【演講實錄】CAAI副理事長趙春江院士：農(nóng)業(yè)機器人研究進展.pdf

演講實錄丨CAAI副理事長趙春江院士 農(nóng)業(yè)機器人研究進展 2022年9月17 18日 第十一屆中國智能產(chǎn)業(yè)高峰論壇成功在廈門舉辦 大會主論壇上 CAAI副 理事長 中國工程院院士 國家農(nóng)業(yè)信息化工程技術研究中心研究員 CAAI Fellow趙春江院士 為我們帶來了題為 農(nóng)業(yè)機器人研究進展 的精彩演講 趙春江 CAAI副理事長 中國工程院院士 國家農(nóng)業(yè)信息化工程技術研究中心研究員 CAAI Fellow 國家 農(nóng)業(yè)智能裝備工程技術研究中心首席專家 農(nóng)產(chǎn)品質(zhì)量安全追溯技術及應用國家工程實驗室主任 農(nóng) 業(yè)部農(nóng)業(yè)信息技術重點實驗室主任 CAAI常務理事 智能農(nóng)業(yè)專委會主任 中國農(nóng)業(yè)工程學會副理 事長中國農(nóng)機學會副理事長 國際精準農(nóng)業(yè)學會中國首席代表 主要從事農(nóng)業(yè)智能系統(tǒng)與精準農(nóng)業(yè)技 術裝備研究 一 農(nóng)業(yè)機器人 世界科學家圍繞機器人進行不斷探討 1920年捷克作家卡佩克科幻劇本 羅薩姆的萬能機器人 機 器人捷克語Robota是奴隸的意思 1967年日本第 一屆機器人會議上 加藤一郎提出 機器人具有腦 趙春江 2023 01 06 17 12發(fā)表于北京原創(chuàng) 中國人工智能學會 手 腳等三要素 具有非接觸傳感器和接觸傳感器 具有平衡覺和固有覺的傳感器 中國科學家的定義 為 機器人是具備一些與人或生物相似的智能能力的自動化機器 農(nóng)業(yè)機器人 Agribot 維基百科的定義為可用于農(nóng)業(yè)生產(chǎn)活動的機器人 農(nóng)業(yè)機器人我們從最樸素的角度 去理解 是指用于農(nóng)業(yè)生產(chǎn) 具有感知 決策 控制與執(zhí)行能力的多自由度自主作業(yè)裝備 主要包括信 息感知系統(tǒng) 決策控制系統(tǒng) 作業(yè)執(zhí)行機構(gòu)和自主移動平臺 也即 眼 腦 手 腳 信息感知部分 基于視覺 觸覺 聽覺 味覺技術的空間環(huán)境 靶標位置與形態(tài)等多模態(tài)信息感知系統(tǒng) 人的五官 決 策控制部分體現(xiàn)在機器腦 以及對象識別 場景分析 路徑判斷和任務規(guī)劃 人的腦 作業(yè)執(zhí)行部分體 現(xiàn)在高效魯棒機器人專用驅(qū)動及末端執(zhí)行機構(gòu) 人的手腳 工程實際應用中 農(nóng)業(yè)機器人與人工智能 大數(shù)據(jù) 云計算 物聯(lián)網(wǎng)結(jié)合 構(gòu)成了農(nóng)業(yè)機器人應用系統(tǒng) 豐富了農(nóng)業(yè)機器人概念的內(nèi)涵與外延 目前 中國從事農(nóng)業(yè)生產(chǎn)的勞動力不斷減少 人工成本不斷增加 所以對農(nóng)業(yè)機器人的需求快速增加 1991年我國農(nóng)業(yè)勞動力占全社會勞力的61 現(xiàn)在已低于25 而實現(xiàn)農(nóng)業(yè)現(xiàn)代化的發(fā)達國家 比如 美國 基本上在1 左右 未來隨著城市化的發(fā)展 農(nóng)村勞動力還會持續(xù)減少 對機器人需求越來越 大 同時 中國還面臨著一個老齡化問題 從2016年開始 老年人占比迅速增加 也導致了農(nóng)業(yè)對機器 人的需求快速增長 這個趨勢不僅體現(xiàn)在中國 也體現(xiàn)在全球各國 特別是日本 世界人口展望 2019年修訂版 的數(shù)據(jù)顯示 到2050年 全世界每6人中就有1人年齡在65歲 16 以上 在歐洲和北 美 每4人中將有1人年齡在65歲或以上 