机器狗、机器人领域,又多了一个新玩家。

以AI知名的科技公司科大讯飞,2022全球1024开发者节上官宣最新技术成果和进展。

其中之一,就是“AI+四足机器人”项目,机器狗:小黑。

没错,科大讯飞也决定拥有一只机器狗,还是很新的那种:能沿着台阶进行上坡和下坡动作。

(现在的大多数机器狗还在“模仿动作”的初级仿生阶段,只具备基础的平地行走功能。)

决定养“狗”的互联网、AI公司越来越多了,现在认识一只机器狗,需要从厂牌开始分辨。

小黑的新,不仅在能力上,还在科大讯飞养它的方式上——

别人造机器狗,更多是在做硬件,训练它走路、陪伴。

科大讯飞造机器狗,更吸睛的故事,聚焦在训练“超脑”上。

机器人超脑平台

科大讯飞如何训?怎么训?现场小黑就来打了个样。

别看外表平平无奇,但一上阵就懂了。

常规操作自然就不多说了,自主导航上下坡,各种复杂地形也能穿梭自如,比如草地沙石玻璃路。

还可立即上岗上位,深入多个场景一线,完成检查乱堆乱放、车牌人脸识别、工厂故障巡检(化工、电力、工业)等任务。

通常而言,机器狗技术无非感知、控制决策两个方面,小黑也同样如此:

运动控制:AI+运动、自主导航、视频分析、自适应步态等算法。据官方介绍,他们率先打通了从仿真训练到真机部署的AI+运动智能的全链条开发。

感知:多模态多传感器融合。麦克风、喇叭、摄像、气体传感器等多传感器,通过混合式架构和中央决策平台 、多传感器底层核心算法,赋予机器狗识别听声辨味的感知能力。

这一切的一切,都是科大讯飞机器人超脑平台AIBOT所赋予的。于是当机器狗有了“脑”,从已曝光的能力提升中就可见一斑。

比如,实时地形自适应能力、全局定位搜索能力、地图构建能力以及AI运动控制能力。

不过这也并不是机器人超脑平台AIBOT的全部用处。超脑平台也并非只是为了驯狗,而是由点及面,既有实体机器人又有数字机器人,在多个场景和行业下的软硬件一体解决方案。

目前,它已部署在了全新的讯飞开放平台上。从这张架构图中可以看到,现在讯飞开放平台核心能力主要包括:

能力云AIHUB、交互云AIUI+、模型云AILAB、资产平台AIRES、超自动化AIRPA、机器人超脑平台AIBOT。

小黑,正是讯飞机器人超脑平台AIBOT其中一个案例。通过交互大脑、运动控制、硬件模组来快速构建机器人的运动能力。机械臂、人形机器人、仿生、特种等各种机器人都可以适配。主要有三大特点:高性能、高效率、高精度。

• 高性能:8核CPU,NPU算力高达6TOPS;

• 高效率:一次建图覆盖率90%;

• 高精度:5cm的定位和建模精度。

在现场,科大讯飞消费者BG总裁于继栋还列举了柔性机械臂的例子,在赋予机器人超脑平台AIBOT之后,新增了AI+深度视觉、AI+运动控制等能力,从而能快速应用工业质检、商业服务、远程超声、柔性生产等场景当中去。

能力云AIHUB自然不必多说,AI公司立身之本,再联合生态AI能力,持续保证稳定输出,今年更是给出了全系列的离线版本。

在今年更新的513项开放能力中,以SMART-TTS ,多风格多功能语音合成最为典型。

以往语音合成主要用于语音助理和新闻播报这些场景,但这次在风格、场景以及情感上有了新拓展,共有10个场景可选、11种情感可调。

交互云AIUI+。不管是虚实哪一种机器人,在与人交互时都面临着公共场景下的干扰问题。典型的难题场景包括同向人声干扰,而本身以语音见长的科大讯飞,提出了远近场多模语音增强技术,在同向人声干扰环境下,识别准确率从60.2%到现在提升到了86%以上。

