精品文檔-下載后可編輯D掃描世界蓄勢待發(fā)當(dāng)年微軟開發(fā)Kinect3D傳感器的時候，其中一個關(guān)鍵性的任務(wù)就是校準(zhǔn)算法，以便迅速、準(zhǔn)確地識別人體各部位，尤其是手部，以確保Kinect適用于任何家庭環(huán)境，任何年齡的人群，任何穿著和任何背景物。使用基于計算機(jī)的方法做校準(zhǔn)具有其局限性，原因在于在Kinect生成的圖像中電腦可能無法識別手部，或錯誤地識別了手部的存在。因此，微軟此前宣布要向全人類求助，借助亞馬遜的土耳其機(jī)器人完成圖像標(biāo)記識別。這是一個在線的服務(wù)，公眾通過執(zhí)行簡單但計算機(jī)不擅長的任務(wù)而獲得報酬。結(jié)果，Kinect現(xiàn)在能識別所有（或大多數(shù)）樣子的手。這實(shí)在太棒了！

當(dāng)然，如果你唯一關(guān)心的只是基于手部動作的游戲，你會認(rèn)為這是一個天大的好消息，但是從商業(yè)機(jī)器人角度看，手部只是我們需要機(jī)器識別的成千上萬的“東西”之一。試想一下，如果一個機(jī)器人能迅速地識別家里、辦公室或工廠里的任何對象：機(jī)器人看到或接觸的任何東西都能被馬上識別出來。這才是個真正偉大的進(jìn)步。

所以問題是：我們能不能實(shí)現(xiàn)這一目標(biāo)？我們可以用某種方式自動識別或依靠公眾識別一切潛在的對象嗎？

這種類型的數(shù)據(jù)收集涉及到一個先有雞還是先有蛋的問題：如果你有一個對象均被恰當(dāng)標(biāo)記的數(shù)據(jù)庫，基于存儲在數(shù)據(jù)庫的“知識系統(tǒng)”，你便可以開始構(gòu)建各類應(yīng)用程序，而這些應(yīng)用程序反過來又可以生成更多的數(shù)據(jù)，讓你進(jìn)一步完善數(shù)據(jù)庫的“知識系統(tǒng)”。問題是，你第一步需要一個數(shù)據(jù)庫！有時候，企業(yè)會認(rèn)為建立這套數(shù)據(jù)庫是很有價值的。比如Kinect之于微軟。另一個例子是谷歌的“語音指令”，通過語音讓系統(tǒng)執(zhí)行搜索、發(fā)電子郵件以及其他任務(wù)。每次你說出一個詞，你的Android手機(jī)就會問：“你的意思是……嗎？”然后提供一個字詞列表供你選擇想要表達(dá)的意思，在這個過程中，你幫助完善了谷歌得語音識別系統(tǒng)。隨著時間的推移，不同人講話模式的變化和細(xì)節(jié)都會作為語音數(shù)據(jù)被捕獲，使數(shù)據(jù)庫更貼近實(shí)際的語言使用習(xí)慣。沒有這種持續(xù)改進(jìn)，語音到文本將永遠(yuǎn)不會成為一個智能便利的應(yīng)用。

現(xiàn)在回到機(jī)器人技術(shù)的問題上。我認(rèn)為機(jī)器人研究團(tuán)體應(yīng)更加關(guān)注數(shù)據(jù)的重要性。機(jī)器人技術(shù)涉及的很多東西都需要一個大規(guī)模的數(shù)據(jù)庫（需要強(qiáng)調(diào)大規(guī)模），以實(shí)現(xiàn)技術(shù)上的可行性（譬如對象識別），因此這項(xiàng)功能不能依賴純理論研究、機(jī)器人專家或算法，而必須掌握“切向技術(shù)”的市場趨勢，例如網(wǎng)絡(luò)或智能手機(jī)。因此，為了讓機(jī)器人技術(shù)能有實(shí)現(xiàn)的一天，我們需要關(guān)注具有收集海量數(shù)據(jù)能力的技術(shù)，為了機(jī)器人技術(shù)以外的需求，也為了在技術(shù)成熟的時候把它應(yīng)用在機(jī)器人技術(shù)上。

其實(shí)，我們最需要的數(shù)據(jù)類型是3D數(shù)據(jù)。那么，我們該如何收集每一個潛在對象的3D數(shù)據(jù)呢？幸運(yùn)的是，一個大規(guī)模的關(guān)于Kinect感應(yīng)器的駭客社區(qū)，以及像MatterPort這樣的創(chuàng)業(yè)公司正在實(shí)現(xiàn)快速3D渲染技術(shù)，只需要使用Kinect從幾個角度拍攝對象不同的圖像就可以實(shí)現(xiàn)。這項(xiàng)技術(shù)現(xiàn)在還不成熟，不過隨著傳感器和算法的改進(jìn)，你能預(yù)見用3D技術(shù)再現(xiàn)一個場景就會像拍一張照片般容易。其他能夠同時補(bǔ)抓光的強(qiáng)度和角度、允許用戶在已經(jīng)拍好的照片重新調(diào)焦的技術(shù)，如Lytro和其他“計算機(jī)攝像頭”，同樣可以實(shí)現(xiàn)3D圖像的生成。

正如我在上文提到，機(jī)器人專家不可能單獨(dú)完成所有的3D掃描。我們希望其他技術(shù)能推動這一趨勢的發(fā)展。因此，這里是一個想法。如果在線零售商看到通過展示商品細(xì)致3D模型帶動銷售的商業(yè)價值（而不是過去我們在網(wǎng)站看到的二維圖像），并為圖像標(biāo)記諸如顏色、重量、功能的描述，那么成千上萬的物品原則上都能被機(jī)器搜索。Google在2022年的IEEE機(jī)器人與仿生學(xué)國際會議上提出過一個相似的想法，并在去年五月的GoogleI/O開發(fā)者大會重申了這個見解。也許不僅網(wǎng)絡(luò)零售商能供應(yīng)3D掃描，消費(fèi)者也可以，只要他們意識到在eBay上傳3D圖像進(jìn)行銷售是更有效的生財之道。

如果這種情況成為現(xiàn)實(shí)，那么所有的3D圖像將可以聚合成一個的數(shù)據(jù)庫，讓機(jī)器人可以便捷地使用它作為參考。一個機(jī)器人將收集眼前一個物體的3D傳感數(shù)據(jù)，然后與參考圖像進(jìn)行匹配。隨著時間的推移和反饋數(shù)據(jù)（譬如“是的，羅西，這是一個盤子”）的累積，機(jī)器人的目標(biāo)識別能力將不斷提高。

所以，如果你想要更智能的機(jī)器人，你應(yīng)該開始要求