2018年 全球65歲或以上人口史無前例地超過了5歲以下人 口數(shù)量 此外 預計80歲或以上人口將增長2倍 從2019年的1 43億增至2050年的4 26億 二 國際農(nóng)業(yè)機器人現(xiàn)狀 農(nóng)業(yè)機器人發(fā)展迅速 農(nóng)業(yè)作業(yè)對象的多樣性和復雜性 決定了農(nóng)業(yè)機器人的多樣性 按應用領域分類 有很多 例如大田農(nóng)業(yè)機器人 溫室農(nóng)業(yè)機器人 林果業(yè)機器人 畜牧業(yè)機器人和水產(chǎn)業(yè)機器人等 國際學術界對農(nóng)業(yè)機器人研究愈加重視 2017年 時代周刊 將年度最佳發(fā)明獎頒發(fā)給了Hortirobot 除草機器人 2008年IEEE Robotics and Automation Society IEEE RAS 成立了專門的農(nóng)業(yè)機器人與 自動化學術委員會 2009年世界地面移動機器人頂級期刊Field Robotics組織了農(nóng)業(yè)機器人?？?2010 年IEEE RAS與世界自動化與控制聯(lián)合會 IFAC 共同舉辦了關于農(nóng)業(yè)機器人的討論會Agicontrol 歐盟 地平線 2020 資助系列的農(nóng)業(yè)機器人項目 如CROPS Sweeper和MARS 2017年英國啟動了世 界上首個無人農(nóng)場項目Hands FreeHectare 2018年世界機器人大會 WRC 全球歐美專家發(fā)言均關注 了農(nóng)業(yè)機器人 同年機器人頂級會議 IROS 組織了3個農(nóng)業(yè)機器人正式Session 開始重點關注農(nóng)業(yè)機 器人 2019年世界機器人大會設立了機器人農(nóng)業(yè)應用專題論壇 2021年在英國召開了International Conference on Agricultural Robotics and Automation ICARA 會議 從2018年開始 很多專家在 各種相關場合都談到了農(nóng)業(yè)機器人 近幾年 在北京召開的年度世界機器人大會里 都有一個專門農(nóng)業(yè) 機器人分會 農(nóng)業(yè)機器人得到了學界廣泛關注 根據(jù)我們對頂級國際會議ICRA和IROS近幾年的熱詞分析結(jié)果可以看出 機器人前沿基礎研究的熱點主 要集中于深度學習 移動路徑規(guī)劃 自主學習與自適應 同步建圖與定位 SLAM 多機器人系統(tǒng) 優(yōu) 化計算與最優(yōu)控制等 代表了國際機器人研究向自主 智能 共融和協(xié)作的發(fā)展趨勢 全球知名農(nóng)業(yè)機 器人公司及其代表產(chǎn)品如雨后春筍般涌現(xiàn)出來 有搬運的 采摘的 除草的 還有農(nóng)產(chǎn)品分揀的 農(nóng)業(yè)機器人主要在不適合人操作的惡劣環(huán)境和人工需求特別大情景下發(fā)揮重要作用 例如 國外的鋤草 機器人可以防止人工打藥帶來的中毒危險 同時對環(huán)境安全和農(nóng)產(chǎn)品安全具有重要意義 這類機器人的 應用場景雖然相對比較簡單 但是它從感知到?jīng)Q策 到控制 到作業(yè)整個環(huán)節(jié)都連接起來 為未來展現(xiàn) 了美好的藍圖和前景 目前 農(nóng)業(yè)機器人市場現(xiàn)狀從全球來看 無人駕駛拖拉機 噴藥無人機和擠奶機器人是目前市場化份額 最大的三類 歐美農(nóng)業(yè)機器人企業(yè)重點關注采摘和鋤草等復雜作業(yè)的方方面面 如機器人視覺頂尖機構(gòu) CMU 卡耐基梅隆 的Robotanist 歐洲波士頓動力 ETH 瑞士蘇黎世理工 的Rowesys除草機器人 等 國際上 研究農(nóng)業(yè)機器人 比較活躍的研究機構(gòu)有美國華盛頓州立大學 荷蘭瓦赫寧根大學 英國哈 珀亞當斯大學和德國波恩大學等 