东北大学教授Seth Hutchinson：走向人机共融的智慧社会

DoNews8月20日消息，2026世界机器人大会论坛于8月19日-22日在北京举办，美国东北大学教授 Seth Hutchinson，分享走向人机共融的智慧社会。

大家好！

我是阻碍大家用午餐的最后一道关卡，我会讲的很快，大家很快就可以用午餐了。非常高兴，我第一次参与到世界机器人大会，再次感谢主办方邀请我来发言，也感谢各位留到当前来听我的演讲。

就目前而言，我们已经看到了许多的视频，都没有办法跟上，目不暇给，每周都会有更加令人振奋的视频发布出来，尤其是在不同的动作模型方面。现在很多的问题都已经得到了解决，而且机器人现在是在整个世界上不断的演进，他们能不能做一些非常有益的事情呢？这进入了动作操控运动能力的问题，也就是移动操作机器人的。

比如医院辅助机器人药品和平时办公、酒店收集垃圾等，还有一些应用场景和机器人是在家庭里操作，收拾移动家居用品，还有酒店中的外卖机器人，这个我们都很熟悉了，还有推车。

正如我们第一张和第二张PPT里看到的，机器人正在做非常令人震惊的工作，但这些视频里没有人，机器人和人真的这么泾渭分明了吗？机器人也需要发展也需要将人纳入考虑，机器人公司所作出的承诺，它肯定是安全的，好像没有把人纳入考虑的范围。我不是要用自然的语言与机器人去互动，我今天想跟大家举出来人在机器人发展中也得到考虑，首先要确保没有任何人受伤。

我一位几年前的同事也和我有共同的想法，左下方的视频是人和机器人互动的场景，这位病人从足肩部以下完全瘫痪，现在这个机器人正在帮他获得更好的生活质量。

安全方面，安全不光是性能，最简单的机器人安全是不让它动，这是我们所能测量最安全的情况了，现在我们要将性能和安全做平衡。然后是鲁棒性如果要想达到安全，机器人一直在考虑安全，主要是在工厂里边、工业供应链里这个思想已经落实了，因为很多同事在商业上给我们数据了。但未来更复杂，有好几个方式可以让机器人不动但危险性会上升，你可以让机器人和人空间隔离或者一前一后工作，或者分享任务。比如说人类带领机器人随从。

看到右边红色的部分，那是机器人做一些合作，可以看到占比不多，现在一些机器人还是独自工作，与人不产生直接互动，我们需要解决这一问题，最直接的方式将机器人放在盒子里。直到几年前，这一直是最常用的方式来确保安全，我们绝对不会像今年会场里看到人和机器能走这么近，五年前这是不可想象的。

下一件我们可以做的是把物理笼子替换成数字笼子，这样机器人是绝对不可以超越这个电子的栅栏，只要人不进入就不会受到损坏。但是人很聪明，人会到处走，可能会进入不应该进入的地区，几年前在德国有一个人因为进入了错误的区域就意外死亡了。还有其他的方式这个挺酷的，计算机器和视觉这两年发展迅速，现在已经比较可靠了，可以去探测人在空间的运动，机器人可以感受到旁边到有人，离的越近机器人运动越慢，足够近的时候机器人不动了，如果离的很近工作很快就会有安全隐患。

这是几年前一个称呼，可能是15年之前，一个机器人冲击的，他现在还活着，这是确保安全的实验，不光是降低它的速度，这两个都是很保守的安全方式。这是探测冲击，撞击的预测，如果可以快速停止冲击的动作没人会摔坏，人进入以后让机器人不能按照原定轨迹去工作了那怎么变呢？那就是让安全纳入优化控制系统里面，同时也可以达到我们的工作目的，同时又确保没有人受到损害，这就是一个视频展示的理念。

一个人在工作区域来回动，机器人要来回动，要躲着它，机器人不停移动避免和人类发生空间接触。现在我们了解了机器人很多，包括动作操控以及自由度，这些操作通常是关于机械臂运动的特征了解比较深，包括力气、速度、精度所以我们发展了控制、空间空间、速度控制的系统，让他们能够在物理世界安全活动。当我们谈到任务的时候，对人类来说直觉上比较容易的在空间上去移动，而对机器人来说比较难。

比如说一个东西的空间定位怎么去移动它，比如使用大语言模型、用3D的方式去感知、用各种几何的性状，重要的是所有这些参数都是基于任务、基于特定场景的，因此不能给它全方面的自由度。很多事情具体情节怎么做，我们现在要靠控制机器人，让它在不设限没有任何特定环境下可以自由自主的测定应该做才是安全的。

我们想象一个系统的动能，如果它没有了动能就会完全停下来，如果功能降低也会变低，这是传统燃气机的原理。我们如果让系统反应特别快，可以让我们快速实现目标。另一方面，如果你想要缩短和目标之间的距离越快越好，但如果想规避它就不是越快越好，我们用这种公式来平衡，重要的是这两个值，一个是尽量的让它快，另一个是有障碍的时候要限制速度他们太快，如果可以将这两个正确应用就可以实现比较优化的控制。

