機器人會代替人類嗎？
百年之前，機器人幫助人類完成大量機械作業，在卡雷爾·查培克的《羅薩姆的萬能機器人》中還只是虛構情節。而如今，已成現實。
剛閉幕不久的2021世界制造業大會上，以實用性“出圈”的聯想晨星機器人再次收割一大波“關注”。
晨星機器人有一雙“慧眼”
聯想晨星機器人是一個能夠幫助用戶立體感知遠程環境，并與之實時交互的“復合型機器人”，非常適合代替人工在流水線、工作空間受限、空氣質量惡劣等環境中作業，在裝配流水線，噴涂車間，電力巡檢作業等應用場景中堪稱“得力干將”。
在智能車間里，聯想晨星機器人的智能化和柔性化能力得以全面展現。它可以給數百種零部件進行精細噴漆；可以避開障礙，靈活游走車間；可以根據顏色、形狀對零件進行分類；還可以進行缺陷檢測，保證工作質量……
以某高端智能制造流程中的噴漆環節為例，聯想晨星機器人會對整個車間進行空間掃描感知、圖像識別，所獲取的數據會在邊緣側的虛擬機上進行實時的三維建圖和渲染，通過SLAM 、導航定位、物體識別與跟蹤技術，便可輕松避障，順利到達噴漆間；噴漆操作開始前，機器人的雙目立體相機會將操作臺的各類工件和周邊環境采集到邊緣服務器，服務器會將3D視頻流實時推送給晨星AR眼鏡，技術人員通過AR眼鏡和手柄即可遠程操控機器人進行人機協同噴漆操作。
而這一系列操作步驟的完成，正是對計算機視覺技術的立體展示。計算機視覺技術賦予了聯想晨星機器人一雙“看懂”制造場景各方細節的“慧眼”。
計算機視覺讓機器“有目”共睹
作為人工智能領域的一個關鍵分支，計算機視覺好比人眼，是人工智能在感知層面最為重要的核心技術之一，它可以模擬人眼對目標進行識別、跟蹤和測量等，所獲取的數據將被處理成更適合人眼觀察或儀器檢測的圖像，亦或者直接針對所獲取的信息進行相對精準地判斷、預測和行動規劃等。
用眼睛看世界是人類與生俱來的能力，而如何讓機器學會像人類那樣通過視覺觀察“看懂”這個世界，便是計算機視覺技術要完成的任務。
歷經幾十年的迭代，目前的計算機視覺技術主要基于深度學習來精進自己“看”的能力。深度學習算法的實質，是通過構建具有很多隱層的機器學習模型和海量的訓練數據，來學習更有用的特征，最終提升分類和推斷的準確性。
為了讓機器看得細、看得廣、看得更清楚，需要為深度學習預設更多模型參數和更豐富的數據，模型參數的設定和數據處理能力的多維度需求對GPU算力的提升提出更高要求。計算機視覺的應用場景端，往往承擔著數據采集和分析任務，很多需要本地處理，快速反應，計算力下沉，對邊緣的存儲和計算能力同樣帶來挑戰。相應的海量數據傳輸，又需要強大的網絡速率作為支撐，以保證應用端延時性的降低。而隨著算法的更新、算力的升級、數據的大爆發，5G帶來的高速網絡以及邊緣能力的不斷提高，計算機對圖像的分析、理解和預測輸出能力已經在不斷加強，并逐步深植各行各業，得到更加深入的應用和發展。
與此同時，日益豐富的應用場景推動著計算機視覺技術的不斷細化，計算機視覺技術衍生和拆分出了圖像分類、物體檢測、物體識別、物體跟蹤、視覺SLAM等關鍵技術。作為人工智能細分領域發展最快、應用最廣泛的核心技術之一，計算機視覺的各項分支技術已廣泛應用于制造、安防、醫療、教育、汽車等領域。
聯想讓機器人“見多識廣”
聯想的計算機視覺可以“看懂”當時生產線上出現的零件缺陷、缺失、安裝不到位等問題，目前這項計算機視覺缺陷檢測方案已應用于聯想武漢工廠與深圳工廠的智能手機和筆記本裝配檢測流程中。
隨著自身智能化轉型的漸趨深入，聯想對計算機視覺的應用范圍和應用方式不斷突破著邊界。“看懂”也不再局限于某一場景下的某一種生產零件的情況，而是更為豐富而復雜的動態場景中的不同事物及其狀態，簡而言之，就是更加的“見多識廣”了。
聯想提出的“端-邊-云-網-智”創新架構為計算機視覺技術的應用和發展提供了天然的生態條件。端側，聯想既有AR/VR相關的各種新型智能硬件終端，如聯想手機、電腦、晨星AR眼鏡、聯想晨星視覺模組、聯想晨星MR攝像機等，也有硬件、軟件、服務一體的智能解決方案，如智能生產、智能運維、智能檢測等，為計算機視覺的提供了豐富的應用場景。
