圆形、长方形，回来又成为正方形或者圆形，它能够形成队列，当然有一个具体的操作员来规定它的形状，决定哪个机器人负责这个位置，哪个机器人负责那个位置，然后基于用户的需求去形成队列。它们能够用在其他的系统当中，不仅仅是飞行器当中，比如说我们可以看到我们这些飞行员能够飞行能够走动，也能够去抓取，这些机器人能够走路，能够抓取，能够飞行，这就是一个例子，它能够轻易的去跨越这些障碍物，直接就飞过去，我们可以看到它们也可以用它们的飞行器直接飞起来，所以这样一种行为在没有结构环境是非常好的，因为这样的环境，特别是在天灾人祸的时候出现自然灾难的时候经常有很多砂砾，地面不平了，这时候就可以使用了。另外，在农业也一样的，在果园当中能够计算果树上的果实、数目，它能够决定哪棵果树是健康的，哪棵果树是有病的，在右手边是用雷达来绘制这个地图，所以用这样的信息，我们的农民就能够去决定他的果园当中果树的健康情况，当然我们也会用多个机器人，因为很多时候它们执行的任务是在短的时间内来去执行的，当然，确实我们知道农业也是一个很好的应用，而且也要去解决挑战。
我不知道大家有没有看到在这个短片里面有其他机器人也是在做同样的事情，而做农业这一块，你其实要去量这个田地的尺寸，而且很小去执行，而且你马上要决定哪棵植物要有水，超过这个时间就不能去执行了，在很短时间内要去执行所有的内容。
另外，关于搜救，我想也跟大家分享一下，在五年前，7月份，我们做的实验，我们自己的机器人，还有当地大学机器人，我们机器人在上方飞行，当它们出现就遇到大楼的时候我们机器人能够飞进去，能够决定发现里面存在一些什么物体和物件，然后能够去识别，这个是倒塌的大楼，当然我们机器人能够去飞上去，因为这里面对于空中机器人它的功耗是一个问题，所以你能够去就是说跳上另外一个机器人身上就能够去节约功耗，当然这个实验是进行了两个半小时，两个半小时后我们能够去绘制出来这个图，而且这个大学它们这栋学院楼是坍塌的，然后两个半小时绘制出来这栋楼的情况。当然很多时候的搜救给你两分半时间你要去完成搜救工作，这就是蜂群。我们也在尝试做这样的工作，就是在2号楼，这栋楼仍然是受到污染的，没有人知道它的情况，就算四五年后人们也不知道它污染的情况，我们也是希望尽快知道福岛它现在的问题以及避免未来出现的问题。
最后
我们来看一下，悬停每公斤消耗200瓦，所以有的时候看到这种消耗确实对于我们电池的能量也是一个挑战，当然我们也是在想是不是能够用一些不同的解决方案，比如说这样的一些负载呢，它可以是50磅或者100磅，这样一种是我们未来要去考虑的。
另外，无人机真正可行之前就是它的安全性，我们希望有自主的安全，我们跟另外一家创业公司，也是从我们实验使除去的，就是exyn，用非常动态的方式去展示安全性。
当然我之前也提到了，我们产学研要更好的去合作，为了去达到另外一水平，我们却是需要产学研之间的合作，当然包括国际化的合作，不同国家之间的合作，现在我们也是针对科技的创新，我们建立这个实验室它是鼓励更多的合作的。
