Vijay Kumar: 维杰·库马尔：飞行机器人
Vijay Kumar: Flying Robots
嘉宾：Vijay Kumar
全文文稿 · 按对话顺序保留完整内容，深入理解上下文。
§01原文文稿 · 00:00–09:55
以下是与维杰·库马尔（Vijay Kumar）的对话。
他是世界顶尖的机器人学家之一，
宾夕法尼亚大学的教授，
宾大工程学院院长，曾任 GRASP 实验室主任，
也就是宾大的通用机器人、自动化、传感
与感知实验室，
该实验室成立于 1979 年，距今已有 40 年。
维杰最为人所知的工作
是多机器人系统、机器人集群
和微型飞行器，
这些机器人在飞行中优雅地协作，
面对现实世界条件所带来的
一切不确定性和挑战。
这里是《人工智能播客》。
如果你喜欢，请在 YouTube 上订阅，
在 iTunes 上打五星，在 Patreon 上支持，
或者在推特上联系我，
账号是 Lex Friedman，拼写为 F R I D M A N。
现在，请听我与维杰·库马尔的对话。
你造过或参与制造的
第一个机器人是什么？
很久以前我读研究生时，
我参与了一个相当大的项目，
要建造一个非常大的六足机器人。
它重近 7000 磅，
由液压驱动，
也就是用液压驱动，有 18 个电机，
液压马达，每个都由一块英特尔 8085 处理器
和一块 8086 协处理器控制。
想象一下这个庞然大物，有 18 个关节，
每个都由一台独立的计算机控制，
还有第 19 台计算机，负责
协调这 18 个关节。
我参与了这个项目，
我的论文工作是如何协调这 18 条腿？
尤其是液压缸中的压力，
以实现高效的运动。
听起来像一团巨大的乱麻。
让所有电机相互通信有多难？
想必你得每秒发送信号数百次，
至少如此。
这不是我的工作，
但做这部分工作的人写出了我认为
是第一个多处理器操作系统。
那是在 80 年代，你必须确保
消息显然能够
从一个关节传到另一个关节。
你得记得那些计算机的时钟速度
大约只有半兆赫。
对，80 年代。
我不想把这个说法浪漫化，
但看到那个机器人动起来，你是什么感觉？
太神奇了。
事后看来，我们造的这个东西
其实应该小得多。
当然，今天的机器人要小得多。
看看波士顿动力或 Ghost Robotics，
那是宾大的衍生公司。
但当时，你受限于手头的基础条件、
算力，所以东西不必要地大。
但同时，这只是人类心理，
不知为何，越大就越宏伟。
人们对纳米技术或纳米器件
从来没有像对航天飞机或波音 747 那样
的欣赏。
是啊，你在机器人领域其实做得相当出色，
说明了小即是美，
尤其是在机器人方面。
那么就这个话题，你见过的最美、
最优雅的运动中的机器人是什么？
不是要挑最爱，
而是某个让你受到启发、你记得的东西。
嗯，我最自豪的
是我的学生们做的这件事：思考
能在受限空间中机动的小型无人机，
尤其是它们彼此协调、
形成三维图案的能力。
一旦你能做到这一点，
就可以在空中创造三维物体，
并让这些物体即时变形。
所以在某种意义上，你能创造的东西的工具箱
一下子丰富了。
在那之前，我们做过二维版本。
地面机器人组成图案等等。
那没那么令人印象深刻，没那么美。
但如果你在三维中做，
悬在半空，你得回到 2011 年
我们做这件事的时候，现在已经相当普遍了，
八年之后做这些事已很常见。
但当时这是个了不起的成就。
所以分布式协作
是你眼中美的所在？
嗯，我认为工程师眼中的美与
从外部看机器人的人眼中的美
非常不同。
不过我的意思是，我们之前说“宏伟”
与大小相关。
另一种思考方式
是物理形状，
以及你可以在半空中得到物理形状
并让它们变形，这很美。
但单个部件，
敏捷性也是美的，对吧？
确实也是。
那么你能多快地操控
这些三维形状
和单个部件？
是的，你说得对。
不过顺便说，你说了 UAV，无人飞行器。
对 drones、UAV、四旋翼飞行器，有什么好的称呼？
有正在标准化的术语吗？
我不知道有没有。
大家都想用 drone（无人机）这个词。
我常说，对我来说 drone 是个贬义词。
它意味着某种笨拙的东西，
预先编好程序，只做一件小事，
而机器人绝不是 drone。
所以我其实不喜欢这个词，
但大家都这么用。
你可以叫它“无人驾驶的”。
无人驾驶。
但即使是无人驾驶的，也可能是无线电控制、
以多种方式远程控制的。
我认为正确的词是，
把它看作空中机器人。
你还说敏捷的、自主的、空中机器人，对吧？
是的，敏捷是一种属性，但它们不一定非得敏捷。
那么哪种生物系统，
因为你也从中汲取了很多灵感。
我看到你谈过蜜蜂和蚂蚁。
