机器人领域的“摩尔定律”
也许大家觉得这张图未来主义，但事实上我们一定程度上已经实现了，机器人可以应用于送包裹、清理环境、货物整理、自动驾驶、生活辅助等等场景。此外，我们也已经看到一些公司，他们已经发明了两种单臂协作的机器人，并应用于生产。
这些例子告诉我们的是，机器人确实已经从科幻转为当前的科学现实。我们能够让机器人更加有能力，更加的有智能。
值得一提的是，机器人领域也存在类似于“摩尔定律”这样的颠覆性规律。包括制造工具、设计工具等领域，互联网性能的颠覆速度每隔6年就会发生变化。同样，工厂机器人的数量也是每隔5年就会翻一番。目前，我们暂时已经验证了这一事实，而我相信未来这个颠覆的频率会更高。
未来这个世界，每个人都有可能拥有机器人，机器人就像是在路上跑的汽车一样常见，我把它称之为“泛在机器人”的世界。
这些机器人将能够与人类协作完成许多任务。当然，现在我们还没有到达这样的阶段，因为还有很多技术问题需要解决。比如机器人如何跟人互动，如何自我推理解决问题……以及，我们如何快速、低成本地制造新的机器人？
接下来，我跟大家分享一些技术的趋势，这些都能够帮助我们解决上述的问题。
十二大机器人技术趋势
软体机器人
之前的机器人都是钢体的，但这样的结构并不能很好地适应各种环境。软体是指把机器人的结构制造成柔软灵活的，像人体结构一样。一般来说，软体机器人的身体结构利用软硅胶制造的，增强其适应性，能够适应不同的未知环境。
基于肌肉运作的原理，我们发现这样的构造让机器人更加敏捷，能过更快速地完成某些特定任务。除了软硅胶，我们还可以用水或是空气去驱动软体的结构。比如这个（放大版）机器人，它外形像一条蛇，而表面这些泡泡可以通过放大和缩小的动作来驱动机器人的活动。
我们可以看到，把机器人放到管道当中时，它就可以自动去检测周围的环境，塑料型的适应性是钢体机器人不可比拟的。
同理，我们也可以去创造机器鱼。如图所示，它像实际的鱼一样可以活动，能够90度的转弯，可以快速地躲开捕猎者。全靠其软体尾部，机器鱼能够在水中上下游动。
我们已经看到了软性机体的重要性，一本新的期刊《软体机器人》期刊已经出来两年了。通过这本期刊我们知道，软体机器人在机器人学科当中的重要性排名最高，也就是说大家对软体机器人的关注度是最高的。
Manipopulatetion ：灵活操作
除了软体机器人，另外一个改善和提高机器人的技术是：灵活的抓取、搬运操作。
钢体的机器人只能够看清楚物体的大小，瞄准每一个指头放在哪里才能抓取物体，但人不是这么操作的。我们要拿一个东西时，伸手、抓取以非常连续的动作完成，不需要思考大小还是运用哪个手指。正因为要对手指头的位置的精准要求，让机器人抓起行为有了很大的局限性，它们没有办法应对不规则的物体。
而软性搬放就应运而生。因为不需要仔细地看这个物体放在哪个位置，也不会受到形状的控制。比如，它可以抓取鸡蛋、纸条。正因为这个机器人有非常柔性的结构，它可以自由地应对各种不确定因素。
我们还可以通过嵌入一些简单的传感器，来让机器人拥有辨别实际物体的能力。当然，这其中还不能百分百做到，某些场景中的识别正确率偏低。横向或者是使用两个指头拿成功率会高些，因为横向抓取积累了更多的数据，知道怎么抓；而两点抓取的信息就比较少了。
语言交流
就算有软体结构，有的时候机器人也会失败。为什么呢？如果机器人抓不住，它可以告诉人出现什么问题，但它不能。
通过观察可以发现，机器人在执行一个任务时，人类一点点干预也会完全改变它的计划。如何提高人机协同互动性呢？如果机器人能过简单说一句“帮帮我，我卡住了”，这也能解决问题，但目前它还办不到。除此之外，如果机器人还可以自省，根据自己的数据计算出新的决策行动，从而避免这个故障。
因此我们希望赋予机器人这个能力。我们开发了一个程序规划系统，机器人可以通过这个规划系统思考自己的行动过程——卡住时可以想一想“为什么卡住，怎么样可以摆脱这个障碍”，或者把这个想法和人类沟通——“请把桌子搬起来”。
所以想象一下，机器人必须要有沟通能力，非常清晰明确地与外界沟通。否则，它只能说“帮帮我”的话，人类过来还得检查看一看它到底有什么问题，这样效率就很低了。