歐盟專門支持的項目AgROBOfood 根據(jù)不同區(qū)域的生產(chǎn)特征和種養(yǎng)類型劃分區(qū)域 研發(fā)適宜該區(qū)域農(nóng) 業(yè)生產(chǎn)的農(nóng)業(yè)機器人 agROBOfood通過建立可持續(xù)的數(shù)字創(chuàng)新中心網(wǎng)絡 將機器人研發(fā)與農(nóng)業(yè)業(yè)務聯(lián) 系起來 AgROBOfood將與更廣泛的歐洲機器人團隊密切合作 通過EU Robotics等計劃確保協(xié)同效 應 提高歐洲農(nóng)業(yè)與食品的效率和競爭力 降低對人工的依賴 歐盟還資助農(nóng)業(yè)機器人項目群 包括甜椒收獲機器人 AI ROB 數(shù)據(jù)驅(qū)動的奶農(nóng)決策 IOT 食品和農(nóng) 場物聯(lián)網(wǎng) IOT 數(shù)據(jù)驅(qū)動的生物經(jīng)濟 Big Data 等 以促進歐洲農(nóng)業(yè)更高效和可持續(xù)發(fā)展 充分展現(xiàn)了 對農(nóng)業(yè)機器人的高度關注 國際上一些咨詢機構(gòu) 如美國商業(yè)資訊 對農(nóng)業(yè)機器人市場進行了預測 2020年全球農(nóng)業(yè)機器人市場規(guī) 模74億美元 到2025年市場規(guī)模將達到206億元 年復合增長率達到22 8 桑德勒研究所對此也進行 了預測 2020年市場規(guī)模46億美元 到 2025年能達到203億市值 年復合增長率達到34 5 在當前疫情背景下 農(nóng)業(yè)機器人發(fā)展更快 圖1所示的是Tractica對農(nóng)業(yè)機器人的收入和出口全球市場預 測 由圖1可見 2025年農(nóng)業(yè)機器人將達到879億美元 有72萬臺農(nóng)業(yè)機器人會投入到生產(chǎn)實踐中 圖1 全球農(nóng)業(yè)機器人的收入和出口市場預測 三 我國農(nóng)業(yè)機器人發(fā)展情況 一 我國農(nóng)業(yè)機器人發(fā)展的總體情況 我國農(nóng)業(yè)機器人研究起步于1990年 這些年來 我國科研人員根據(jù)農(nóng)業(yè)特點與需求 開展了農(nóng)業(yè)機器人的研究 在自動駕駛拖拉機 小型農(nóng) 業(yè)移動平臺 嫁接機器人 移載機器人 果實分揀機器人 采摘機器人 農(nóng)田信息監(jiān)測機器人和植保無 人機等方面展開了大量研究工作 并在自動駕駛農(nóng)機 植保無人機和擠奶機器人等方面已有很好的應 用 2017年7月8日 我國首個農(nóng)業(yè)無人系統(tǒng)應用示范基地在江蘇興化啟動 2017年我國民用無人機銷 售規(guī)模62億元人民幣 據(jù)慧飛無人機應用技術培訓中心的調(diào)研數(shù)據(jù)顯示 目前無人機有10多萬臺 每 年包括農(nóng)民作業(yè)面積達到10億畝次的規(guī)模 相關產(chǎn)業(yè)市場規(guī)模近1000億元人民幣 二 我國典型農(nóng)業(yè)機器人發(fā)展現(xiàn)狀 1 采摘機器人 采摘機器人通用平臺可用于高架立體栽培模式下不同高度層次的果實采收 提高了智能采收機器人的實 用性 有利于智能采收設備向產(chǎn)業(yè)應用的進一步發(fā)展 從視覺定位到柔性采摘都進行了黃瓜采收機器人 相關技術的研發(fā) 番茄采摘機器人基于視覺伺服的果串激光對靶空間測量 采用雙線程 眼手 協(xié)同高 效作業(yè)機制 面向非機構(gòu)農(nóng)業(yè)環(huán)境的機器人作業(yè)系統(tǒng)集成 但是 目前采摘機器人的采摘效率還比較 低 黃瓜和番茄采摘最快的速度大概是摘一個果11s 我國是13s 未來如果人工智能技術 特別是通過 算法的提升 能夠快速識別定位 將會進一步提高采摘的操作速度 2 