你发现哪些生物最能给你启发，
作为工程师，对你的机器人工作最有指导意义？
对我来说，蚂蚁真是了不起的生物，对吧？
个体可以说构造非常简单，
然而它们极其有韧性，
作为一个种群。
作为个体，它们也极其稳健。
比如一只蚂蚁有六条腿，
去掉一条腿，它仍然运转得很好，
继续前行。
我不知道它是否意识到自己少了一条腿。
这是单只蚂蚁层面的稳健性。
但再看看那种
为蚁群自我保存的本能，
它们以许多惊人的方式适应。
比如跨越缝隙时直接把自己串成链，
遇到洪水时也是如此，
能够招募其他同伴
来搬运大块食物，
然后向不同方向外出寻找食物，
并且能够达成共识，
尽管它们并不像我们彼此交流那样
直接沟通。
在某种意义上，它们也懂得民主，
也许比我们做得更好。
是啊，不知怎的连民主也是涌现出来的。
我们看到的所有现象
似乎都是涌现的。
似乎没有集中的通信者。
是的，我认为人们对“涌现”这个词看得很重，
而它对不同的人有很多含义。
但你说得完全对。
我认为作为工程师，你会思考
哪些基本行为、
哪些基本单元可以综合起来，
使整体看起来极其强大、
极其协同，
整体显然大于部分之和，
蚂蚁就是活生生的证明。
当你看到这些美丽的集群，
无论是生物系统还是机器人，
你有时是否会把它们
看作一个单独的、有生命的智能有机体？
就像把我们人类、
把人类文明看作一个有机体一样，
还是说你作为工程师，
仍然会考虑单个部件
以及投入到单个部件中的
所有工程设计？
嗯，这很有意思。
所以从哲学上讲，作为工程师，
我们想做的是超越
单个部件、单个单元，
把它当作一个整体、一个有凝聚力的单元来思考，
而不必担心单个部件。
如果你开始执着于
单个基本构件及其所做的事，
你必然会发现很难扩展。
仅从数学上看，
想想你要建模的单个事物，
如果你要有 10 个这样的事物，
那你本质上是在做
10 个事物的笛卡尔积，这会变得非常复杂。
那么要在这样的高维空间里
做任何综合或设计都非常难。
所以正确的做法
是以巧妙的方式思考个体，
使得在更高的层面上，
当你看到大量个体时，
抽象地，你可以把它们
§02原文文稿 · 09:55–19:48
看作处于某个低维空间。
那这需要什么？
对于个体，你是否必须努力让
它们看世界的方式尽可能局部？
另一点，
你是否必须让它们对碰撞保持稳健？
就像你说蚂蚁那样，
某个个体失效，整个集群不会失效。
对，我认为作为工程师，我们会这样做。
想想看，我们造飞机，
造 iPhone，
我们知道通过取用单个部件，
也就是设计良好、接口规定清晰、
行为可预测的部件，
就可以构建复杂系统。
所以我认为这已根植于
大多数工程师的思维之中，
计算机科学家也是如此。
我认为这里不同的是，你希望
个体在某种意义上是稳健的，
就像我们在其他场景中那样，
但你也希望种群具有
一定程度的韧性。
所以你真的希望它们能够重新与
邻居建立通信。
希望它们重新思考群体行为的策略。
希望它们重新组织。
我认为很多挑战就在这里。
那么，大致来说，
一群，
我们该怎么称呼它们，飞行机器人，
要组成编队需要什么？
为了让不熟悉
机器人学的人理解，需要多少信息？
没有集中控制器的情况下，
你怎样让它实现？
有几种不同的方式
来看这个问题。
如果你是纯粹主义者，
你会把它看作重现自然所做之事的方式。
自然界形成群体有几个原因，
但主要是因为生物体
保存它们的群落、
种群的本能，这意味着什么？
需要住所、食物、繁衍，
基本上就是这些。
所以你看到的互动都是自然形成的，
都是局部的。
它们共享的唯一信息，
而且多数是间接的，同样是为了
保存兽群或鸟群，
或集群，要么通过寻找新的食物来源，
要么通过寻找新的住所，对吧？
对。
而作为工程师，我们构建集群时有任务。
当你想到任务，而且涉及移动时，
通常是用某种
全局坐标系来描述的。
作为人，作为操作员、指挥官，
或作为协作者，我有我的坐标系，
我希望机器人与之保持一致。
所以我的思考方式可能略有不同。
我可能希望机器人识别那个坐标系，
这意味着它们不仅要局部地思考
谁是它们的近邻，
还必须了解
全局环境是什么。
它们必须了解全局环境
是什么样子。
所以如果我说，包围这栋建筑
并保护它不受入侵者侵扰，
那么它们立刻处于一个以建筑为中心的
坐标系中，我必须告诉它们
建筑在哪里。
它们在全局范围内协作，
共同构建那栋建筑的地图。
它们维护着某种全局的，
不只是在建筑的坐标框架内，
而是有一些信息最终被明确地
构建出来，而不是隐含地，
像自然界那样。
对，对。
所以在某种意义上，自然非常非常精巧，
但自然所解决或需要解决的任务
与我们不得不处理的那种工程化、
