机器人之梦

admin管理员组

文章数量:1609200

                                                                                      《目录》

• 江涵秋影雁初飞，与客携壶上翠微      
• 博弈局面
• 走迷宫
• 未来战事 
• 年年岁岁花相似，岁岁年年人不同
• 脑机
• 接口
• 外骨骼
• 脑控打字
• 5G
• VR
• ROS 机器人  

---

江涵秋影雁初飞，与客携壶上翠微      

           新征程 --- Robots。

     

           电影里的机器人，硬件上是能做出来的，但没有那么智能 ~

            目前，最智能的机器人是 科研机器人 ，

            小小的一个 NAO 机器人，能卖到 10 万RMB，有些学校买是为了做研究，有些学校买是只是为了秀，提高知名度，招学生，骗子一个。

 

---

博弈局面

             现在市场上的机器人主要是 工业机器人(机械臂)，目的是打造一条自动化的生产线，比起流水线的效率会高很多，长期来说，成本较人工减低了很多，但一套这样的系统太贵了，目前只在沿海地区覆盖。

             这就是一个趋势啊，对于各大厂商来说，也是一个博弈局面；先参加博弈的好处往往越多，换上工业机器人的厂商可以大幅度减低产品价格，打价格战 ......

             

 

             当所有人都意识不到博弈的时候，可能你吹吹风都能赢。

             少数人意识到博弈的时候，谁意识到博弈谁赢。

             大家都意识到博弈了，那就只能比执行力 —— 或者看谁能意识到新的博弈。

             这个前提得是，您有足够的前瞻性预测了未来的博弈局面.......

              

 

            工业机器人最核心的地方，就是控制柜，里面的算法是最值钱的；而在这些算法里，最最重要的就是机械臂的加工轨迹(tool-path)的设计，学过工业机器人的同学应该很熟悉啊。

            机械臂常用于制造业、运输业和测试应用中，比如让机械臂焊接一块玻璃，玻璃上有上千个点需要焊接。

            如果让我们来设计算法的话，基本要求就是编制出一套触点的访问次序，这样机械臂就可以访问(并焊接)第 1 个触点，接着第 2 个触点，第 3 个 ...... 这样循环知道遍历了所有触点，最后机械臂再回到第 1 个触点，为下一块玻璃做准备，加工轨迹就是一个封闭的环呀。

             减低成本，算法优化：机器人是昂贵的设备，因此我们希望焊接玻璃所花费的时间最少。

             哇，您一看就发现这不就是计算机界著名的旅行商问题吗 ！！！  ( 旅行商问题的算法具体的内容记录在博客《算法！司南》)

 

 

---

走迷宫

             也有很火的仓储机器人 AGV ，他们的算法就是图的搜索算法啊，如 广度优先搜索、深度优先搜索、A* 搜索 ...... ，这些算法的起源应该是想解决迷宫问题吧，解迷宫的算法就是扫地机器人、自动导航小车AGV、比AGV更智能的服务机器人、电网结构、无人机农业洒水、洒农药、汽车导航系统、物流路线、邮件发送、服务器响应浏览器发送网页的算法，学好一个一通百通，如果想解迷宫请见博客《爬虫导论》。

                原理的确是解迷宫的算法，除此之外，这些物流机器人也通过人工智能优化了仓储物流的效率；物流机器人大幅度提高了空间的利用率(仓储空间完全自动化，这就不需要给人留下走路的地方)。

                我们人类在管理仓库时，会分门别类地摆好货物，这样找的时候，会比较好找，而亚马逊的物流机器人却不是这么做的，TA们摆放货物的方式，在人类眼中看来可能是杂乱无章的，比如说电线和尿不湿摆在一起。

                但物流机器人却能根据物品记录在系统中的位置，准确找到货物。TA们根本不在乎，也不需要花时间分门别类地摆放货物。

                其次，亚马逊的物流运转，彻底从以人为主体，变成了以机器为主体，大大提升了效率，整个仓储区实现了无人化与自动化。

                人类工人在仓储区外围有固定的工作站，当需要补货时，亚马逊机器人会驮着货架来接，补充好后，自动移走。当需要配货时，也不需要人类跑来跑去，装着对应货物的机器人，会排队来到配货员面前，配货员只要按照订单上的信息，把货物装进箱子里就好了。

                这样，就将原有的货物中心化，变成配货工中心化，既降低了货物仓储和分拣的成本，也大大地提升了效率。

 