在人与机器合作任务方面也是一样的原理，这是很简洁的，我有些学生在这里，这是我一直期待有人告诉我的公式，将量子物理学和经典物理学合在一起，包括它移动的自由度和动量等因素放在里边，对于学这个的学生来说可以直接抄这个答案了，这是去计算控制空间动能的方式。

另外一个方法并不是很复杂，这些都是很简单的凝练，只要你不想撞上就绕过它，有一个界限不能超过这个界限，它可以作为软的设定，在这里我们可以计算出来输入和如何界定不允许介入领域的关系，这样你可以很简单的获得它的衍生物，而不需要做过于复杂的运算。

这是一个安全的控制，它是为了自动安全设定环境做的，一个进行改变的条件，如果环境发生改变可以将这些函数加入到这个公式里，也就相当于设定制约约束的参数，让机器人达到目标之前速度不允许超过这个界限，以便于超越这些限制，这是一个基本的逻辑。

这有大量的应用，一个是不要碰的物体但也可以做的更加泛化，比如说我拿了几杯水，我不能让杯子斜度太大，否则水就流出来了。所以我可以将避免的事情都设定为约束因素，比如这条胳膊移动时不能撞到自己的身体或者周围的东西，不能让它乱晃，我们可以将大量相关数据作为限制条件加入进去，刚才说的那种控制到加入更多条件的函数里，有这种约束情况下我们可以去控制有更多条件的运动。利用这个我们可以尝试去做想要的事情，有新的控制函数，尽量达到最优化的水平，看这个系统的动能比如说绝对不能够碰触某些东西，这是受限的最佳模式，我们可以在这个基础上加其他的参数，比如说安全性、系统的动能和外在的能力。

我想非常有效的完成这个任务，我们需要有控制放射的形式要做，我们要一点点加这些限制不要一下加太多。

这个视频就显示出结果，右手可以看到一个机器人去操控，确保它方向的控制，确保水杯不会改变原有的方向水就不会流出来，机器人前后左右的走，而且在人加以外力限制情况下进行反致。左边可以看到机器人进的时候它的动作一方面变慢，一方面要绕开人的肢体，看机器人如何去预测物体运动轨迹防止水杯摔倒，一旦有这种控制因素就可以做到更大场景的测试。

这是一个动作计划，将类似购物车的场景里面它有质量，我们不知道它的质量是多少，还有球状物体移动会改变它的中心，让机器人尽可能快的推它，机器人力量是有限的，所以它的扭距不可能太强，它可能一直只靠捏的扭距控制车，确保不让扭矩超过极限。首先我们有很多的数据很多的模型，比如说机械手臂、抓取和各种操作和动作，我们应该可以使用高捷径的模型确保，不光是安全还有可靠性甚至是最优化。这背后不仅是推一个购物车来回走，而是用这个进行评估，比如说车移动时你的重心在哪儿，这样可以确保目标和视觉模型对齐，这样可以告诉你你的空间在哪里确保安全。

我很有自信的说我们可以做这些工作，我们可以去用这些数据支持机器人的工作，我自己并没有像行业中其他人那样相信视觉，因为我比较的老派。在推车实验中还存在滤波器，还有一些没有解决的问题，我们现在已经有高保真的模型，所以我们必须要去找到一些未解决问题的答案，比如说数据的驱动。过去几天中我们也听到很多数据驱动方面，之前京东的同事也在说，需要收集海量的数据还有很多进展，这些进展未来时间轴上在预期，但并不知道这些数据收集到底要多长时间，到底采取过来的质量如何，到底是否能用，所以数据收集是比较危险，而且找到正确的数据也不是那么容易。

今天开幕视频中机器人失败了，人类在旁边说你再试一次，机器人出现的问题确实会这样，但是数据的崩溃却会让不断尝试走上死循环，收集数据过程中也会出现危险，有些场景中是比较好的，有些并非如此，有一些遇到的场景也不是那么好去模拟。

再比如说对于这些游体的动力，比如说空气的动力，还有机器人在沙子上走动，这些都是流体力学的问题，而这些流体力学非常难以预估、非常难以做模拟，这样来说是另外一个问题了。还有找到正确数据集的问题，要非常经典的问题，也就是分布外的问题，你如果没有找到真正要去测试的，那一部分都是白费功夫。这些成功公司已经解决了分布的问题，有一些公司有不错的数据集、有不错高质量的行动，同时输入需要的投入也不是很高。

操作今天有很多人已经谈到了我不会多做分析，大语言模型LLM是很好的尝试，但我不会相信大数据模型、LLM模型来照顾我的祖母或者是用它来驱动照顾我祖母的机器人，我不会作出这样的选择，我们这样思考一下机器人的未来吧。

祝大家午餐愉快，谢谢！