人为的任务非常不同。
而且，没有什么能阻止我们
去解决另外那些问题，
但归根结底在于影响。
你希望这些集群做一些有用的事。
于是你被推向这种非常不自然的，
可以这么说。
不自然，意思是不像自然界那样的情境。
而且这样做可能比自然的方式
成本更高一点，
因为自然对个体的损失
不那么敏感。
而在机器人领域，从成本上看，
我认为你对失去个体更敏感。
我认为确实如此，不过如果你看
机器人部件的性价比，
它正在大幅下降，对吧？
并且仍在持续下降。
所以我认为我们正渐近地接近这样一个点：
在那里，是的，
个体的成本真的会变得微不足道。
那我们退一步，从高层来看，
这个不可能回答的问题：总体而言，
一般有哪些种类的
自主飞行器？
我认为最受关注的
显然是军用飞行器。
军用飞行器由基站控制，
但有大量人工监督。
它们的自主性有限，
也就是从 A 点到 B 点的能力。
即使是现在更精密的
飞行器也能自主起飞
和降落。
它们通常有机翼，而且很重。
通常是固定翼，
但也没有什么能阻止我们
对直升机这样做。
许多军事组织
也有类似的自主直升机。
顺便说，看看飞机上的自动驾驶仪，
其实非常相似。
事实上，我们可以问一个有趣的问题：
看看所有的航空安全违规，
所有发生过的坠机事故，
如果飞机是真正自主的，它们还会发生吗？
我认为你会发现，在很多情况下，
是因为飞行员的失误，我们做了愚蠢的决定。
所以在某种意义上，即使在空中交通，
商业航空中，也有很多应用，
尽管我们只看到自主功能
在飞机处于自动驾驶的很高高度时才启用。
飞机处于自动驾驶状态。
人类仍然有作用，
而你在暗示，那种自主性，
我不知道正确的词是什么，
但比它本可以达到的程度要笨一点。
对，所以在实验室里，当然，
我们可以更大胆得多。
我们试图问的问题是，
我们能否制造出无需任何外部基础设施
就能做决策的机器人？
这意味着什么？
目前飞机使用的最常见的基础设施
是 GPS。
GPS 也是最脆弱的一种信息形式。
如果你在城市里开车，试着用 GPS 导航，
在高楼之间，你会立刻丢失 GPS。
所以这不是一种很高明的
构建自主性的方式。
我认为它们依赖的第二种基础设施
是通信。
同样，通信很容易被干扰。
事实上，如果你用 wifi，就知道 wifi 信号
会中断，蜂窝信号也会中断。
所以依赖这类东西不好。
我们使用的第三种基础设施，
我不愿称之为基础设施，
但对机器人而言确实如此，就是人。
你可以依靠某个人来驾驶。
所以你想问的问题是，
如果没有飞行员，没有与任何基站的
通信，没有位置信息，
也没有先验地图，
没有对环境样子的先验知识，
没有对未来可能发生之事的先验模型，
机器人还能导航吗？
这才是真正的自主。
这才是真正的自主，我们谈到的是，
你提到了无人机的军事应用。
好，那还有什么？
你谈到敏捷的、自主的飞行机器人，
空中机器人，那是另一种，
它们没有机翼，不大，至少是小的。
我主要用“敏捷”这个词，
或者说我们之所以做敏捷机器人，
主要是因为机器人可以并且应该
在受限环境中工作。
而如果你想像全球鹰那样运作，
你运作的条件
是非常非常受限的。
如果你想进入建筑内部，
例如搜救，
或者定位持枪行凶者，
或者你想在果园的树冠下导航，
观察植物的健康状况，
或者寻找、清点果实，
测量树干。
顺便说，这些都是我们在做的事。
你过去展示过一些很酷的农业应用，
真的很棒。
所以在这类场景中，你确实需要那种敏捷。
敏捷并不一定意味着
你要打破百米短跑纪录。
它真正的意思是，你遇到意外情况
§03原文文稿 · 19:48–29:36
并能够以安全的方式机动，
而且以一种能让你获得最多信息的方式，
了解你想做的事情。
顺便说，你可能是唯一一个
在 TED 演讲中使用数学方程的人，
这很了不起，人们应该去看看你的某场 TED 演讲。
其实很有意思，
因为 TED 策展人克里斯·安德森
告诉我，你不能展示数学。
我想了想，但这就是我。
这就是我们的工作。
所以我觉得有必要让观众体会
至少一点数学。
那么就这一点，简单来说，
要让一个带四个电机的东西飞起来，四旋翼，
这类小型飞行机器人，需要什么？
让它飞起来有多难？
如何协调四个电机？
如何把这些电机转化为实际的运动？
这是个有趣的问题。
我们从 2000 年起就一直在尝试。
这也说明了当时可用的传感器
和当时可用的
计算机的水平。
在 2000 年到 2007 年之间发生了许多事。
其一是计算技术的进步，
我们都知道摩尔定律，
但我认为 2007 年是一个转折点，
那是 iPhone 之年，云之年。
2007 年发生了很多事。
