研究生Ashutosh Saxena（左），Morgan Quigley（中）和吳恩達參與了一項大型研究專案，旨在開發一款機器人，用於觀察不熟悉的物體並確定抓取它的最佳位置。
幾十年來，史丹佛大學一直在發明機器人的未來。這一未來最早始於 20 世紀 60 年代的一艘登陸月球的探測器，以及最早的人工智慧機器人之一——「Shakey」。在那個時候，很多人把機器人想象成下一代的家庭幫傭，裝洗碗機，調馬提尼酒。然而，絕大多數機器人已經從這些早期雄心壯志的家用場景轉移到了工廠，因為機器人能力受到現有技術的限制，又重也危險，沒辦法和人類共處一室。
但是，對更柔軟、更溫和、更智慧的機器人的研究仍在繼續。在很大程度上，由於計算能力的進步，機器人研究如今正蓬勃發展。僅在史丹佛大學，機器人就能攀爬牆壁，像鳥兒一樣振翅高飛，在地球和海洋深處乘風而行，與宇航員在太空中閒逛。而且出於對祖先的敬意，他們不再像過去那樣搖搖欲墜了。
本文作者 Taylor Kubota 製作了一個系列採訪，介紹了史丹佛大學這些機器人寶藏，以及打造他們的教師及其學生。本文的主角是史丹佛大學電腦科學副教授吳恩達。現在，他專注於人工智慧在許多領域的應用，比如醫療、教育和製造業，這也是他更為人所知的經歷。但在史丹佛的頭十年裡，他卻在致力於自主直升機和 STAIR（STanford AI Robot）專案的研究。
是什麼激發了您對機器人的興趣？
我一直在搗鼓機器人。舉個例子，我記得高中的時候，我和朋友參加了一個競賽，做了一個機械臂來操縱棋子在棋盤上移動。現在看來這是微不足道的，但在當時，機器人還是一個新生的事物，並且作為高中生，我們認為製作機器人就是在幹一件大事。
現在，我經常看到高中生在做這件事，如果有人在十年前做這件事，那可能會在學術會議上拿到最佳論文獎。因此，我們的領域進步很大！
您的第一個機器人專案是什麼？
在加州大學伯克利分校做博士論文期間，我記得自己問過很多人這麼一個問題：機器人學中最難的問題是什麼？一些朋友向我推薦了直升機，所以我最後寫了一篇關於自動控制直升機飛行的博士論文。後來，我在史丹佛大學最早期的博士生 Pieter Abbeel 和 Adam Coates 做了一項卓越的工作，他們的工作將自動控制直升機飛行研究推到了很高的水平，坦率地說，我們在這方面已經沒有什麼可以做的。他們做得太好了，我們不得不停掉這項研究。
後來，我開始研究機器學習、計算機視覺與感知。彼時，大家都在研究 AI 問題的不同子集，我覺得，有一個叫做 STAIR 的專案——史丹佛人工智慧機器人——將有助於將 AI 各個方面的能力綜合在一起。這是一個通用機器人，很大程度上受到了 Shakey 的啟發，Shakey 是第一個人工智慧機器人。
我認為 STAIR 最重要的成果之一是 ROS（機器人作業系統）。今天，如果你去任何從事機器人研究的大學，他們都在用 ROS。ROS 甚至已經離開了我們的星球，它現在已經執行在國際空間站的機器人上。此外，ROS 現在由一個 20 人組成的非營利組織 Open Source Robotics Foundation（開源機器人基金會）維護，我的博士生 Morgan Quigley 是這個非營利組織的聯合創始人之一。
說起這一切，我僅僅是一名教授。老實講，大部分工作是由我的博士生完成的，他們是這件工作背後真正的英雄。
回想一下，您當時希望機器人在「未來」能做些什麼？
我在讀高中的時候就去實習了。我是辦公室助理的助手，做了很多影印的工作。記得我當時就在想，如果我能把所有的影印工作自動化，也許我就能夠把時間花在其他事情上。這是促使我想出如何自動執行很多重複性任務的動力之一。
吳恩達在 STAN（科學、技術、藝術和自然）活動中做關於自動控制直升機的演講
即使到了今天，我仍然認為人們對人工智慧知之甚少。今天，人工智慧的主要能力並不是製作有感知的機器人，而是自動化。
有一件不幸的事情是，現在既有人工通用智慧，也有人工專業智慧（artificial specialized intelligence）。近期幾乎所有的專案都有用AI去完成特殊的任務。通用人工智慧讓人們構想出了邪惡、殺人機器人，它們可能奴役我們所有人。或許距離AI具有通用智慧還有成百上千年，但是甚至還沒有一個人能夠清楚地看到這一點。
您現在所做的哪些工作與機器人有關？
我在機器人學方面的博士背景實際上是一個控制專案——控制就是讓機器人執行特定任務的方式。但是在 STAIR 專案中，我們意識到，感知是一個更緊迫的問題。感知問題是機器人如何與它周圍的環境互動，它如何精確地感知環境並告訴我們，例如，「人在哪裡，門把手在哪裡，訂書機在哪裡。」
我的博士生 Ashutosh Saxena 做了一項非常特別的工作，他讓機器人撿起它以前從未見過的物體。當他這樣做的時候，爭議很大，但是現在從事機器人領域的每個人都會覺得這是正確的方向。那時，我讓研究小組開始將大部分時間花在深度學習上，因為這是解決許多開放感知問題的最佳方法。
但願有朝一日我們能夠將它與機器人聯絡起來，但是我們現在並不專注於此。STAIR 的具身還存活著，而且狀態很好。我們早期有很多關於機器人應該如何抓取日常物品的想法，這些想法對研究而言是至關重要的。
在您從事機器人研究的這段時間裡，機器人學的總體目標或者大趨勢發生了什麼變化？
在過去的五年裡，深度學習的興起帶來了翻天覆地的變化，因為深度學習讓機器人可以看得更加清楚。在其他領域也有進展——更多的控制工作、機械工程和材料工作。與五年前相比，現在有了更好的感知解決方案。這為機器人技術的應用創造了更多的機會。
至於像 Shakey 和 STAIR 一樣的通用機器人，那都是以研究為重點的。研究將會持續嘗試製作通用機器人，因為研究推動了一個探索基礎科學問題的過程。對於可能在不久的將來出現在我們生活中的機器人，我覺得它們會是專用機器人。例如，我的一名學生有一個機器人，它最近已經被購買用於農業了。
原文連結：
https://news.stanford.edu/2019/01/16/stanfords-robot-makers-andrew-ng/