 

---

未来战事 

                古代战争基本上就是靠肉搏，拼刺刀，如果看到盾牌、连弩、攻城锤、大炮这种，就已经算是很高级的武器了。

                武器的打击范围是很小的，比如早期的火枪，打击范围也就只有75米左右，准头也实在不怎么样。因为武器都需要人操作，射程也不怎么远，打一场仗需要非常多的人，每个人负责的面积可能只有几平方米。

                这样子的战斗就需要非常长的准备时间，从宣战发兵到兵临城下，对方已经有足够的时间做好准备了。 

 

                今天，大到核武器、巡航导弹，小到无人机，都能将武器打击范围扩展到地球上的每一个角落，甚至不需要一兵一卒，只要依靠GPS和实时网络，就可以在地球另一端的控制室内操纵一切战局，而对于被打击的一方来说，一旦被瞄准，他们可以做出反应的时间是非常短的，也不太会有机会知道无人机是从什么地方飞来的，会持续袭击多久。

                为了应对未来随时可能爆发的战争，大国之间都积极的研发军用机器人。

                军用机器人相比人类士兵，从募集、训练，到投入战场，后勤保障，甚至抚恤费用，几十万、几百万美元的自动化设备成本其实一点也不高。

                英国联合部队的前总指挥，理查德·巴伦爵士就说：“机器人可不会管你要抚恤金！”；自动化武器报废了，战损是可以精确用费用来衡量的，士兵可不行，各种心理因素、社会反响、政治影响多了去了。

                现代新型的战争形式，已经不再是那种飞机、坦克、机枪、战壕的方式，而是变得更加分散，更加的小型化，更多地偏向反恐战争；如美国，就以打击恐怖组织为名头，对中东发动了一次又一次的间谍行动和无人机轰炸。

                因为美国的无人机和间谍活动是一种不平等的战争方式(被攻击的人几乎没有反应时间、也不知道无人机从哪里来、目的是什么)，因此唯一的方法就是隐藏身份。

                 极端恐怖组织 ISIS 就于 2015 年发布了这一份指南，建议执行任务的信徒们不要戴头巾，不要留胡子，不要经常去清真寺，要把身份一直隐藏到秘密任务前的最后一刻。

                 这个还真有点细思极恐了，说得稍微危言耸听一点，这些人随时随地都有可能出现在我们身边；这也就意味着对他们的打击也可能随时随地出现在我们身边。

                 这就是在传统战场已经消失的情况下，我们需要学习应付和面对的新的战争形态，类似无人机打击这样的新战争模式，极有可能在毫无预警的情况下，突然出现在你我的身边。               

 

 

---

年年岁岁花相似，岁岁年年人不同

                目前，全世界的主流机器人都是工业机器人，也就是在流水线上作业的机器人，比如说安装汽车配件、组装设备的机器人。

                但在未来，机器人的另一大任务，就是照顾老龄人口生活，TA们可以帮助老年人洗衣做饭，照料老年人的日常起居和医疗健康，因此，未来社会对于服务型机器人的需求将会越来越强。

                服务型机器人和工业型机器人最大的差别在于，工业型机器人的作用是取代人类，而服务型机器人则是辅助人类、照顾人类。

                目前主流的服务型机器人有三种，分别是医疗型机器人、陪伴型机器人和护理辅助型机器人。

                这三种机器人的作用各不相同：

•                 医疗型机器人能够提供医疗辅助，
•                 陪伴型机器能够和人类建立亲密关系，帮助人们缓解孤独 (隔座送钩春酒暖，分曹射覆蜡灯红);
•                 护理辅助型机器人能够辅助人类提取重物。

 

 

---

脑机

                脑机接口，这里的 “脑”，指的是大脑以及我们的神经系统。

                21 世纪之后，脑机接口飞速发展，这主要是因为神经科学家们发现了大脑的可塑性。

                什么是可塑性呢 ，举个例子 ？

                老司机开车的时候，对外界的感觉从自己的身体扩展到了汽车的车体，TA 不用看，就知道车离马路牙子有多远。

                您可能觉得，这不就是长期练习以后，形成了肌肉记忆嘛！

                但在神经科学家们看来，没有那么简单，“车感” 这种现象和大脑的可塑性有关，神经科学家们认为这是大脑重新定义了身体的边界。

                这有一个神奇的事情，我们能操控身体就像老司机驾驶汽车一般熟练，可那是因为我们的身体有感觉细胞呀，感觉细胞能随时把信号传递给大脑，可汽车是没有的。

 