模型云AILAB ,具体场景具体定制。像格式多样、数据稀缺还是价格敏感的情况,都能为其提供小样本训练平台。5张图片训练出OCR定制模型,半小时音频生成商用发音人、零成本搭建唤醒词,了解一下～

而聚焦于数字世界的生态上。资产平台AIRES,顾名思义就是与内容伙伴共建数字资产,比如虚拟人形象、数字藏品等。超自动化AIRPA则是在解决企业的数字化转型,包括智能化员工助手、柔性人机协同、跨组织无边界协作……

最终,这些能力都透过实体机器人、数字虚拟人两种形式逐步深入到各个行业与家庭当中。

这也正是科大讯飞对AI新趋势的理解。

当下随着元宇宙兴起,融合AI与5G,虚拟世界与现实世界实现了深层次融合,人机协同逐渐人机共生的阶段。

机器人,就是其中关键的载体。

基于这样的逻辑,机器人超脑平台AIBOT,依托混合式架构、中央决策平台、多传感器融合,构建端侧超脑,让机器人产品在感知智能、认知智能和运动智能得到多维度的提升,也就成为了科大讯飞交出的第一份答卷。

确切的来说,是科大讯飞整个超脑2030计划的第一步:

更快实现让“懂知识、善学习、能进化”的机器人走进每个家庭。基于超脑2030计划,以API、低代码、软硬件一体、解决方案等方式,面向实体机器人和数字机器人建设N种场景化机器人,赋能工业、农业、服务业、特种行业,连接产业生态,共建行业场景。

“超脑2030计划 ”第一步,跨出多大步子?

早在今年1月,这个计划就已经启动,核心是利用AI解决未来社会的刚需问题,如教育、人口老龄化等。

其第一阶段目标,就是在2023年前,推出可养成的机器宠物、仿生运动机器狗等软硬件一体的机器人,同期推出专业数字虚拟人家族,担当老师、医生等角色。

该计划的最终目标,是推出懂知识、会学习的陪伴机器人和自主学习虚拟人家族,全面进入家庭。

而现在,AI技术推动四足机器狗小黑从异宠向工具狗迈了一步。

值得注意的是,机器人超脑平台的背后支撑,不仅让更多企业在工业级运用中可以无粮养狗,更多的室内和户外场景中,实体机器人都在拓展人的能力边界。

高精度的细活、繁重枯燥的累活、危险易受伤的险活……

机器人、机械臂,上!

人机协同之外,在人机交互阶段,AI已经在发挥日益重要的作用。

科大讯飞在背后提供技术与生态来支撑,率先证明了这一点。

实现超脑2030计划需要哪些关键技术突破?科大讯飞AI研究院副院长高建清公开了相关信息。

第一,需要以深度学习(Deep Learning)为代表的AI基础算法的突破。

在诸多AI基础算法中,无监督学习和知识推理是两个亟待突破的关键算法。

1024开发者节当天,科大讯飞发布了两个轻量级预训练模型:语音及多模态预训练模型。这两个模型的参数量远小于业界公开的模型,但效果却达到了业界最优,推广性也很好。

整个2022年,科大讯飞有三项知识推理任务取得不错的成绩,尤其在面向特定领域的知识推理方面,机器水平已经在今年7月首次超过人类水平。

此外,知识推理的另一个重要研究方向,也就是如何实现推理过程的可解释性,科大讯飞将传统符号推理系统与深度强化学习相结合,得出一套在类人答题领域正确率显著优于传统推理系统的框架。

第二,是引领人机交互发展方向的多模态感知技术、多维表达技术、认知智能技术。

拿多模态感知技术举个具体例子来说,通常,语音识别的高准确率,不代表识别出的文字合理、流畅。

科大讯飞基于多元语义评价的语音识别一体化框架,使用语义纠错任务与语音识别联合优化,让语音识别保持高准确率的同时,提高识别后文字的可读性。

第三,需要研究软硬一体的机器人关键技术,加大AI算法与运动控制的结合,让机器人具备精细的运动控制能力。

具体的技术展示,已经体现在小黑爬坡上坎的功夫中了。