但再往前推，
惯性测量单元作为传感器真正成熟了。
原因同样有很多。
当然有大量联邦资助，
尤其是美国的 DARPA，
但他们并没有预料到 IMU 的这一繁荣。
但你看，随后发生的是，
每个汽车制造商都必须装安全气囊，
这意味着车上必须有加速度计。
这就拉低了性价比。
哇，我早该知道这个。
这很有意思。
这种联系很有意思。
这就是为什么研究很难，
很难预测结果。
而且联邦政府花了大笔资金
在他们认为对谐振器有用的东西上，
结果却促成了这些小型无人机，这很棒，
因为我永远不可能筹到那么多钱，
去推销这个项目：
嘿，我们想造这些小型无人机，
你们能资助低成本 IMU 的开发吗？
那你为什么需要 IMU 上的 IMU？
我稍后再回到这个问题。
所以在 2007、2008 年，我们能够造出这些。
然后你问的问题很好：
如何协调电机来实现这个？
但在过去 10 年里，一切都商品化了。
今天的高中生可以拿起
一套树莓派套件就造出这个。
所有底层功能都已自动化。
但基本上在某个层面上，
你必须以正确的转速驱动电机，
正确的速度，
以产生适当的推力，
从而按你需要的方式定位并调整姿态，
才能飞行。
你得到的反馈来自机载传感器，
IMU 是其中重要的一部分。
IMU 告诉你加速度是多少，
以及角速度是多少。
这些都是重要的信息。
除此之外，你还需要某种局部位置
或速度信息。
例如，当我们走路时，
我们隐含地拥有这些信息，
因为我们大致知道自己的步幅。
我们还会看着图像从视网膜上掠过，
可以这么说，从而估计速度。
我们头部还有加速度计，
能够整合所有这些信息，
以确定走路时我们所在的位置。
机器人也必须做非常类似的事。
你需要 IMU，需要某种摄像头
或其他测量速度的传感器，
然后你需要某种全局参考系，
如果你真想考虑做某件事，
在世界坐标系中。
那么如何估计你相对于
那个全局参考系的位置？
这同样重要。
所以协调四个电机的转速，
首先让你能够飞行和悬停，
然后你可以改变姿态
和速度等等。
没错，没错。
所以这涉及一些自由度，
也就是你在抱怨的问题。
有六个自由度，
但你只有四个输入，也就是四个电机。
结果这是一种极其多用途的构型。
起初你会想，我只有四个电机，
怎么横着走？
但不难想到，如果我倾斜自己，
就能横着走，而且你的四个电机
都朝上，那我怎样绕竖直轴
原地旋转？
嗯，让它们以不同转速旋转，
就会产生反作用力矩，
从而让你转向。
所以从工程师的角度看，
这其实是一种最优的构型。
它非常简单，设计得非常巧妙，而且用途广泛。
如果你能回到当时，
我一直了解的飞行机器人，
在我看来，四旋翼能飞是理所当然的。
但当你最初开始研究它时，
你有多惊讶，用四个电机
竟能做那么多事？
让这个东西飞起来有多令人惊讶，
首先，你能让它悬停，
你能给它加上控制？
首先，这四个电机的构型
不是我们发明的。
它至少有一百年的历史。
各种各样的人尝试让四旋翼
飞起来，但没有太大成功。
正如我说的，我们从 2000 年就开始做这件事。
我们最初的设计是，嗯，这太复杂了。
何不尝试做一个全向飞行机器人？
所以我们早期的设计有八个旋翼。
这八个旋翼均匀地排布在
一个球面上，可以这么说。
你可以想象一个对称的构型。
所以你应该能飞向任何方向。
但我们遇到的真正挑战是强度重量比
不够。
当然，我们也没有传感器等等。
所以大家都知道，至少那些
研究旋翼飞行器的人知道，
四个旋翼就能搞定。
所以这并不是我们的主意。
但过了一段时间，我们才真正能够做到
所需的机载传感和计算，
以实现我们想在小型空中机器人上
完成的那种敏捷机动。
这在我们实验室里只发生在 2007 到 2009 年之间。
是的，而且你必须
每秒发送大约一百次信号。
所以算力、一切都得降价。
那么从 A 点到 B 点的步骤是什么？
我们刚才谈了局部控制。
但对于我见你展示过的所有那些
在空中炫酷的舞蹈，你是怎么实现的？
如何生成轨迹？
首先，好，得确定一条轨迹。
也就是规划轨迹。
然后如何让这条轨迹得以实现？
是的，我认为规划是机器人学中
一个非常基础的问题。
我想十年前它还是个深奥的东西，
但如今有了自动驾驶汽车，
人人都能理解这个基本概念：
汽车看到一大堆东西，
它必须保持车道，或者右转，
或者变道。
它必须规划轨迹。
必须安全，
必须高效。
所以大家都熟悉这一点。
当你说到自主性时，这就是你首先要考虑的
一步。
所以对我们来说，就是找到平滑的运动，
安全的运动。
所以我们考虑这两件事：
一是最优性，二是安全性。
显然你不能在安全上让步。
所以你在寻找安全、最优的运动。
你还得考虑的另一点是，
