向善而生的AI助盲，让AI多一点，障碍少一点******
有人说，盲人与世界之间，相差的只是一个黎明。在浪潮信息研发人员的心中，失去视力的盲人不会陷入永夜，科技的进步正在力图给每一个人以光明未来。
AI助盲在人工智能赛道上一直是最热门的话题之一。以前，让失明者重见光明依靠的是医学的进步或“奇迹”。而随着以“机器视觉+自然语言理解”为代表的多模态智能技术的爆发式突破，更多的失明者正在借助AI提供的感知、理解与交互能力，以另一种方式重新“看见世界”。
新契机：多模态算法或将造福数以亿计失明者
科学实验表明，在人类获取的外界信息中，来自视觉的占比高达70%~80%，因此基于AI构建机器视觉系统，帮助视障患者拥有对外界环境的视觉感知与视觉理解能力，无疑是最直接有效的解决方案。
一个优秀的AI助盲技术，需要通过智能传感、智能用户意图推理和智能信息呈现的系统化发展，才能构建信息无障碍的交互界面。仅仅依靠“一枝独秀”超越人类水平的单模态人工智能比如计算机视觉技术还远远不够，以“机器视觉+自然语言理解”为代表的多模态算法的突破才是正确的新方向和新契机。
多个模态的交互可以提升AI的感知、理解与交互能力，也为AI理解并帮助残障人士带来了更多可能。浪潮信息研发人员介绍说，多模态算法在AI助盲领域的应用一旦成熟，将能够造福数以亿计的失明者。据世卫组织统计，全球至少22亿人视力受损或失明，而我国是世界上盲人最多的国家，占世界盲人总数的18%-20%，每年新增的盲人数量甚至高达45万。
大挑战：如何看到盲人“眼中”的千人千面
AI助盲看似简单，但多模态算法依然面临重大挑战。
多模态智能算法，营造的是沉浸式人机交互体验。在该领域，盲人视觉问答任务成为学术界研究AI助盲的起点和核心研究方向之一，这项研究已经吸引了全球数以万计的视障患者参与，这些患者们上传自己拍摄的图像数据和相匹配的文本问题，形成了最真实的模型训练数据集。
但是在现有技术条件下，盲人视觉问答任务的精度提升面临巨大挑战：一方面是盲人上传的问题类型很复杂，比如说分辨冰箱里的肉类、咨询药品的服用说明、挑选独特颜色的衬衣、介绍书籍内容等等。
另一方面，由于盲人的特殊性，很难提取面前物体的有效特征。比如盲人在拍照时，经常会产生虚焦的情况，可能上传的照片是模糊的或者没有拍全，或者没拍到关键信息，这就给AI推理增加了难度。
为推动相关研究，来自卡内基梅隆大学等机构的学者们共同构建了一个盲人视觉数据库“VizWiz”，并发起全球多模态视觉问答挑战赛。挑战赛是给定一张盲人拍摄的图片和问题，然后要求给出相应的答案，解决盲人的求助。
另外，盲人的视觉问答还会遭遇到噪声干扰的衍生问题。比如说，盲人逛超市，由于商品外观触感相似，很容易犯错，他可能会拿起一瓶醋却询问酱油的成分表，拿起酸奶却询问牛奶的保质期等等。这种噪声干扰往往会导致现有AI模型失效，没法给出有效信息。
最后，针对不同盲人患者的个性化交互服务以及算法自有的反馈闭环机制，同样也是现阶段的研发难点。
多解法：浪潮信息AI助盲靶向消灭痛点
AI助盲哪怕形式百变，无一例外都是消灭痛点，逐光而行。浪潮信息多模态算法研发团队正在推动多个领域的AI助盲研究，只为帮助盲人“看”到愈发精彩的世界。
在VizWiz官网上公布的2万份求助中，盲人最多的提问就是想知道他们面前的是什么东西，很多情况下这些物品没法靠触觉或嗅觉来做出判断，例如 “这本书书名是什么？”为此研发团队在双流多模态锚点对齐模型的基础上，提出了自监督旋转多模态模型，通过自动修正图像角度及字符语义增强，结合光学字符检测识别技术解决“是什么”的问题。