                 脑机接口的起点，也是一件与“车感”类似的事件。

                 有些人不幸被截肢，失去了手，但 TA 总觉得那只手还在；而且这个不存在的手还常常会有剧烈的疼痛感，或者僵硬的瘫痪感。

                 这就很奇怪了，要知道手已经失去了，那手的感知细胞也就不存在了，没有感知细胞给大脑传递信号，怎么还会痛呢 ？？？

                 经过了许久许久，神经科学家们终于解决了这个问题。

                 他们用纸箱和镜子组成了一个镜箱，如图。

 

                 TA的原理很简单，就是病人把一只健全的手伸进箱子里，通过镜子的反射，他以为看到另一只失去的手。

                 病人活动那只健全的手，会以为在活动另一只失去的手，一段时间之后，疼痛感居然就减轻了。

                 神经科学家认为是因为失去的手，仍然被大脑定义在身体的边界之内。

                 具体来说，这是由于大脑已经有了对身体全局洞察，TA 自己会对身体有个预判，认为还能指挥这只手；但手却没法给大脑反馈，所以，当大脑频繁指挥，比如让手活动，手却一动不动的时候，大脑就觉得，这只手瘫痪了。

                 于是就有了僵硬或者疼痛的“幻肢”感觉，镜箱所做的，其实就是用错觉告诉大脑：“看！你的手就在这里，你能指挥TA”。

                 那么之前感到的痛感，通过活动这个 “幻肢”，逐渐就消退了。

                 其实，从上面俩个实例可以看出大脑是可以修改身体的边界，这时神经科学家们就想搞事情了：机器能不能进入这个边界呢 ？

                 后来，他们发现大脑修改边界造成的局面就是大脑皮层的重组，大脑皮层如同计算机的 CPU，我们的思考、视觉、运动、性格等等都与大脑皮层有关；经过长期的镜箱训练后，大脑的皮层就重组了，大脑的边界也就改变了，接着手也就不痛了......

                 目前脑机接口的原理便是这般。

   

---

接口

                脑机接口，这里的 “脑”，指的是大脑以及我们的神经系统；而 “机” 是外部设备，例如机械臂、外骨骼、无人机、电子皮肤等等。

                在脑机部分，我们清楚的理解了脑机接口技术的原理，但摆在脑机接口面临的一个很现实的问题是，我们怎么把大脑和机器连接起来呢，难道要开颅吗 ？？？

                脑机接口最大的难题，就在于“接口”两个字。

                接口的功能，其实就像语言一样，要把大脑里的讯息理解以后，翻译出来。

                虽然说，直到现在我们都不太清楚神经元之间是怎么排布、怎么连接的，但早在1924年，第一个采集脑信号的设备就诞生了

                一位叫汉斯-贝格尔的德国医生做出来的，他当时发现，从我们人的头皮上能采集到一些电波一样的信号，而这些电信号似乎和一个人的精神状态有关。

                比如说，人在比较放松的状态下，会释放一种较为固定的电波，我们称之为 α 波。

                当然，现在我们知道，这是因为大脑的一切活动都伴随着神经元的放电现象，如当人学习一项新技能的时候，大脑里特定区域的神经元就会开始释放电信号，经过多次练习的巩固，就会形成一条稳定的神经通路，人也就掌握了这个技能。

                所以说，电信号就是大脑跟身体沟通的一种神秘语言，这其实就是我们现在经常说的“脑电波”；做脑机接口的科学家们，最想要实现的就是看谁能采集更多、更精准的电信号数据，而后尝试理解这些信号所对应的大脑指令。

                那怎么采集呢 ？？

 

                在美国，侵入派和非侵派公司刚好在东西海岸主动划分了地盘。

                侵入派盛行在硅谷为首的西部，代表公司是希望提升人类智力的 Kernel 和马斯克的 NeuraLink 。

                而 “非侵派” 呢，集中在东部，有从哈佛校园走出来的 BrainCo，还有加拿大的 Muse 等等。       

• 侵入派就像《黑客帝国》一样，把电极放到大脑里去，这叫 “侵入式” 的脑机接口；

 

• 非侵派是像100年前汉斯-贝格尔那样，隔着头皮，用挂在脑外的设备来采集信号，这叫“非侵式”脑机接口。

                