蔬菜苗床監(jiān)測管理機器人 蔬菜苗床監(jiān)測管理機器人 基于環(huán)境光照波動補償進行秧苗葉片圖像信息獲取 采取主動夾持式穴盤苗 移栽操作手爪 通過蔬菜苗床智能管理作業(yè)平臺 把好的苗子和不好的苗子分開 3 蘋果采摘機器人 蘋果是全球產(chǎn)量最大的水果之一 中國蘋果產(chǎn)量占全球55 以上 種植規(guī)模200萬公頃 年產(chǎn)量約4300 萬噸 占全國水果總產(chǎn)量20 蘋果生產(chǎn)勞動力成本在總成本占比高達66 由于采收環(huán)節(jié)機械化率低 不足3 人工綜合采摘效率200公斤 天 迫切需求 采 收 運 一體作業(yè)的蘋果采摘機器人 我國標準果園典型樹形為矮化密植高紡錘形 目前我們在目標識別 采摘執(zhí)行機構(gòu)關鍵技術已取得重要 進展 但需要加強適宜我國農(nóng)藝條件的高效采摘機器人的集成研發(fā) 實際中 果樹樹冠內(nèi)枝葉叢生 果實密集 果實粘連遮擋 限制了機器人信息感知 機器人動態(tài)作業(yè)過 程中 果實位姿隨機偏移 影響了機器人對其進行精準操作 而解析遠 近景復合視場中果實目標與執(zhí) 行機構(gòu)的運動耦合關系 是機器人進行視覺伺服動態(tài)跟蹤控制的必要前提 近三四年來 我們團隊對蘋 果采摘機器人開展了多方面研究 取得了很好的進展 但是要達到商業(yè)化還有一定距離 此外 我們也 在探索采摘獼猴桃機器人 但是太難 目前沒有商業(yè)化的產(chǎn)品 對蘋果采摘機器人 世界各國開展了不同路徑和模式的探索研究 如美國在蘋果樹冠結(jié)構(gòu)進行了重要的 變革 把整個樹干進行扁平化 蘋果樹就像籬笆墻一樣 冠層厚度大大減少 蘋果果實方便識別和采 摘 使機器人采摘變成一種可能 同時 有的國家也在探索無人機采摘的模式 4 其他機器人系統(tǒng) 其他機器人系統(tǒng) 如畜牧行業(yè)禽舍健康狀況巡檢機器人系統(tǒng) 這類機器人具有無人值守 以及可見光 熱成像 聲紋信息等多模信息融合分析能力 在雞場內(nèi)可對二氧化碳 氨氣和甲烷等有害氣體探測 也 可以探測動物的生命 如通過雞的叫聲可以判斷雞的營養(yǎng)健康狀況等 實現(xiàn)基于生理和行為多角度禽舍 蛋雞異常巡檢 此外 畜禽養(yǎng)殖防疫消毒也有機器人 用于畜禽養(yǎng)殖環(huán)境無人化智能防疫消毒作業(yè) 支 持遙控和自動作業(yè)模式 可實現(xiàn)智能化定時 定點 定量消毒作業(yè) 目前在國內(nèi)很多養(yǎng)殖場已經(jīng)投入運 用 總的來講 我國農(nóng)業(yè)機器人和發(fā)達國家水平差距明顯 一是機械設備與農(nóng)藝結(jié)合的不夠緊密 二是穩(wěn)定 性 故障率 易用性等指標還有待提升 三是成本較高 生產(chǎn)效率偏低 四是智能化程度不高 核心算 法差距顯著 四 農(nóng)業(yè)機器人展望 一 農(nóng)業(yè)機器人的特點 農(nóng)業(yè)機器人與工業(yè)機器人相比有它獨特的特點 一是農(nóng)業(yè)的非結(jié)構(gòu)化環(huán)境 如全世界沒有一棵相同的果 樹結(jié)構(gòu) 另外 農(nóng)作物相互遮擋 顏色紋理復雜 晴天與陰雨天 白天與黑夜的光環(huán)境變化 二是農(nóng)業(yè) 對象的生物特性 移動性 柔軟性和商品性 三是要求高技術但還要低成本 因農(nóng)業(yè)效益低 成本高 了無法大規(guī)模推廣 這些因素疊加在一起 導致農(nóng)業(yè)機器人的發(fā)展難度非常大 未來機器人已不是單純的一個機器人本體 其與大數(shù)據(jù) 云智能和物聯(lián)網(wǎng)等結(jié)合會變成一個智能的農(nóng)業(yè) 機器人系統(tǒng) 農(nóng)業(yè)無人農(nóng)場就屬于這類 高度智能化的機器加上以網(wǎng)絡為基礎的連接控制 形成自主作 業(yè)系統(tǒng) 