你能否在很短的时间内
计算出合理的轨迹？
因为你有时间预算。
所以最优会变成次优，
但我们实验室专注于合成平滑的轨迹，
满足所有约束。
换言之，不违反任何安全约束，
并尽可能高效。
我说的高效，
可能是想尽快从 A 点
到达 B 点，
或者想尽可能优雅地到达，
或者想消耗尽可能少的能量。
但始终保持在安全约束之内。
总之，始终要找到一条安全的轨迹。
机器学习领域有很多令人兴奋的进展，
在机器学习领域，
包括强化学习
以及它的神经网络变体，
也就是深度强化学习。
你认为机器学习有没有作用？
§04原文文稿 · 29:36–38:35
飞行机器人的许多成功
并不依赖机器学习，
也许除了感知方面的一点，
即计算机视觉方面。
在控制和规划方面，
你认为未来机器学习
会有作用吗？
让我稍微不同意你一下。
我想在我的工作中也许从未点明过，
点明“学习”，
但即使是这个非常简单的想法：能够飞过
受限空间。
第一次尝试时，你总会，
如果任务有挑战性，你可能会做错。
原因是要把它做得完全正确，
你必须对环境中的一切建模。
而飞行是出了名难以建模的。
我们不断发现各种空气动力学效应。
就在我和你交谈之前，
我还在和一个学生谈叶片
在飞行时如何拍动。
这最终会改变旋翼飞行器
在角方向上的加速方式。
是用了类似微型襟翼之类的吗？
不是微型襟翼。
我们假设每个叶片是刚性的，
但实际上它会稍微拍动，
会弯曲。
有意思，是的。
所以这些模型依赖于这个事实，
依赖于它们不是刚性的假设。
依赖于它们其实是刚性的假设，
但这并不成立。
如果你飞得非常快，
这些效应就会变得显著。
如果你贴近地面飞行，
就会被地面推开，对吧？
每位飞行员在尝试降落时都知道这一点，
这叫作地面效应。
很少有飞行员考虑到的是，
当你靠近天花板，
或被吸向天花板时会发生什么。
很少有飞行器
会贴近任何天花板飞行。
同样，当你靠近墙壁时，
会有这些墙面效应。
如果你乘过火车，
与另一列反方向行驶的火车
擦身而过，你会感到气流的冲击。
所以这类微气候
会显著影响我们的无人机。
所以如果你想……
而它们基本上是不可能建模的。
我不会说它们不可能建模，
但你在模型和软件中所需的复杂程度
将会是巨大的。
而且，把一切都做对会极其繁琐。
所以我们的做法是，随着时间推移，
弄清楚如何适应这些条件。
早期，我们使用的学习形式
叫作迭代学习。
这个想法是，如果你想执行一项任务，
有一些东西需要改变，
需要对几个参数进行迭代，
随着时间推移你可以把它们弄清楚。
我可以把它叫作策略梯度强化学习，
但实际上它就是迭代学习。
迭代学习。
这在很早以前就有了。
我认为有意思的是，
看今天的自动驾驶车辆，
学习可以发生在两个部分：
一是感知，理解世界；
二是行动，采取行动。
我见过的所有成功的东西
都在感知方面。
在计算机视觉方面，
过去 10 年我们取得了惊人的进步。
比如识别物体、检测物体、
对它们分类并在某种意义上加标签、
标注。
这些都是通过机器学习完成的。
而在行动方面，
我不知道有任何例子，
在实际部署的系统中
我们真正学习到
正确的行为。
除了单次演示成功之外。
在实验室里，这是圣杯。
你能做端到端的学习吗？
能从像素直接到电机电流吗？
这真的非常非常难。
我认为往前看，
思考这些事情的正确方式
是数据驱动的方法、
基于学习的方法，
与基于模型的方法协同，
后者是传统的做法。
所以我认为每一种方法
都有其作用。
那么你怎么看，
既然你提到了自动驾驶车辆，
我跳出话题问一下，
你认为感知方面的极限是什么？
我和埃隆·马斯克谈过，
在感知方面，
他们主要使用计算机视觉
来感知环境。
在你的工作中，
因为你大量接触现实世界
和物理世界，
计算机视觉的极限是什么？
你认为我们能否只靠视觉和机器学习，
在感知方面
解决自动驾驶车辆的问题？
我们也有一家衍生公司，
Exyn Technologies（原文转写为 Exxon），在地下矿井中作业。
矿井里又暗又脏。
你在脏污的区域飞行，
螺旋桨会扬起东西，
下洗气流会扬起灰尘。
我挑战你让计算机视觉算法
在那里工作。
所以在那种场景我们用激光雷达。
在室内，甚至在室外飞越田野时，
我认为只用计算机视觉
来解决问题有很大潜力。
但我认为更大的问题是，
你能否真正解决，
或者说你能否真正识别出所有极端情况，
只使用单一传感模态并仅靠学习？
你对此的直觉是什么？
你看，如果你遇到一个极端情况，
你的算法不起作用，
你的本能是去获取这个极端情况的数据
并修补，学会处理这个极端情况。
但到了某个时候，这会达到饱和，
这种方法就行不通了。
所以今天，计算机视觉算法能检测到