云端大数据帮助学习
我们知道，机器人也需要学习。但是，我们人类从出生起每天可以接受大量的数据，从而进行学习，而对于机器人来说，数据储存就容易内存不足。一辆自动驾驶汽车一个小时就有1TB的数据，很难分析。所以，我们需要把抽象度提高，使得收集的数据能够达到较高阶的程度，降低储存压力和计算量。
举个例子，左边是一个GPS的数据流，如果对于这个GPS的数据流我们能够建立起有意义的结构，就能过从中归纳出一些能提取的信息，然后做高阶的推理。比如自动驾驶到了某一个位置，就知道要执行什么任务。
从数据流当中提取数据，进行抽象处理，并归纳出有意义的信息——这是接下来要分享的核心级技术——通过一个算法，在大数据当中分析一些小的数据集，这些小型数据集能够反映出整个数据运算结果。
同样一个例子：我们利用Coresete的方法，通过对视频的分析得出数据集数，然后把不同的色彩进行集中，从中可以用分析出更多更复杂的视频。电影画面里面16500帧，我们只需要用1152个Coresete数据点就可以展开分析。
多机器人系统
只有一个机器人时，能够完成的任务有限，我们需要许多个机器人组成一个自动化系统。所以，第五个趋势就是多机器人系统。
当几个机器人组合到一起时，每个机器人都有各自负责的工作。当然了，假如现在在建一座小木屋，其中会有一个机器人负责搬零件，而另外的机器人会负责其他的工作。所以，我们可以看到这四个机器人在协作。
机器人必须要能够互相的交流、协调，才能够知道要在什么时候配合同伴执行任务。这是个挑战。它们需要了解自己的任务，又要知道整个集体任务的情况。
按需制造
我们的目标是，让一个机器人可以通过3d打印机直接打印出来，但是这不是一般的外壳打印，在3D打印机当中要有驱动机制，我们可以看到里面的电子结构。这里其实是一个非常复杂的机制。
大众化
让所有人都能够设计自己的机器人。这个想法很疯狂吗？有了数据库、编程工具、3d打印等技术的基础下，虽然不是说所有机器人都可以自动完成，但确实很多步骤是可以自动完成的。
而与此同时，机器人事实上具有非常广泛的用途，可以渗透到我们生活中的方方面面。比如，如果误吞了微型物体，我们可以做一个微型折叠机器人，将其送进肠道，让它通过折叠型来把异物包起来并从体内带出，从而帮助我们免去微创手术；又或者说，可以利用微型机器人来给人类提供胃部治疗。
提早学习机器人
让学生提早开始进行机器人学习，用编程工具创造出各种各样的机器人。我们希望达到的目的是，用机器人的魔力吸引学生——不仅是机器人外壳，也需要学会编程等软能力。让学生儿童愉悦地进入机器人的世界，逐步投入到机器人行业当中。
学术界与工业界的合作竞争
我们现在面对的是一个前所未有的计算机行业变革。我们需要有学术界有前瞻性或是异想天开的想法，也需要工业界的配合来把这些想法做成产品。与此同时，政府也应该参与其中，提出正确的执行方案，让机器人能够真正发挥作用。美国DARPA就是一个很好的案例。
一年前，丰田汽车找到麻省理工。该公司表示，驾驶是充满危险的，现在每年全世界因交通事故而丧生的人达到150万。通过产学合作，把学术的智慧运用在产业界的困难当中，这样才能更好地研发智能驾驶汽车。
自动驾驶
麻省理工也在进行智能驾驶汽车的研发，于2010年中新加坡提出这样一个方案。智能驾驶与自动约车服务的结合，为城市提供自动汽车网络。
然而一般来说，我们只能在简单的环境当中驾驶，以真正驾驶环境中还有很多的障碍需要克服。
商业投资和创业
现在这个世界也纷纷意识到了机器人领域的机遇。近年来，机器人领域发生了大规模的投资，2015年就有大约20亿美元规模的投资并购交易。
中国的革新性
中国确确实实要在机器人方面引领变革。我在此提出一个愿景，未来的工厂会有更多的机器人跟工人并肩工作，未来机器人会比现在的更加先进。
事实上，我们需不需要担心机器人取代我们呢？事实上我们更应该担心的事，我们建造机器人的速度还不够快。在中国，到了2050年就只有20%的人仍处于工作年龄，所以更应该加速机器人的生产制造以弥补劳动力的短缺。
