研究生Ashutosh Saxena（左），Morgan Quigley（中）和吴恩达参与了一项大型研究项目，旨在开发一款机器人，用于观察不熟悉的物体并确定抓取它的最佳位置。
几十年来，斯坦福大学一直在发明机器人的未来。这一未来最早始于 20 世纪 60 年代的一艘登陆月球的探测器，以及最早的人工智能机器人之一——「Shakey」。在那个时候，很多人把机器人想象成下一代的家庭帮佣，装洗碗机，调马提尼酒。然而，绝大多数机器人已经从这些早期雄心壮志的家用场景转移到了工厂，因为机器人能力受到现有技术的限制，又重也危险，没办法和人类共处一室。
但是，对更柔软、更温和、更智能的机器人的研究仍在继续。在很大程度上，由于计算能力的进步，机器人研究如今正蓬勃发展。仅在斯坦福大学，机器人就能攀爬墙壁，像鸟儿一样振翅高飞，在地球和海洋深处乘风而行，与宇航员在太空中闲逛。而且出于对祖先的敬意，他们不再像过去那样摇摇欲坠了。
本文作者 Taylor Kubota 制作了一个系列采访，介绍了斯坦福大学这些机器人宝藏，以及打造他们的教师及其学生。本文的主角是斯坦福大学计算机科学副教授吴恩达。现在，他专注于人工智能在许多领域的应用，比如医疗、教育和制造业，这也是他更为人所知的经历。但在斯坦福的头十年里，他却在致力于自主直升机和 STAIR（STanford AI Robot）项目的研究。
是什么激发了您对机器人的兴趣？
我一直在捣鼓机器人。举个例子，我记得高中的时候，我和朋友参加了一个竞赛，做了一个机械臂来操纵棋子在棋盘上移动。现在看来这是微不足道的，但在当时，机器人还是一个新生的事物，并且作为高中生，我们认为制作机器人就是在干一件大事。
现在，我经常看到高中生在做这件事，如果有人在十年前做这件事，那可能会在学术会议上拿到最佳论文奖。因此，我们的领域进步很大！
您的第一个机器人项目是什么？
在加州大学伯克利分校做博士论文期间，我记得自己问过很多人这么一个问题：机器人学中最难的问题是什么？一些朋友向我推荐了直升机，所以我最后写了一篇关于自动控制直升机飞行的博士论文。后来，我在斯坦福大学最早期的博士生 Pieter Abbeel 和 Adam Coates 做了一项卓越的工作，他们的工作将自动控制直升机飞行研究推到了很高的水平，坦率地说，我们在这方面已经没有什么可以做的。他们做得太好了，我们不得不停掉这项研究。
后来，我开始研究机器学习、计算机视觉与感知。彼时，大家都在研究 AI 问题的不同子集，我觉得，有一个叫做 STAIR 的项目——斯坦福人工智能机器人——将有助于将 AI 各个方面的能力综合在一起。这是一个通用机器人，很大程度上受到了 Shakey 的启发，Shakey 是第一个人工智能机器人。
我认为 STAIR 最重要的成果之一是 ROS（机器人操作系统）。今天，如果你去任何从事机器人研究的大学，他们都在用 ROS。ROS 甚至已经离开了我们的星球，它现在已经运行在国际空间站的机器人上。此外，ROS 现在由一个 20 人组成的非营利组织 Open Source Robotics Foundation（开源机器人基金会）维护，我的博士生 Morgan Quigley 是这个非营利组织的联合创始人之一。
说起这一切，我仅仅是一名教授。老实讲，大部分工作是由我的博士生完成的，他们是这件工作背后真正的英雄。
回想一下，您当时希望机器人在「未来」能做些什么？
我在读高中的时候就去实习了。我是办公室助理的助手，做了很多复印的工作。记得我当时就在想，如果我能把所有的复印工作自动化，也许我就能够把时间花在其他事情上。这是促使我想出如何自动执行很多重复性任务的动力之一。
吴恩达在 STAN（科学、技术、艺术和自然）活动中做关于自动控制直升机的演讲
即使到了今天，我仍然认为人们对人工智能知之甚少。今天，人工智能的主要能力并不是制作有感知的机器人，而是自动化。
有一件不幸的事情是，现在既有人工通用智能，也有人工专业智能（artificial specialized intelligence）。近期几乎所有的项目都有用AI去完成特殊的任务。通用人工智能让人们构想出了邪恶、杀人机器人，它们可能奴役我们所有人。或许距离AI具有通用智能还有成百上千年，但是甚至还没有一个人能够清楚地看到这一点。
您现在所做的哪些工作与机器人有关？
我在机器人学方面的博士背景实际上是一个控制项目——控制就是让机器人执行特定任务的方式。但是在 STAIR 项目中，我们意识到，感知是一个更紧迫的问题。感知问题是机器人如何与它周围的环境互动，它如何精确地感知环境并告诉我们，例如，「人在哪里，门把手在哪里，订书机在哪里。」
我的博士生 Ashutosh Saxena 做了一项非常特别的工作，他让机器人捡起它以前从未见过的物体。当他这样做的时候，争议很大，但是现在从事机器人领域的每个人都会觉得这是正确的方向。那时，我让研究小组开始将大部分时间花在深度学习上，因为这是解决许多开放感知问题的最佳方法。
但愿有朝一日我们能够将它与机器人联系起来，但是我们现在并不专注于此。STAIR 的具身还存活着，而且状态很好。我们早期有很多关于机器人应该如何抓取日常物品的想法，这些想法对研究而言是至关重要的。
在您从事机器人研究的这段时间里，机器人学的总体目标或者大趋势发生了什么变化？
在过去的五年里，深度学习的兴起带来了翻天覆地的变化，因为深度学习让机器人可以看得更加清楚。在其他领域也有进展——更多的控制工作、机械工程和材料工作。与五年前相比，现在有了更好的感知解决方案。这为机器人技术的应用创造了更多的机会。
至于像 Shakey 和 STAIR 一样的通用机器人，那都是以研究为重点的。研究将会持续尝试制作通用机器人，因为研究推动了一个探索基础科学问题的过程。对于可能在不久的将来出现在我们生活中的机器人，我觉得它们会是专用机器人。例如，我的一名学生有一个机器人，它最近已经被购买用于农业了。
原文链接：
https://news.stanford.edu/2019/01/16/stanfords-robot-makers-andrew-ng/