90% 的物体，或者说 90% 的时候能检测到物体，
90% 的时候能正确分类。
互联网上的猫图大概能做到 95%，我不知道。
但要从 90% 提高到 99%，需要多得多的数据。
然后我告诉你，这还不够，
因为我有一个安全攸关的应用，
我想从 99% 到 99.9%。
那需要更多数据。
所以我认为，如果你把想要的精度放在 X 轴上，
把数据量放在 Y 轴上，
我相信那条曲线是指数曲线。
哇，好吧，就算是线性的也很难。
线性也很难，完全如此，
但我认为是指数的。
你还得考虑的另一点是，
这个过程是个非常非常耗电的过程，
要运行数据中心或服务器。
耗电，你是指字面意义上的电力吗？
字面意义上的电力，就是电力。
2014 年，五年前，我没有更新的数据，
美国 2% 的电力消耗来自数据中心。
我们把这看作信息科学
和信息处理的问题。
实际上它是一个能量处理的问题。
所以除非我们找到更好的方式，
否则我认为这行不通。
说到驾驶，这是安全攸关的应用，
飞行的某些方面也是安全攸关的，
也许是个哲学问题，也许是工程问题，
你认为哪个问题更难解决，
自动驾驶还是自主飞行？
这真是个有趣的问题。
我认为自主飞行有几个
自动驾驶没有的优势。
你看，如果我想从 A 点到 B 点，
我有一条非常非常安全的轨迹：
垂直上升到最大高度，
水平飞行到几乎目的地上方，
然后垂直下降。
这是预先编好程序的。
在自动驾驶汽车领域，很难找到与之对应的东西，
因为你在地面上，
在一个二维表面上，
而二维表面上的轨迹
更有可能遇到障碍物。
我是从直觉上说的，但在数学上也成立。
在数学上这也是对的。
在二维空间中还有其他选择，比如车队编队，
或者因为障碍物太多，
你可以与那些障碍物相连，
诸如此类的选项。
当然，但这些在三维空间中同样存在。
确实存在。
所以这个问题也隐含着，在飞行的三维空间中
障碍物有多难处理？
这就是缺点。
我认为在三维空间中，
你要对三维世界建模，
不只是因为你想避开它，
还因为你想对它进行推理，
并想在三维环境中工作，
§05原文文稿 · 38:35–48:13
这要困难得多。
这是一个劣势。
第二个劣势当然是，
每次飞行，你都得忍受
空气动力学的种种特殊性
及其复杂的环境。
如何应对这些？
这始终是个问题。
你认为未来会有这样一个时候吗，
你提到了农业应用。
飞行机器人有很多应用，
但你认为未来是否会出现
成千上万、
甚至数十万的送货无人机
布满天空，也就是送货飞行机器人？
我认为末端配送
有很大的潜力。
在拥挤的城市里，
比如你去香港这样的地方，
光是过河就可能要半小时，
而无人机最多五分钟就能飞过去。
我想你可以看看向偏远村庄运送物资。
我与一家名为 Weave Robotics 的非营利组织合作。
他们在秘鲁亚马逊地区工作，
那里仅有的“公路”
就是河流。
从 A 点到 B 点可能要五个小时，
而用无人机，30 分钟就能到。
所以仅仅是运送药品、
取回样本以检测疫苗，
我认为这里有巨大的潜力。
所以我认为挑战不在技术上，
而在经济上。
我要告诉你一件没人考虑的事，
那就是我们在电池技术上
并没有取得巨大的进步。
是的，电池确实在变得便宜，
因为有这些超级工厂陆续建成，
但它们都基于锂电技术。
如果你看能量密度
和功率密度，
这是两个根本性的限制数值。
功率密度很重要，
因为无人机要垂直起飞升空，
大多数无人机都是这样，它们没有跑道，
在小尺寸下每公斤大约要消耗 200 瓦。
这很多，对吧？
相比之下，整个人脑消耗不到 80 瓦，
整个人脑。
想象一下，仅仅是把自己托到空中
就像两三个灯泡的功率，
这对我来说说不通。
是的，所以你必须在规模上
解决能源问题，
给电池充电，储存能量等等。
然后储存是第二个问题，
储存限制了航程。
但你要记住，单位时间内
你得消耗很多。
所以消耗是另一个问题。
那是一个功率问题。
是的，凭你的直觉，你认为
电池领域即将出现突破吗？
这个问题有多难？
你看，有很多公司
承诺做自主的、
清洁的飞行汽车。
我认为它们过度承诺了。
自主这一块可行。
清洁这一块，我不这么认为。
我还与另一家公司合作，叫 JetOptra。
他们制造小型喷气发动机。
可以轻松达到每小时 50 英里，
并举起 50 公斤。
它们是喷气发动机，效率很高，
比电动车吵一点，
但能造出飞行汽车。
你的感觉是，有很多要素
已经汇聚到了一起。
那么关于这个疯狂的问题，
看看 Kitty Hawk 这样的公司，
做电动的，也就是清洁的，
我和塞巴斯蒂安·特龙谈过，对吧？
这是个疯狂的梦想，对吧？
但你大量接触飞行。
你之前提到载人飞行