盲人所拍摄图片模糊、有效信息少？研发团队提出了答案驱动视觉定位与大模型图文匹配结合的算法，并提出多阶段交叉训练策略，具备更充分的常识能力，低质量图像、残缺的信息，依然能够精准的解答用户的求助。
目前浪潮信息研发团队在盲人视觉问答任务VizWiz-VQA上算法精度已领先人类表现9.5个百分点，在AI助盲领域斩获世界冠军两项、亚军两项。
真实场景中的盲人在口述时往往会有口误、歧义、修辞等噪声。为此，研发团队首次提出视觉定位文本去噪推理任务FREC，FREC提供3万图片和超过25万的文本标注，囊括了口误、歧义、主观偏差等多种噪声，还提供噪声纠错、含噪证据等可解释标签。同时，该团队还构建了首个可解释去噪视觉定位模型FCTR，噪声文本描述条件下精度较传统模型提升11个百分点。上述研究成果已发表于ACM Multimedia 2022会议，该会议为国际多媒体领域最顶级会议、也是该领域唯一CCF推荐A类国际会议。
在智能交互研究方面上，浪潮信息研发团队构建了可解释智能体视觉交互问答任务AI-VQA，同时给出首个智能体交互行为理解算法模型ARE。该研究成果已发表于ACM Multimedia 2022会议。该研究项目的底层技术未来可广泛应用于AI医疗诊断、故事续写、剧情推理、危情告警、智能政务等多模态交互推理场景。
眼球虽然对温度并不敏感，但浪潮信息的研发团队，却在努力让盲人能“看”到科技的温度，也希望吸引更多人一起推动人工智能技术在AI助盲、AI反诈、AI诊疗、AI灾情预警等更多场景中的落地。有AI无碍，跨越山海。科技的伟大之处不仅仅在于改变世界，更重要的是如何造福人类，让更多的不可能变成可能。当科技成为人的延伸，当AI充满人性光辉，我们终将在瞬息万变的科技浪潮中感受到更加细腻温柔的善意，见证着更加光明宏大的远方。
未来的诗和远方，或许是机器人为我们“负重前行”******
近日，美国研究人员在探索一种新的机器人训练方法时发现，对工具的语言描述可以促使模拟机器人加速学习使用各种工具，也就是说，熟练使用工具的机器人可以帮助人类完成重复性或挑战性任务。
根据用途的不同，机器人可以被划分为工业机器人、服务机器人以及特种机器人，其中“服务机器人”与我们的生活最为贴近。它们正在为不断上升的劳动成本提供解决方案，并开启了一种崭新的人机互动方式。今天，一起来看看世界各地的机器人在为我们的生活做着哪些努力吧！
图源：pixabay
01
赶配送
目前，一些配送机器人已经可以通过使用多传感器导航系统，在导航过程中辨别二维或三维的结构，精准、灵敏地识别障碍，实现厘米级避障、秒级反应速度，大幅度提高对环境的感知能力，保证配送过程的导航稳定性。华盛顿Steak N Egg Diner餐厅老板奥斯曼·巴里（Osman Barrie）从一家名为Bear Robotics的初创公司租用了一台名为“Servi”的机器人，负责摆桌子、供应食品和饮料。
图源：巴伦周刊
02
跳舞蹈
美国工程与机器人设计公司波士顿动力（Boston Dynamics）联动自家的四足机器人Spot和人形机器人Atlas跳起了男团舞。它不仅可以完成动作，还能将歌曲MV中的人物动作模仿出来。这些舞蹈的展示不但有趣，还体现了机器人之间如何稳健、灵活地合作。
图源：Boston Dynamic
03
做手术
医学手术通常要求高精度操作。以玻璃体视网膜眼科手术为例，理想手术操作精度要求为10微米，是头发直径的1/8。而医生手部物理抖动幅值一般为100微米，这意味着完成一台高精度手术对医生的要求极其苛刻。
