感知智能的現狀與未來探討

劉祖柏　孔琴英

摘 要：感知智能借助語音識別、圖像識別等前沿技術，映射到數字世界，再將這些數字信息進一步提升至可認知的層次，比如記憶、理解、規劃、決策等等，達到認知環境和對象類別與屬性的能力。

關鍵詞：感知智能;現狀;未來

一、感知智能概述

感知智能即視覺、聽覺、觸覺等感知能力。人和動物都具備，能夠通過各種智能感知能力與自然界進行交互。感知智能是指將物理世界的信號通過攝像頭、麥克風或者其他傳感器的硬件設備，借助語音識別、圖像識別等前沿技術，映射到數字世界，再將這些數字信息進一步提升至可認知的層次，比如記憶、理解、規劃、決策等等。而在這個過程中，人機界面的交互至關重要。

自動駕駛汽車，就是通過激光雷達等感知設備和人工智能算法，實現這樣的感知智能的。機器在感知世界方面，比人類還有優勢。人類都是被動感知的，但是機器可以主動感知，如：激光雷達、微波雷達和紅外雷達。

機器人對環境的感知智能，即移動機器人能夠根據自身所攜帶的傳感器對所處周圍環境進行環境信息的獲取，并提取環境中有效的特征信息加以處理和理解，最終通過建立所在環境的模型來表達所在環境的信息。

機器人作為人類20世紀最偉大的發明之一，在短短的40年內發生了日新月異的變化。機器人已經不僅成為先進制造業不可缺少的自動化裝備，而且正以驚人的速度向海洋、航空、航天、軍事、農業、服務、娛樂等各個領域滲透?；诙嘣葱畔⑷诤系闹悄芨兄菣C器人的現代支撐技術之一，它根據多傳感器所提供的多源同構或異構信息，經過智能信息處理，可以綜合地認知環境和對象的類別與屬性，以達到智能感知的目的，從而可按行為準則實現應有的行為決策。

二、智能感知的發展現狀

本世紀以來，無人駕駛汽車已經成為各國政府和大型企業鼓勵的重大發展計劃之一。無人駕駛汽車已經實現了城市、環路及高速道路混合路況下的全自動駕駛，并實現了多次跟車減速、變道、超車、上下匝道、調頭等復雜駕駛動作，完成了進入高速到駛出高速的不同道路場景的切換。無人駕駛汽車的重要支撐技術之一即是智能感知，需要利用車上和路上安裝的各種傳感器獲取路況和環境信息，并利用智能推理達到正確識別路況和環境的目的，在此基礎上才能完成自動駕駛的動作。

在人工智能系統迅速發展的今天，智能感知在諸多領域，如機器視覺、指紋識別、目標識別、人臉識別、視網膜識別、虹膜識別、掌紋識別、態勢感知、智能搜索等領域取得了輝煌的成就。目前，智能感知研究的理論基礎是基于大數據深度學習的感知對象特征提取，以及基于各種特征的類生物機制的推理方法等。

人類和高等動物都具有豐富的感覺器官，能通過視覺、聽覺、味覺、 觸覺、嗅覺來感受外界刺激， 獲取環境信息。目前主流的機器人傳感器包括視覺傳感器、聽覺傳感器、觸覺傳感器等等，而多傳感器信息的融合也決定了機器人對環境信息感知能力。

1、視覺感知 視覺系統由于獲取的信息量更多更豐富，采樣周期短，受磁場和傳感器相互干擾影響小，質量輕，能耗小，使用方便經濟等原因，在很多移動機器人系統中受到青睞。視覺傳感器將景物的光信號轉換成電信號。目前，用于獲取圖像的視覺傳感器主要是數碼攝像機。在視覺傳感器中主要有單目、雙目與全景攝像機3種。單目攝像機對環境信息的感知能力較弱，獲取的只是攝像頭正前方小范圍內的二維環境信息;雙目攝像機對環境信息的感知能力強于單目攝像機，可以在一定程度上感知三維環境信息，但對距離信息的感知不夠準確;全景攝像機對環境信息感知的能力強，能在360度范圍內感知二維環境信息，獲取的信息量大，更容易表示外部環境狀況。

2、聽覺感知? 聽覺是人類和機器人識別周圍環境很重要的感知能力，聽覺定位是全向性的，傳感器陣列可以接受空間中的任何方向的聲音。機器人依靠聽覺可以工作在黑暗環境中或者光線很暗的環境中進行聲源定位和語音識別，這是依靠視覺不能實現的。聲波傳感器復雜程度可以從簡單的聲波存在檢測到復雜的聲波頻率分析， 直到對連續自然語言中單獨語音和詞匯的辨別，無論是在家用機器人還是在工業機器人中，聽覺感知都有這廣泛的應用。