或者载运人体非常难。
那么飞行汽车有多疯狂？
你认为会有那么一天吗，
我们有了足够便宜的
垂直起降飞行器，
以至于我们会看到大量这样的飞行器？
它们看起来就像我们想到飞行汽车时
所梦想的样子。
是的，像《杰森一家》。
《杰森一家》，是的。
你看，有很多聪明人在做这件事，
有塞巴斯蒂安·特龙这样的人在做，
你就永远不能说什么事不可能。
所以我完全认为这是可行的。
我再次质疑的是电动这一块。
电动这一块，是的。
对短距离来说，你可以做到。
也没有理由认为
这些都必须是旋翼飞行器。
你垂直起飞，
然后转变为前飞。
我认为有很多有趣的设计。
对我来说，问题是这些在经济上可行吗？
如果你同意用化石燃料来做，
它立刻就变得可行了。
这是一个真正的挑战。
你认为机器人和人类
能否成功地协作完成任务？
我交谈、合作过的许多机器人学者，
觉得人类只会给画面增添一大团乱麻。
所以最好在解决具体任务时
把他们排除在考虑之外。
人很难建模，
而且是一个不确定性的来源。
在你研究这些敏捷飞行机器人的工作中，
你认为与人类协作有作用吗？
还是最好以不包含人类的方式
对任务建模？
嗯，我认为我们永远不应该
在没有人类的情况下考虑机器人。
归根结底，机器人存在，是因为我们希望它们
为人类解决问题。
但这个问题没有通用的解决方案。
我认为，看人与机器人的交互
以及人类如何与机器人互动，
我们大致从三个不同的角度来考虑。
一是人指挥机器人。
二是人与机器人协作。
例如，我们研究机器人如何
与人一起拾取并搬运东西。
这就像真正的协作。
第三，我们把人类视为旁观者，
比如自动驾驶汽车，人的角色是什么，
自动驾驶汽车如何
识别人类的存在？
我认为所有这些都是不同的场景。
这取决于什么样的人，什么样的任务。
我认为很难说
我们对此有一套通用理论。
但与此同时，说我们应该脱离人类
来考虑机器人，也是愚蠢的。
所以对我来说，人机交互
几乎是我们所做一切中必不可少的方面。
是的，但到什么程度呢，你怎么想，
比如我们转到自动驾驶车辆，
有一场大辩论，是所谓的
L2 和 L4 之争，
也就是半自动驾驶与自动驾驶车辆。
目前至少特斯拉的做法
涉及大量人机协作。
人类被要求主动监督
机器人的运行。
在这种情况下，机器人有多安全的安全定义的一部分
是人类监控它的效率有多高。
你认为这种让人类在其中的做法
最终不是个好办法吗？
人类不是作为旁观者或基础设施的一部分，
而是真正作为确保系统安全
所需要的一部分？
这比听起来难。
我想，你知道，如果你，
我相信你在高速公路等地方开过车。
要把控制权交给机器，
又在需要时接管，真的非常难。
所以我认为特斯拉的做法很有意思，
因为它允许你周期性地
与汽车建立某种接触。
而丰田则在考虑
共享自主或协作自主这一范式。
我想说，这些都是非常非常简单的
人机协作方式，
因为任务相当无聊：
你坐在车里，从 A 点到 B 点。
我认为对我来说更有意思的是，
例如搜救。
有人类第一响应者，也有机器人第一响应者。
我得做点什么。
这很重要。
我必须在两分钟内完成。
建筑在燃烧，
发生了爆炸，
已经倒塌。
我该怎么做？
我认为对我来说，那才是有意思的事，
非常非常非结构化。
人的角色是什么？
机器人的角色是什么？
显然，有很多有趣的挑战，
这是一个领域。
我认为我们会在这个领域取得很大进展。
是的，这是一种令人兴奋的协作形式。
你说得对。
在自动驾驶中，主要的敌人
就是人类的无聊。
§06原文文稿 · 48:13–56:46
是的。
而在救援行动中，
那是真正的生死攸关。
而协作使任务
得以有效完成。
所以这很令人兴奋。
在某种意义上，我们也在做这件事。
想想人驾驶汽车，
几乎总是，人在试图
估计汽车的状态，
估计环境的状态等等。
但如果让汽车来估计人的状态呢？
比如，我相信你有一部智能手机，
手机会试图弄清你在做什么，
并向你发送提醒，还常常告诉你
开车去某个地方，
尽管你根本无意去那里，
因为它认为你应该在那里，
依据的是某条 Gmail 日历条目
之类的东西。
它在不断地试图弄清你是谁、
你在做什么。
如果汽车也这样做，
也许会让驾驶员更安全，
因为汽车会试图弄清
驾驶员是否在集中注意力，
观察他或她的眼睛，
观察昼夜节律相关的动作。
所以我认为潜力是存在的，
只是从反方向来看，
不是机器人建模，而是人类建模。
更多是针对人，对。
我认为机器人可以很好地
为人类建模，只要你真正考虑这样的框架：
一个人坐在驾驶舱里，
周围是传感器，全都盯着他，
除了盯着外面，
也盯着他。
我认为这里确实存在协同。
是的，我喜欢这个问题，