而在邊緣側，聯想的邊緣計算平臺（LECP）和聯想大腦-Edge AI平臺可以為端側提供更強大的算力支持和存儲補充，像計算機視覺應用中經常涉及到的識別、檢測、建模、渲染、數據聚合與分發等計算和存儲需求都將轉移到邊緣側進行，端-邊協同推理，充分發揮邊緣側的就近處理、快速響應、滿足個性化需求、隱私保護等優勢。
云端的“大腦”主要負責通用化沉淀，以聯想全球領先的超算技術為算力基礎，通過多層次的學習模型，進行海量數據的訓練，形成更通用的應用模型給邊緣側和端側調用，為端側實現更高層次的數據復用、知識共享和能力調配，持續推進端側的機器對識別、推測和行動規劃能力的提升。而聯想基于自己研發的5G網絡通信虛擬化產品，又為計算機技術在整個“端-邊-云-網-智”中的應用和發展加足馬力，提供了速率保障。
基于“端邊云網智”這樣的創新架構，聯想將計算機視覺與混合現實技術融合，打造了完整的端到端的核心技術布局，包括光學以及顯示系統、計算機視覺系統、計算機視覺標定、顯示引擎、定位跟蹤、空間3D重建、物體識別與追蹤、檢測以及云渲染等。
在定位跟蹤方面，聯想基于自己的技術優勢，開發了一種基于多傳感器的SLAM（Simultaneous Localization And Mapping）算法框架，并對相關底層運算進行優化加速，實現了在空曠、少紋理場景下的穩定定位，也就是在特定環境里，這個技術能夠幫助機器進行導航、定位和地圖的規劃，幫助機器不迷路，不繞遠。
除了標定位置和路線，我們還需要對機器周圍的動態場景進行檢測和追蹤，以避免“飛來橫禍”。聯想的另一項核心優勢就是三維物體識別和追蹤，指的是針對指定的一個或者多個三維物體，在一個連續的圖像序列中進行物體的目標檢測與姿態求解。基于三維物體的檢測與追蹤獲得的結果，可以為增強現實中虛實物體的交互提供信息，為機器人抓取的任務規劃提供依據，為車輛之間的定位提供參考，因此三維物體識別與追蹤在增強現實、機器人、自動駕駛領域有非常重要的應用價值。
2020年12月，憑借業內領先的計算機視覺技術能力，聯想研究院在國際多目標跟蹤挑戰（MOT16）榜單上，超越阿里達摩院、百度、馬克思普朗克研究所、卡內基梅隴大學等強隊高居榜首，成為計算機視覺技術領域的佼佼者。
“看懂”千行百業
從內生需求驅動到外化行業賦能，聯想對計算機視覺技術的應用已經在智能制造、智慧醫療、智慧城市等領域實現了多點開花，為各行各業的智能化轉型提供解決方案。
在智能制造方面，聯想晨星機器人就是一個非常典型的案例，除此之外，在飛機生產制造的研發設計、供應鏈、生產制造、試飛測試以及運維五個流程中，計算機視覺作為“導航儀”，貫穿在飛機制造的每一個環節中。
此外，我們還打造了基于計算機視覺的生產線質量檢測解決方案。在個人電腦、手機等智能設備產品整機系統生產中，由于來料運輸和組裝過程中產生的負向干擾，整機生產過程中有多個檢測站點用于發現不良或缺陷，以往需要人工100%肉眼檢測，持續注視，極易疲勞，主觀判斷不易穩定。一旦發生不良品出貨到終端客戶的情況，會導致客戶體驗感不佳；其次由此帶來的后續處理問題，成本巨大。因此，我們綜合目前視覺檢測以及機器人開發成果，結合自身的情況研發了智能制造的機器視覺方案，即生產線裝配質量檢測解決方案，有效提升了質檢的效率和精度。
在智慧園區領域，聯想將LeFace人臉識別技術應用在門禁閘機上，打造了 “端側屏下”智慧易行閘機識別方案，毫秒級響應，高效安全，并且針對園區場景定制化優化，針對不同光線等條件專項優化，實現復雜場景下精準識別。用戶經過閘機，不用刻意停下來找攝像頭，只要是“自己人”，就可暢通無阻。這項技術，也被應用于零售領域，在聯想總部的無人商店，人們可以通過人臉識別自由進出商店，購買商品。
在聯想對計算機視覺技術的應用案例中，這些都是浮光掠影的一部分。相對于計算機視覺技術自身的發展潛力而言，目前人們對這一技術的應用不過是冰山一角。隨著人工智能在各個領域的不斷深入發展，這雙“慧眼”的應用空間將不斷拓展，而它，也將牽引著人工智能“看見”更廣闊的未來世界。