3、觸覺感知? 觸覺是機器人獲取環境信息的一種僅次于視覺的重要知覺形式， 是機器人實現與環境直接作用的必需媒介。與視覺不同， 觸覺本身有很強的敏感能力可直接測量對象和環境的多種性質特征。 因此觸覺不僅僅只是視覺的一種補充。 觸覺的主要任務是為獲取對象與環境信息和為完成某種作業任務而對機器人與對象、環境相互作用時的一系列物理特征量進行檢測或感知。機器人觸覺與視覺一樣基本上是模擬人的感覺， 廣義的說它包括接觸覺、壓覺、力覺、滑覺、冷熱覺等與接觸有關的感覺， 狹義的說它是機械手與對象接觸面上的力感覺。

4、環境信息融合? 機器人主要通過傳感器來感知周圍的環境，但是每種傳感器都有其局限性， 單一傳感器只能反映出部分的環境信息。為了提高整個系統的有效性和穩定性，進行多傳感器信息融合已經成為一種必然的要求。

現階段研究的移動機器人只具有簡單的感知能力， 通過傳感器收集外界環境信息， 并通過簡單的映射關系實現機器人的定位和導航行為。

到了2013年，有人開發了一種新的數據分析方法，似乎給計算機的“創造力”提供了一種手段。這種所謂“創造力”，實質上是建立的一整套感知智能和決策智能能力體系。甚至有人擔心，未來“精于創造”的計算機一旦掌握了全面智能感知和智能決策能力，可能會反過來對抗人類。

三、感知智能的未來

感知智能技術在未來的發展，首先應該強調智能機器人。未來的智能機器人應該具備形形色色的智能感知系統，具有智能化水平更高的機器視覺、聽覺、觸覺和嗅覺，并更具有相當發達的“大腦”學習機制和推理機制。這種智能機器人能夠完全理解人類語言，應該根據感知信息進行智能判斷和分析，形成和人類非常相似的感知模式。其中還有許多難題需要解決，如基于環境理解的全局定位、目標識別和障礙物檢測等。

未來的自動駕駛車輛與智能交通系統對于感知智能的需求更強。自動駕駛車輛在世紀初已經呈現出接近實用化的趨勢，依靠感知智能技術將實現全面自主的協同工作。智能交通系統將實時、準確、高效地實現綜合交通運輸管理，要求在一個更廣范圍內實現感知智能，不僅要求對局部路況和環境的感知，還要求對區域內車輛分布、天氣變化、突發事件等的智能感知。

未來發展的智能控制系統，是人工智能和控制理論的交叉，是具有感知智能、智能信息反饋和智能控制決策的系統。對工業對象的感知智能更具有復雜性，千變萬化的場景與對象需要各種各樣的傳感器獲取信息，要充分利用人工神經網絡的自學習特性和容錯特性，進行深度學習以獲取場景與對象的各種特征，再利用專家系統和各種推理規則達到認知場景與對象的目的，為其行為決策提供依據。

圍繞人工智能和大數據處理，其中康奈爾大學創意機器人實驗室主任Hod Lipson分享了他們對機器人自我意識和自我進化的研究，也引發對人類前途的一種擔憂。Lipson將自我意識定義為在沒有實體經驗情況下的想象能力。這種自我意識是人類特有的，但Lipson在一次研究中發現被設計跟蹤貓狗圖像的深度學習程序在經過一些訓練后，突然開始自發地追蹤人臉。這個發現讓他毛骨悚然，他意識到經過特別設計的機器系統會自己學習，不斷進步，所以它們非常有可能突破人類預先為它們設定的規則，產生自我意識，人類將無法掌控它具體能學到什么。

Lipson發現如果把兩個有深度學習能力的程序結合在一起，就可能產生類似人類自我意識的能力，這就好比機器人擁有了進化論里最重要的環境適應能力。在他的實驗室中，一個沒有經過走路編程的機器人通過自我進化可以實現行走功能，當切斷它的一條腿后，它還能自己學習用剩下的腿繼續行走。他還發現，擁有自我意識的機器人會創造更多的機會。其中一個機器人已經學會提出數學假說，還能自己驗證。以后機器人會很快獲得更多原本只有人類可以完成的事情，比如繪畫、寫詩、照顧小孩，甚至機器人還可以通過3D打印幫助創造機器人。

四、結束語

移動機器人能夠根據自身所攜帶的傳感器對所處周圍環境進行環境信息的獲取，并提取環境中有效的特征信息加以處理和理解，最終通過建立所在環境的模型來表達所在環境的信息。在地球生物的進化歷史里，人類從來都不是最強的生物，但我們肯定是最會利用外物適應環境的生物，能夠利用工具曾被作為從動物進化為人的分界線。所以，當機器進化到一定階段后，人類一定會優先利用機器改造自己，我們會像接受眼鏡、義肢、助聽器、手機和語音導航一樣，接受鈦合金制造物和人工智能程序對我們身體的改造，以增強人類的智能感知能力。

參考文獻：

[1]韓崇昭. 隨機系統理論（上、下冊）[M]. 北京：清華大學出版社， 2014.

[2]李力，王飛躍著.智能汽車先進傳感與控制.北京：機械工業出版社，2016.10.