 

                 您很可能在生活中，已经见过非侵式脑机了。

                 我们最常使用的非侵入接口，其实就是医院里面你会见到的脑电图；做脑电图的时候，人会戴上一个布满电极的帽子，电极采集的脑信号会传导给一台机器，分析脑电波。

                 比如波形显示出 β 波，说明人很紧张；一般人进入睡眠后，脑波频率会下降，变成 θ 波。

                 这种方式的劣势，就是采集到的信号分辨率比较低。因为

                 颅骨会大量拦截从大脑发放的脑电信号，这就像是说，我们想去听一场演唱会，不只没有门票进去，还是站在非常远的广场上听的；不过，大家可也别因此就小看了非侵式脑机接口的潜力。

                 毕竟，天文学家仅仅是通过望远镜观测，也发现了宇宙星系之中的“红移”现象，提出了宇宙膨胀的学说；而且非侵入接口明显会被更快的商用...... 

                 图灵证明了计算机是可以做出来后，其余的具体实现都得交给物理学家；同样，神经科学家们有了想法之后，其余的具体实现都得交给材料科学家了。

 

                 因此脑机接口，就是把我们大脑的想法传递给外部设备，甚至直接传递给其他人的大脑。

 

 

---

外骨骼

                 如果你对“外骨骼”这个词有点陌生，你可以想象，外骨骼就等于现实中的钢铁侠里的战甲，样子会简陋一点，功能也没有那么强大。

 

                 2014年巴西世界杯开幕式，骚年 利亚诺·平托 就是穿了这样庞大、笨重的机械战甲，踢出了当年世界杯的第一球。

 

                 虽然，当时踢球动作只持续了 2 秒，甚至很多人没注意到。

                 但利亚诺本人在开球后兴奋地大喊，“我感觉到球了”。

                 他为什么这么激动 ？

                 6年前因为车祸，造成利亚诺脊髓受伤，之后他都在轮椅上度过。

                 在全身瘫痪前，他是一名运动员，而之后呢，他从胸到脚趾，都没了任何知觉。

                 开幕式上，利亚诺之所以能踢球，是用脑机接口操控了那副笨重的机械外骨骼才完成的。

                 所以这一脚球对利亚诺的意义，几乎是无价的。

                 不过，对这件事的讨论却逐渐走向两极。

                 有一些人认为是科学盛事，第一次在实验室外，实现脑机接口控制下肢运动。这一脚对脑机接口来说和阿波罗登月差不多，你看，这就给了一个非常高的肯定。

                 但另一些人呢，他们认为这次开球并不成功，动作只有 2 秒，很难判断是不是利亚诺靠大脑操控完成的，技术事实难以验证。

                 事实上，这套笨着的外骨骼，是二十几个团队花了近 20 年的时间才研制出来的，其中的艰辛不言而喻。

                  