因为它是 21 世纪心理学的新形式，
其实是由 AI 赋能的心理学。
许多人受科幻启发，对
波士顿动力那样的行走机器人感到恐惧。
如果你看看 Netflix 上的节目等等，
或者你研究的那类飞行机器人，
你如何看待这些恐惧？
你会如何缓解这些恐惧？
你自己是否也有类似的隐忧和回响？
每当我们开发一项
旨在给世界带来积极影响的技术时，
总会有这样的担心：
有人可能会颠覆这些技术，
把它用于敌对场景。
机器人学也不例外，对吧？
我认为把机器人武器化非常容易。
我们谈到了集群。
我非常担心的一点是，
要让集群工作，
并可靠地完成某件事，真的很难。
但假设我面临这样的挑战：
要摧毁某样东西，
我有一群机器人，
而集群中只需要有一个
到达目的地。
那就突然变得容易得多。
所以我担心
这种用大量智能体
搭配自主性的一般思路。
话虽如此，你看，
这些技术中有很多还不太成熟。
我最喜欢的一句话是，
如果必须有人来开发这项技术，
你不是更愿意让好人来做吗？
好人对这项技术有很好的理解，
因此他们能弄清
这项技术正被怎样恶意使用，
或可能被怎样恶意使用，并试图加以防御。
所以我们对此思考很多。
我们在研究
比如如何防御集群。
这很有意思。
事实上，国家科学院有一份关于
反无人机系统技术的报告。
这是一个真实的威胁，
但我们也在思考如何防御，
并了解集群如何运作。
我认为了解自主性如何运作非常重要。
所以这不只是政治家的事？
你认为工程师在这个讨论中有作用吗？
当然。
我认为政治家可以对技术
不闻不问的日子已经过去了。
我认为每位政治家都需要
懂技术。
我常说，技术是新的博雅教育。
理解技术将如何改变你的生活，
我认为很重要。
每个人都需要理解这一点。
也许我们还可以选一些工程师
到公职岗位上去。
机器人学中最大的开放问题是什么？
你说过某种意义上我们还处在早期。
我们希望在机器人学中解决哪些问题？
我认为有很多问题，对吧？
但我会这样表述。
看看我们正在制造的机器人，
它们仍然非常依赖于
执行特定任务和特定场景。
我认为，如何让它们在
广泛得多的场景中运作，
在非结构化环境中事物会变化的情况下，
这个问题还悬而未决。
想想自动驾驶汽车。
今天我们可以在停车场里造出自动驾驶汽车，
可以在停车场里实现 L5 自主。
但你能在意大利那不勒斯或印度孟买的街道上
实现 L5 自主吗？
不能。
所以在某种意义上，当我们思考机器人学时，
必须考虑它们在哪里运作、
什么环境、什么任务。
我们完全不明白
如何把这两者结合起来。
所以我们在把它应用于物理世界方面，
还处在非常早期的阶段。
我其实刚去过那不勒斯。
而且视你把它应用到哪个地区，
存在不同层次的难度和复杂性。
我认为是这样。
而我们没有系统性的方法来理解这一点。
大家都说，仅仅因为计算机
现在能在任何棋类游戏中击败人类，
我们就肯定了解了一些关于智能的东西。
这不对。
计算机棋类游戏是非常非常结构化的。
相当于在亨利·福特的工厂里工作，
零件过来，你装配，然后继续。
那是一个非常非常非常结构化的场景。
那是最容易的事。
而我们知道怎么做。
你在宾夕法尼亚大学的 GRASP 实验室
做了许多了不起的工作。
你现在是宾大工程学院院长。
你对一个满怀憧憬、对机器人、AI 或工程感兴趣的
新本科生有什么建议？
我认为主要有三点。
第一，你必须习惯这样的想法：
五年后，或者四年后你毕业时，
世界将不再是现在的样子，对吧？
这真的很难做到。
所以关于预测未来，
我们每个人都需要始终
尝试预测未来。
不是因为你会擅长，
而是通过思考它，
你会磨砺感知，变得更聪明。
这是第一点。
第二点，这是第一点的推论，
就是你真的不知道什么将变得重要。
所以我要专攻某个方向、
从而让我朝特定方向发展的想法，
也许有意思，
但同样重要的是拥有这种广度，
让你有一个起跳点。
我认为第三点，
这也是我认为宾大的强项。
我们教工程，
但总是在博雅教育的背景下。
总是在社会的背景下。
作为工程师，我们不能忽视这一点。
所以我认为这很重要。
但我认为人们在做机器人时
低估的一点
是数学基础的重要性，
表示方式的重要性。
并非一切都能靠
在网上找 ROS 软件包
或找到一个有效的深度神经网络来解决。
我认为表示问题是关键，
即使对机器学习也是如此，
如果你希望实现或走向可解释 AI，
就必须有某种
你能理解的表示。
所以如果你想做机器人，
也应该学数学。
你还提到博雅教育，一点文学。
如果你想造机器人，
就应该读陀思妥耶夫斯基。
我同意。
很好。
维杰，非常感谢你今天的交谈。
这是我的荣幸。
谢谢。
这是一场非常令人兴奋的对话。
谢谢。