1、Torsten Kroeger： 机器学习不是一个魔术子弹，而是另外一个工具

德国卡尔斯鲁厄理工学院教授Torsten Kroeger教授认为，机器学习的算法必须要对一些典型性的数据进行训练，很多人忽略了这一点。机器学习并不是一个魔术子弹，而是另外一个工具，有一些潜力，但我们只是迈出了一小步。物理抓取和物理操纵现在已经有很多的研究和方法，也有很多的知识，我们不要忘记这些知识，要把这些知识融入到新的基于数据的方法，充分利用它的潜力。

Torsten Kroeger教授还在演讲中混合控制的问题，他认为混合控制意味着有一系列的控制器，包括距离控制器、运动控制器等等，根据任务的不同，针对这些控制器进行配置，以便让你的机器人发挥最大的实用价值。机器人首先要有一些传感器和认知的功能，必须要把视觉感知纳入到机器人当中。人工智能在过去三到五年，在视觉感知和语音识别方面发生了重大的突破，这些领域现在数据量已经非常丰富，比如监督式学习、图像识别，甚至现在有些视频数据能够识别出来。神经网络，现在甚至在云识别，包括语音翻译方面有些已经做得比人类更好。

Torsten Kroeger教授最后说，”关于安全问题，大家都希望工业机器人和服务机器人能够跳出它们的范围和人类一起生活，但从安全的角度来说要根据IEC61508的国际标准，需要实现非常低的故障率。“

1、Torsten Kroeger： 机器学习不是一个魔术子弹，而是另外一个工具

德国卡尔斯鲁厄理工学院教授Torsten Kroeger教授认为，机器学习的算法必须要对一些典型性的数据进行训练，很多人忽略了这一点。机器学习并不是一个魔术子弹，而是另外一个工具，有一些潜力，但我们只是迈出了一小步。物理抓取和物理操纵现在已经有很多的研究和方法，也有很多的知识，我们不要忘记这些知识，要把这些知识融入到新的基于数据的方法，充分利用它的潜力。

Torsten Kroeger教授还在演讲中混合控制的问题，他认为混合控制意味着有一系列的控制器，包括距离控制器、运动控制器等等，根据任务的不同，针对这些控制器进行配置，以便让你的机器人发挥最大的实用价值。机器人首先要有一些传感器和认知的功能，必须要把视觉感知纳入到机器人当中。人工智能在过去三到五年，在视觉感知和语音识别方面发生了重大的突破，这些领域现在数据量已经非常丰富，比如监督式学习、图像识别，甚至现在有些视频数据能够识别出来。神经网络，现在甚至在云识别，包括语音翻译方面有些已经做得比人类更好。

Torsten Kroeger教授最后说，”关于安全问题，大家都希望工业机器人和服务机器人能够跳出它们的范围和人类一起生活，但从安全的角度来说要根据IEC61508的国际标准，需要实现非常低的故障率。“

2、钱程：我们的产品很接地气，但同样深奥

科沃斯机器人股份有限公司副董事长钱程在发言中表示，AI技术加服务机器人，为未来生活带来无限可能。今天机器人行业正在快速蓬勃发展，更多的挑战和创新都在快速进行，是什么样的技术让我们认识到除了扫地机器人以外，甚至可能带来家用服务机器人和大型IOT产业的变化？这就是基于激光雷达SLAM来做全局定位的地图绘制和机器视觉的人工智能，这两项技术在我们来看正在快速推进整个行业的发展。

钱程介绍说，具体的服务机器人+IOT的时代会有什么改变呢？今天想给大家带来两个案例：一个是移动的扫地机器人带来的附加功能，目前我们在家中的扫地机器人除了可以通过地图来扫地，另一个意想不到的功能就是可以在完整的家居平面地图上植入WiFi覆盖图。消费者家中最重要的就是网络连接，确保数据的传输。随着大家把越来越多的产品带到消费者的家中，下一个十年我们会看到IOT大爆发的基础上更多的数据不断被完善，但是在万物互联的时代带来的价值必然是可以移动的机器人。通过机器人绘制的SLAM地图将智能家居设备通过各个IOT独立的个体绘制在一张物联世界的网络，通过机器人的高级传感器带来的是IOT直接的管位置和定位信息。基于机器人的移动和导航能力建立人、机器人和智能设备的位置关系地图，真正做到1+1+1>3。

3、周剑：不再让人类重复简单的劳动

优必选科技有限公司创始人兼董事长周剑在发言中表示，将在很多垂直领域推广机器人，目标是未来替代更多人类来做零售，不让人类进入不断重复简单枯燥的劳动。他说，2020年可能是大数据的入口，机器人在IOT和生活中会给大家带来很多便利。

周剑表示，接下来在在很多垂直领域推广机器人，目标是未来替代更多人类来做零售，不让人类进入不断重复简单枯燥的劳动。同时，希望将教育+人工智能相结合，第一步希望让每个小孩子都具有科学思维和创新能力，第二步是让有天赋的小朋友在这个阶段享受到非常极致的人工智能的盛宴，第三步是让AI教育工作者逐渐具备科创教育能力，第四步是让中国未来有更多的制造者，包括全球更多国家的制造者能够在这批小朋友当中脱颖而出很多优秀人才。优必选希望在中国做到No.1，也希望很多教育行业的合作者和优必选一起合作，这个市场可能达到上千亿规模。