                 实现外骨骼技术有很多技术难点，简单的举俩个。

                 第一个就是“感觉”反馈。

                 “感觉”反馈，就是我们对环境的温度、硬度、压力等等各种情况的感受，你可以通过你的感觉细胞，给大脑送去对外界的反馈

                 比方说，手感觉太烫了，就会缩回来。听起来这事没什么复杂，但千万别忘了，瘫痪病人是没有任何感觉反馈能力的。

                 那你会想啊，没有“感觉”反馈能力，究竟会怎么样呢 ？

                 举个例子，你用手去抓一根铁棍，会用很大的力气，如果拿起一颗鸡蛋呢 ？

                 你会轻拿轻放。但是如果换成控制机械臂就不一样了，机械臂表面没有感觉细胞，TA不能分辨这个东西到底是铁棍还是鸡蛋，如果用拿铁棍的力气去拿鸡蛋，鸡蛋很可能会碎掉。

                 所以没有“感觉”反馈，大脑发送错误指令的机会就非常大。

                 神经科学家是怎么解决这个问题呢 ？？

                 他们打造的这套机械战甲，做了一种 “人造皮肤” 来模拟“感觉”反馈。

                 这层所谓“皮肤”其实就是一堆传感器。尼科莱利斯教授把 TA 附在“机械战甲”外部，用来探测接触地面的信号，比如触觉、温度、压力等等。

                 通过人造皮肤的反馈，利亚诺可以判断地面信息，现在是踩在沥青地面上了，还是草地上了？

                 根据不同的反馈，他就可以调整机械战甲行动的力度和速度。

                 这就是目前脑机接口最重要的研究方向之一：如何更好地重建“感觉”反馈。

                 除了“感觉”以外，第二个非常重要的事情就是 “训练”。

                 你可能没想过，脑机接口是需要训练的。

                 因为现在的脑机设备并不能做到像我们戴眼镜一样，戴上就能视力大增。想要顺畅使用脑机接口，需要使用者和机器不断磨合，持续训练才可以。

                 像利亚诺在开球之前，他经历了6个月的集中训练。从技术层面上看，“踢球”这个动作是很简单的，难点是“训练”过程有点反人类。

                 为什么这么说呢？

                 利亚诺是用非侵入脑机操控战甲的，他得戴一个电极帽，让科学家们采集他的大脑信号。在训练中，他的任务就是做“运动想象”。

                 我们一听“运动想象”，感觉很容易，是不是就是想象让我的腿“向前走”、“向后走”，而后机器呢，就会按照我们的想法走了呢？完全不是。

                 大脑解开的脑电范式非常有限。我们压根不知道这种复杂的运动活动，脑电反应是什么样的。所以利亚诺这样的受试者去做“运动想象”，具体想些什么呢？

                 他想象的是“眨眼”，或者想象“动舌头”。

                 这些信号是科学家可以采集到的，这就是“运动想象”。而后，科学家再把这个信号，翻译成让机器向前走的指令，这个过程是不是很拧巴 ？？

                 而且，每个人的脑电范式都有非常大的差异，每一次一样的运动想象，大脑神经元的活动都是不一样的，这给脑控设备带来非常大的挑战。

                 外骨骼机器人也就是用脑机接口操控设备，其难度相当于一个“迷”，有的时候无从下手......

 

 

---

脑控打字

                 脑控打字至少要分成 3 步：

•             采集并翻译脑电信号；
•             转换成指令；
•             打字。

                 这里面有一步至关重要——转换成指令。

                 这是什么意思呢？

                 如果你记得巴西男孩操控机械战甲就会想起来，“指令” 其实靠的是被试者的 “运动想象” 去控制的。

                 也就是你想完成的任务是，让电脑光标向上移动，但你这时候想的却是“左腿踢腿”。

                 这个和我们大脑的正常活动差太多了。

                 Facebook在这个领域的研究很前沿，2017年 4 月的时候，他们的前沿科技研发部门就透露了脑控打字的研究。

                 当时可以做到每分钟打 8 个单词，已经是非常惊人的突破了。

                 这就相当于如果用智能手机打字，你打 3 个字的时候，瘫痪患者用意念也能打出 1 个字。

                 但就在 2019 年 4月 24 日，脑控打字已经 out 了，神经科学家们实现了脑电和语言的直接转换。

                 也就是说，你连上脑机接口之后，就会像霍金一样，机器可以帮你说出你的想法，每分钟可打 150 个单词，逼近了正常人说话的语速。

                 实现原理：https://www.youtube/watch?v=kbX9FLJ6WKw

 

                 主要是通过发声的动作捕捉脑信号，再利用循环神经网络算法将 声道的咬合关节运动 转化为句子，微信的语音转文字也是采用的此算法，虽然这个技术很NX，离商用还有很长的路要走，接下来基本交给材料科学家们。

                 本来想一笔带过的，但这个比较酷的样子，写一下神经科学家们是如何做到的吧。

 

                 神经科学家在训练的时候，研究人员会请受试者大声阅读大量的句子，比如说读一些小孩子的故事书，像《睡美人》《爱丽丝梦游仙境》这些经典小人书，而后他们把脑电信号和语言的转化工作分成俩步。

• 第一步，解锁发声动作。一个人说话的时候，他的下巴、喉咙、嘴唇和舌头的运动和发出的声音有很清晰的对应关系。比如你张大口，喉咙发出声音，可能就在说 “啊”。
• 第二步，他们成功解码了脑信号与发生动作的关系。同样是运用人工智能的算法，神经科学家们发现了哪一组信号对应哪个器官运动的组合。

                 仔细看看上图，有了发声动作这个中介，大脑中神秘的想法可以被清晰捕捉了。

 

                 接着运用人工智能算法即 循环神经网络(RNN)，这个算法能解码声道咬合关节的运动，再把这些运动转化为句子。

                 在这个成果发表之前，脑控打字一直是脑机沟通领域的热门的研究领域；脑控打字本质上我们还是在用语言交流，但这个成果完全改变了人的交互模式，未来人们之间的交流不再使用语言，而是通过身上的脑机接口设备直接脑对脑交流想法。

