在过去的几年里，神经网络和深度学习的进步帮助人工智能在许多领域找到了有用的商业应用。但是，尽管人工智能取得了突破，但一个仍在挣扎的领域是机器人行业。
公平地说，由于强化学习等 AI 子领域的研究，我们已经看到了机器人技术的有趣进步。但是，自主导航各种设置并协助人类完成不同任务的多功能机器人助手的旧愿景似乎仍然是一个遥远的梦想。
上周发布的波士顿动力公司旗舰四足机器人 Spot 可能已经(一点)改变了机器人行业的情况。Spot，前身为 SpotMini，因 YouTube 视频而闻名，视频中它拖着卡车、开门，并随着 Bruno Mars 和 Mark Ronson 的热门歌曲“Uptown Funk”跳舞。
现在，Spot 将在建筑工地找到它的第一个真正的家，它将通过巡逻和检查他们的工地来帮助客户。波士顿动力公司还在探索与能源公司(进行更多检查)和太阳马戏团(用于娱乐?)的可能合作伙伴关系。
我不会在这里评论 Spot，因为我没有使用机器人的第一手经验。如果您想知道它的功能和限制是什么，那里有很多好评(我建议Wired 的深入故事和 Verge在 Spot 上的视频)。
我将分享我自己对 Spot 的发布对机器人技术和更广泛的 AI 空间意味着什么的观察。虽然现在判断结果还为时过早，但我认为 Spot 有机会在其他机器人迄今为止失败的地方取得成功的原因如下。(最后我还将讨论为什么仍有理由对 Spot 持怀疑态度。)
人机协作
在许多方面，Spot 是对当前人工智能技术能力和限制的现实检验。深度学习和神经网络，现在是所有人工智能和机器人应用和产品的核心组件之一，非常擅长分类任务。例如，训练有素的神经网络可以执行简单的计算机视觉任务，例如检查视频源并清点周围的不同对象。
大多数机器人(如 Spot)都配备了多个摄像头，用于监控周围环境。然后，深度学习算法实时分析摄像头馈送并帮助了解周围环境。一些系统，例如自动驾驶汽车，用激光雷达等其他技术补充深度学习，这些技术可以创建机器人周围环境的 3D 模型。
但是在理解对象之间的关系或找出需要常识的问题时，深度学习会遇到困难。这些 AI 模型在对他们没有训练过的场景做出决策方面也很差。不幸的是，机器人必须经常在需要大量背景知识的开放环境中导航。这就是为什么由深度学习和神经网络驱动的机器人经常愚蠢地执行人类下意识地会做的简单任务。
然而，Spot 并没有被设计成完全自主的。操作员使用功能齐全的控制器远程控制 Spot，该控制器看起来像 Nintendo Switch。但这并不意味着 Spot 是一个完全依赖遥控器的哑机器人。事实上，机器人充分利用其人工智能智能，让操作员的生活更轻松。
例如，操作员可以点击控制器视频屏幕上的一个点，Spot 会找到到达那里的方法。此外，正如您在许多以 Spot 为特色的视频中看到的那样，该机器人非常擅长处理不同的地形并在不同的斜坡和地面条件下保持平衡。它还将弄清楚如何避免碰撞和绕过障碍物。
所以基本上，机器人可能不是最聪明的决策者，但它很好地利用了人工智能和机器人技术来处理四处走动和直立的基本知识。这使其人工操作员能够专注于他们想要完成的目标，并做出 Spot 无法做出的常识性决策。
这是迄今为止在当前人工智能混合中取得成功的那种智能增强。其他领域也出现了类似的项目和用例。一个例子是无人机飞行，其中基于机器学习的飞行控制器负责诸如飞行稳定性之类的事情，并使飞行员能够专注于确定飞行方向。
在我们拥有可以处理开放环境的 AI 技术之前，基于控制器的 Spot 模型似乎是一个成功的公式。