有了手术机器人的介入，医生可以在相机反馈的辅助下，利用操纵杆控制眼球切口中的微型视网膜手术机器人R2D2，将起皱的视网膜（厚度仅有10微米）铺平，修复病人的视力。
图源：pixabay
04
修动车
配备机器视觉、图像识别等技术，动车组检测机器人已经拥有了动车一级检修作业能力。
它由检测机器人、中心服务器、手持移动终端、列位检测和信息管理平台等五大模块组成，可全自动检测所有型号动车组车底和转向架可视部件，具备数据无线传输、故障自动判断等功能，作业效率是人检的2.75倍。
图源：pixabay
05
做刑侦
日本机器人公司SBRH研发了一款机器人Pepper，可以对人类的面部表情进行识别和解读，与人脸识别技术相伴而生。通过对人类情感甚至是心理活动的有效识别，使机器人获得类似人类的观察、理解、反应能力，可应用于机器人辅助医疗康复、刑侦鉴别等领域。
图源：中国机械工程学会
06
助行走
2014年，世界杯开幕式首次由一位瘫痪少年负责开球。这位少年借助先进的机械外骨骼结构，通过大脑意识从轮椅上站起来大脚开球。
机械外骨骼结构被视作“可穿戴的机器人”，兼具有机器人的智能性与人体骨骼的仿生性：外骨骼通过各类传感器探测脑内电极和肌肉电信号，将活动信号传输给机器人，机器人再进行具体的机械动作。
图源：环球网
07
做清洁
目前使用最普遍的是清洁机器人。随着技术的迭代升级，清洁机器人的功能逐渐多样化，也可以满足多样化清洁需求，已经应用至交通枢纽、写字楼、园区等诸多场景。同时，清洁机器人的产品品类也日渐多元化，除了可以地面清洁之外，还出现了泳池清洁机器人以及解决幕墙清洗难题的高空清洁机器人。
图源：pixabay
08
忙配药
零售药店沃博联（WBA）正在研究使用机器人技术来配药。目前该公司配置了9个自动化“微型配送”中心，机器人可以配制80种不同的药物，为2000多家药房提供支持，每小时最多可以处理300张处方的配药，这与一家人手充足的药房一天配药数量相同。
这不仅是为了节省劳动力成本，还可以缩短病人在药房里的等待时间，药剂师可以投入更多精力为病人提供咨询服务，处理紧急处方需求等。
图源：pixabay
09
进厨房
美国连锁餐厅Chipotle Mexican Grill （CMG）最近开始在洛杉矶测试机器人Chippy，这款机器人专门用来制作玉米片。它能把玉米片浸入热油中，搅动油锅中的篮子，然后用盐和酸橙调味。CMG首席技术官库尔特·加纳（Curt Garner）称，虽然仍然需要人工打包和上菜，但在订单激增的午餐高峰期机器人是不可或缺的。
图源：pixabay
10
帮搜救
哈佛大学的研究人员从蚂蚁中获得灵感，利用“光激素”设计出一组机器人RAnts。这种机器人可以相互响应，协同工作，并对环境做出反应。RAnts 仅通过简单的本地规则进行编程，遵循光敏场的梯度，避开光敏素密度高的其他机器人，并在光敏素密度高的地方捡起障碍物，然后将它们扔到光敏素密度低的地方。
根据这些规则机器人可以实现复杂的集体“越狱”行动，并在未来应用于解决复杂的问题，如建筑、搜救和防御。
图源：网络
机器人的功能多样化离不开其3D视觉系统、位置测绘以及机械工程的进步。“集群智能”（swarm intelligence）也越来越帮助机器人共享任务并一起工作。此外，通过5G或Wi-Fi网络连接，可以实现对机器人的远程监控、编程和故障排除。
知识的量化与技术的进步不断为机器人带来新变化，而对于人本身而言，其最宝贵的智慧与灵性终究不可量化。如何做好机器与人的协同共生是未来我们共同面对的课题。
审核：张宁 策划：李政葳 撰文：穆子叶 编辑：李飞
参考 |新华社、参考消息网、科学网、科技日报、虎嗅