                 

 

---

5G

                 如果您参加过类似 计算机、机器人大会，里面聚集了很多很多的人(大概近万)，这时我们想拍个照片，想玩微信，可就是发不出去。

                 这近万的人数里在这个小范围里，无论是 Wi-Fi 还是 4G，都不可能上网，因为信息的流通量超过了网络的带宽；如同一条公路上堆满了车，这条路是谁也走不通的。

                 从理论上讲，4G 每平方公里只能支持 10 万个设备。

                 如果将来类似的场景随处可见，那么 4G 显然就不够用了。

                 那么什么情况会让上述情况变成常态呢 ？？

                 比如要同时无线上网的设备数量增加一到两个数量级(也就是10～100倍)，4G的带宽和并发能力就不够了。

                 万物互联(IoT)要是普遍发展，这种多设备同时上网的情况，4G是难以满足的。

                 而万物互联是未来的必然，以后的马桶都会联网的啦：马桶会根据人的消化物分析出数据，并交给医生，这样的治疗才是最好的，在没病之前就切断病根......

 

                  5G 的特点，除了 支撑海量并发设备 之外，还有：

•                  宽带大、速度快；
•                  高可靠、低时延连接。

                   5G 编码还是数学，如下图，这是华为的 5G 通信技术标准。

 

                   原文地址：《Channel Polarization: A Method for Constructing Capacity-Achieving Codes for Symmetric Binary-Input Memoryless Channels》，如果有线性代数或者群论的基础，看懂只是时间的问题啦。

                   这种方法被称为极化码，极化码看起来很复杂，但本质上还是一些矩阵的乘法，比如，如果要对 4 个比特的 [u1 u2 u3 u4] 用极化码编码，那会得到另外一个 4 比特的信号(码字) [x1 x2 x3 x4]，这等价于以下的矩阵乘法：

                   对于极化码来说，长度为 N 的数据块，其编码的复杂度是 。

                   而根据祖师爷香农的判据，这已经到达了 5G 编码的最优极限，所以，华为看好极化码的未来，因为 TA 极富理论优势。 

 

                   除了极化码以外呢，还有另一种 5G 编码标准，低密度奇偶校验码(LDPC 码)。

                   不过，我对其不了解，只知道 LDPC 码是在 3G和4G 的 Turbo码 上直接改进的，因此效果会比Turbo码好，也就比现在的 4G 要快；LDPC码被认为一种比较成熟的老牌编码方案，效果确实是不错的。

 

                   因此，在 5G 的方案中，就分为俩个阵营，分别以 华为(极化码) 和 高通 为代表(LDPC 码)。

                   华为提出的 5G 方案是在 6000 兆赫，也就是 Wi-Fi 之上 。

                   TA 的好处是技术简单，能较好地利用 4G 资源，绕过障碍物的能力强，但是带宽窄，速度受限；华为这个阵营里唱主角的还有英特尔和诺基亚，目前华为在中国试验的 5G NSA，就是基于 6000 兆赫频率，和 4G 相结合的过渡型 5G。

                   看一下这个，能快速帮您理解 《WIFI 信号传播原理》，绕过障碍物等等，是漫画喔。

 

                   而高通提出的方案则比较跃进，直接上到 28000 兆赫的频率，这样的好处是和目前所有的无线通信都不可能打架，而且带宽可以扩得非常宽。

                   但是技术复杂，特别是要考虑无线电波的反射效应，而且传输距离短。但是传输距离短又有距离短的好处，那就是基站可以建设得很小，很密集，辐射反而小，美国的一些城市决定采用这种方案。

 

                   也许您看不懂  6000 兆赫 和 28000 兆赫的频率，的确，是我没讲明白。

                   5G怎么就提高了移动通信的速度呢 ，一万多台汽车在路上怎么能保持交通，继续行驶呢 ？？

                   我们用 4G 时，如果附近人多，速度也会跟不上，因为带宽不够了。

                   香农第二定律告诉我们说，必须增加无线通信的带宽，也就是扩路。

                   而无线通信带宽的频率是无法向下扩展的，一来那些频率已经被占用了，二来能够扩展的范围有限，因此TA只能向上扩展。

                   目前全世界 4G 通信的频率大约是在 1000 多兆赫到 2000 多兆赫的范围内，华为暂定为 6000 兆赫，高通定为 28000 兆赫，华为以后应该也会转为 28000 兆赫。