他说，未来，机器人可能会真正进入家庭照顾老人和小朋友，并且去做一些便利的服务，预计人形机器人走入家庭需要30-50年以上，但这一天一定会到来，未来的小朋友是会由机器人伴随长大的。

4、Carlos Balaguer：虽然尚显笨拙，但仿人机器人已可以完成复杂的工作

IEEE IROS 2018大会主席、西班牙马德里卡洛斯三世大学教授Carlos Balaguer介绍，人形机器人是欧洲面临的一个很大的挑战。我们正在非常积极地研究智能感知型的人机互动，让机器人在一些真实环境当中的真实应用，目前欧洲已经能够生产并且销售人形的机器人。

他说，人形机器人指的到底是什么？首先是有人的形状，但到底有几个支撑点是不确定的，目前这类机器人已经可以完成很多复杂的工作。目前，西班牙马德里一家公司生产的机器人，最新的创新是在关节上面用了新的技术，使得它的关节更加精准，而且可以做更加复杂的控制。机器人可以握手，握手不同位置的时候也会根据情况进行移动，整个过程当中是非常稳定的，所以这种全身体的稳定性是非常复杂的，底层、中层和高层使得这种全身的稳定性成为可能。“我们需要真正能够控制它的稳定性，控制机器人和物体的稳定性。这是在我们的实验室当中，我们有几个控制环路，力量控制、位置控制、视觉控制等等，这是稳定性的实验”，他介绍。

关于未来的挑战，他认为是世界和机器人的互动，包括人类和机器人、环境和机器人的互动，机器人必须要和它的周围环境进行互动，这是一个新的范式和挑战。关于机器人学习，他认为机器人需要边做边学，不可能专门花时间进行学习，学习也是一种工具，而不是目标，要让这项工具更加有效率需要适应周围的环境、适应情景、适应文化，以及各国的差异。

5、Abderrahmane Kheddar：相信系统，能让瘫痪的人重新站起来行走

法国科学院院士、法国CNRS与日本AIST机器人联合实验室主任Abderrahmane Kheddar认为，目前机器人行业对物理世界的体现还没有足够的理解，我们应该回到更加实用的问题，如果人不信任系统的话，系统就不会发挥作用。相信系统，能让一个瘫痪的人重新站起来走路，如果自己不相信系统，这个系统就不会发挥作用，信任对系统的可用性是非常重要的，我们需要让传感器更好地探索人的行动。

他强调，机器人在某些领域需要完成特定的任务，但这些任务不是凭空出来的，而是我们造出来的，我们必须要告诉机器人必须要做什么，如何完成这些任务。例如，扫地机器人，里面有软件和传感技术，用户按下一个键就可以了。扫地以后反馈就是要看家里到底是不是干净了，也可以对机器人进行再编程。

关于BCI机器人系统未来会怎么样呢？他认为我们不要用BCI产生一些低级别的命令或者轨迹，而是使用BCI猜测和预知人类的意图，使用机器人进行任务空间的计划和控制。目前在大脑策略方面有些停滞，所以我们需要在大脑监测方面实现突破，这里的关键就是真的能够猜测和预知人的意图。伯克利大学的教授也在做这方面的研究，但现在我们还没有办法预知我们所关注的物体，如果这个问题被解决了，猜测大脑的意图的话，还有两个重要的问题需要思考：怎样有效地去实现闭环和怎样体现出来。

6、Frank Kirchner：机器人也需要“好好学习，天天向上”

德国人工智能研究中心机器人创新中心主任Frank Kirchner认为，认识机器人和人工智能，其实是一个事物的两面：人工智能是计算机科学的核心，计算机科学也是和工程机械电子学有关系，同时人工智能也是基于心理学和认知科学等等，所以是这种学科的核心，也和神经科学有紧密的关系。电子学、神经科学和计算机学之间连接的点就是人工智能。

他表示，结构的复杂性也就意味着算法会更加复杂，算法复杂也就意味着管理起来更加复杂。要保证能够正常运转，就要知道一个真实世界当中的自由度是非常多的。算法复杂本身又会带来学习过程非常复杂，我们也发现很多机器人的运动，无论是平行运动还是其它类型的运动都是非常复杂的，要想控制这种非常复杂的运动链也是非常复杂的，就需要用深度学习和增强学习。

学习是机器人非常重要的部分，因为机器人正在变得越来越复杂，传统的计算科学方式已经无法解决新的东西了，所以我们需要机器人进一步学习，通过这种多层的学习方式，实现更好的表现。通过学习的技术，这些机器人会变得更加有用，需要我们考虑的是什么时候使用机器人学习，什么时候不用，机器人学习无法把垃圾信息转化为有用信息，如果这些信息本身就是低质的，输入信息的话是不可能转化成为有用的东西。很多时候我们要用统计学的方法过滤信息，比如在医疗领域要首先对数据进行过滤，通过统计的方法清理这些数据，之后再输入这些数据，从而避免产生错误的结论。