 

                   于是有争议了，5G 的通信标准是选 极化码 呢，还是 LDPC 码  呢 ？？？

                   在 5G 标准的制定中，经过复杂的博弈，最终形成了一个折衷方案：

•                   LDPC码成为数据信道的编码方案；极化码成为控制信道的编码方案。

                   控制信道好比给电脑硬盘通电的管制权，数据信道如有传输硬盘上的数据的权利；这就好像我们打开电脑时，电脑需要读取硬盘上的信息，这就需要给硬盘通电，这个通电过程就是由控制信号来传递的。

                   所以，这是一种现实的结果，华为虽然没有完胜，但也没有完败；高通也一样，最后的结果就是大家一起发展5G，谁也别把谁踢走。

                   从数据量来说，控制信道的数据量要小很多，码块长度一般在 20-300 比特之间——这就好像您不是要传输高清的电影数据，只是要把电脑打开，不需要那么多数据量来完成开机这个事情；而 5G 数据信道的码块长度要长得多，典型的数据量在 3000~8000 比特之间，而且码块非常多，其所传输的数据量比控制信道要高几个数量级。

                   所以，从数据量大小来说，LDPC码 取得的胜利更大一些，但这也不表示极化码失败了。

                   毕竟，极化码是一个新秀，还没有在实践上经过千锤百炼，所以只能等 5G 大规模商用以后，我们再来评估极化码的优越性到底是不是真的好。

                   5G 比起 4G ，是用更少的能量传输更多的信息，以后的机器人创业也望 5G 小哥多多提携，比如《5G和机器人的组合》。  

 

---

VR

                   就在几年前，由于 Facebook 买了做 VR 眼镜的 Oculus 公司，TA在全世界着实热了几年，但是由于各种预先要求的技术没有达标，因此体验特别差，大家也就不再追捧TA了。

                   大家对 VR 最不适应的地方是头晕，我如果戴着 VR 头罩玩游戏，两三分钟就晕了。

                   头晕这个现象，并非是哪个使用者容易头晕，而是 VR 产品体验不好造成的，从技术上讲，今天的 VR 有三大技术难题没有解决。
                   首先是信息传递的速度不够快，今天 4G 网络的传输率虽然理论值很高，但是每个人实际上分到的也就是十几兆，而且还不稳定，这样当你的头一转动时，图像就跟不上，你就会觉得头晕。

                   VR需要的信息传输率要比高清电视高很多，因为我们看的高清电视，除了一开始的主帧是完整的图像，传输时没有太多的压缩，后面每一帧图像其实在传输时，只传输了TA们和主帧(或者前面几帧)的差异，传输率不需要很高。

                   但是你从 VR 眼镜中看到的图像则不同，你一扭头，看到的就是完全不同的场景了，需要传一个新的主帧，这对传输率的要求就高了。

                   那么传 VR 影像需要多高的传输率呢 ? ？

                   这和 VR 节目的信息压缩比有关，但通常认为至少需要高清(1080P)视频的 20 倍左右(至少要10倍)，这样看到的画面才连贯，而 5G 的传输率就恰恰能够满足这个需求。

                   接下来的问题就是，当信息传输过来，VR设备的处理器能否复原出图像，如果这件事解决不了，就算有了 5G 也帮不了 VR 多大忙。

                   一般高清电视的解码是比较容易的，因为就是每一帧图像和前一帧对比，把差异补上去。但是使用 VR，除非你头不动，否则稍微动一动，就要从头开始计算，那个计算量就大了。

                   虽然今天最高速的 GPU 是能够满足这个要求的，但是TA们一来太耗电，二来太贵(上千美刀)，这也是为什么无线的 VR 设备效果难以提升的原因，因为电池不够用。

                   就算上述问题得到了解决，今天 VR 还遇到一个根本性的障碍，TA是无法单纯依靠网速和处理器速度解决的，就是在没有反馈的情况下，快速变换的场景总是能够让人头晕。

                   我们坐车都有这样的体会，如果拐弯比较多，就会感到头晕，因为我们的身体(具体讲主要是前庭)，来不及对外界的变化反应调整。但是，开车的人是不晕的，因为他看到变化的景物后身体有反馈，反馈让他能够提前调整身体的反应。

                   比如你开车在盘山公路上左拐下坡，你眼睛看着外面的情景，身体不自觉地在倾斜，脑子已经预估好了下坡的直线加速度和左拐的向心加速度，对你来讲这些都是很自然的。

                   你如果想拐得急一点，你的身体已经准备好了接受更大的加速度；但是你戴上 VR 头盔时，头运动所带来的景象变化，和身体的反应可是联系不起来的。

                   因此，最终，好的 VR 需要和可穿戴式设备结合，那就能够彻底解决头晕的问题了。

                   从上面的分析可以看出，虽然 5G 从理论上讲可以解决 VR 的信息传输问题，但是只是为 VR 的普及增加了一个必要条件，远没有充分。

 

 

---

ROS 机器人  

                 ROS 现在已经做的很好了，入门很简单；您想要什么功能，大概只要调用程序即可.......

                 上图是开发一个机器人的完整步骤，因为有许多优秀的开源代码，开发效率至少提高了 %。 

 

                 现在的企业想要的人才，是开发型的；因为企业研究的功能，需要人才不仅仅能优化开源代码，甚至还需要自己写，没有软件工程的基础很难驾驭大型系统(几百万行代码)。

                  所谓的开发型人才，就是 不是特别擅长机器人，而是特别热爱机器人 ，自学前期待着、自学时专注着、自学后不满足着，这就是企业特别想要的；这是企业家说的，其实我觉得有点肤浅，我并不觉得一个与机器人有利益攸关的人会学的比热爱的人差，我认为利益攸关和寓教于乐是同一水平。

 

                  具体的学习计划，可以看看 YY硕 的《机器人工程师培养计划》。

                  推荐的网站：

•                AI 大学     (未来会推出一系列机器人课程)
•                ARM 计划
•                海渡学院（偏工业机器人）
•                ros-courses
•                ROS机器人小课堂（ROS是机器人操作系统的缩写）

                   ROS 在企业中的应用，以下的每一行，背后都有一段段的故事：

•                星火计划
•                ARM 计划
•                软银机器人
•                自动驾驶的自主机器人
•                轩辕（国产机器人OS）
•                科大讯飞机器人
•                华为海思 Atlas AI 平台

 

 

                 早期机器人是脚本写好的，也叫 “僵尸机器人”，多用于无人搬运车；

                 现在很多企业转用 ROS 了，因为 ROS 让机器人更加自主、智能，因为现代工厂的复杂要求，光产品的组成就十分复杂，路径随时都会变化，要让 “僵尸机器人” 适应环境的成本太大，总不能换一次产品，就把机器人生产线重新部署！！！

 

                  ROS 因为开源，好想法堆积，因此 ROS 也从集中式的转为分散式的，功能越来越完善。

                  比如，ROS 2 可以同时操控 一百台 机器人，而 ROS 不能，因为基于 ROS 架构机器人的连接是在一起的，如果一个出错，整个系统都会出错，而 ROS 2 能区分开，这也就是 ROS 2 最核心的 “动态探索机制”。 

                  上图是 ROS 的程序设计，每个机器人都是一个结点，相互连接；红色的结点表示已损坏。

                  在 ROS 系统中，只要有一个结点损坏了。下一层损坏就开始了，直到所有结点损坏才结束。

                  而 ROS 2 采用分散式的 DDS，一台损坏并不会影响到整体，功能完善了很多。 

                  ROS 2 的故事：http://www.360doc/content/18/0830/09/57554683_782332787.shtml。   

       

---

未来已来 

                  商用机器人的路子，已经开始了。

                  就拿服务业来说，擎郎的无人配送机器人，已经运用到 海底捞 等各大餐饮企业 300 + 的餐品传送，服务人数大概是 200万+。

                  一台机器人以租代售按每月 3000 RMB 来算，对于请人的综合成本要小很多(社保+工资+招工成本+管理费+食宿)。

 

                  这些机器人就像生产冰箱一样的敏捷，使得商用机器人规模化的普及。

                 

                  一直觉得人工智能代替人还需要 N 年，原来就在今天；作为人口红利大国，机器人却是世界顶尖水平，人又该何去何从呢 ？

                  可能机器人也就是在发达地区应用吧，世界上有很多问题的答案都可以归结为一个：我们目前仍然生活在一个 78 亿人里有 60 亿人从来没坐过飞机的星球上。

 

 

 

 

 

 

本文标签： 之梦机器人