這是農(nóng)業(yè)機器人未來發(fā)展方向 未來發(fā)展農(nóng)業(yè)機器人 就要從 眼 智能感知 腦 決策控制 手 靈巧執(zhí)行 和 腳 自主移 動 等不同環(huán)節(jié)進行研究 如圖2所示 里面有相當多關鍵核心技術 此外 場景感知非常重要 因為很 多對象在環(huán)境中不斷移動 構(gòu)建了一個特殊的場景 機器人提前判斷 決策和導控的 而不是簡單的目 標對象的靶向識點 所以機器人應該有相應的預判決策能力 圖2 智能農(nóng)業(yè)機器人系統(tǒng)關鍵技術 新一代人工智能的核心是數(shù)據(jù) 算法和算力 隨著新一代人工智能進一步發(fā)展 未來農(nóng)業(yè)機器人的研 究 要瞄盯人工智能發(fā)展的新三要素 場景 系統(tǒng)和算力進一步探索 而場景 系統(tǒng)和算力新三要素 非常復雜 特別是場景的板塊 我們對場景的感知 提前的預判這些方面需要很好的算法 農(nóng)業(yè)機器人 是新一代人工智能很好的應用場景 應該努力把人工智能的軟算法轉(zhuǎn)變成機器人智能的硬實力 未來高 水平的農(nóng)業(yè)機器人一定需要人工智能的技術支撐 二 農(nóng)業(yè)機器人發(fā)展未來的瓶頸問題 1 作業(yè)場景難題 1 環(huán)境復雜多變 農(nóng)業(yè)環(huán)境具有典型的非結(jié)構(gòu)化特征 而且存在很多不確定干擾因素 如光照條件多 樣 刮風 下雨 風塵等天氣因素的干擾 對農(nóng)業(yè)機器人的適應能力提出了挑戰(zhàn) 2 對象復雜多變 相比標準化的工業(yè)對象 農(nóng)業(yè)對象具有自身的特點 對機器人的對象識別 定位能 力 靈活 柔性操作能力提出了挑戰(zhàn) 2 理論 技術瓶頸 1 場景的感知 深度學習在圖像 點云識別方面取得了巨大成功 但在應對農(nóng)業(yè)對象識別方面仍有未 突破的瓶頸問題 未來加強深度學習在圖像 點云識別方面的探索研究 將有利于突破復雜場景下的感 知 2 行為規(guī)劃 農(nóng)業(yè)機器人在感知觀測 動作執(zhí)行和協(xié)同配合等方面均存在一定的不確定性 對其多源 不確定性條件下的高效 安全規(guī)劃問題提出了挑戰(zhàn) 比如養(yǎng)殖場里給雞打針 它是動的 我們對它的下 一個動作和方向應該有一個提前預知 在打針時能夠準確打中目標 3 執(zhí)行系統(tǒng) 農(nóng)業(yè)機器人執(zhí)行系統(tǒng)在材料 構(gòu)型 動力和控制等方面存在瓶頸 難以滿足作業(yè)任務需 求 3 市場瓶頸 1 成本高 價格昂貴使農(nóng)民接受度不高 2 作業(yè)效率不具備比較優(yōu)勢 是一個很大的挑戰(zhàn) 發(fā)揮機器人的優(yōu)勢 實現(xiàn)農(nóng)機農(nóng)藝融合 多機并行 作業(yè)是未來的發(fā)展方向 三 加強農(nóng)業(yè)機器人技術創(chuàng)新 引入新技術是實現(xiàn)高水平農(nóng)業(yè)機器人的創(chuàng)新發(fā)展的潛在變量 通過人工智能的深度學習 核心算法 提高農(nóng)業(yè)機器人的感知能力和決策能力 特別是使用深度學習方 法和技術對表型特征 場景和作物病害等進行識別 優(yōu)化運動路徑 作業(yè)姿態(tài)和作業(yè)次序等 研究觸覺 反饋控制增強農(nóng)業(yè)機器人感知 執(zhí)行能力 防止采摘農(nóng)產(chǎn)品過程中 末端執(zhí)行器夾持力太大對產(chǎn)品商品 品質(zhì)的破壞 人機共融可以提高作業(yè)效率 可以使機器的智能達到極大的提升 大幅度降低成本 這是 解決當前面臨復雜場景條件下 進一步提高機器質(zhì)量的方法手段 多智能體理論有望提升農(nóng)業(yè)機器人協(xié) 同作業(yè)效率 因為多智能體的自主性 分布性和協(xié)調(diào)性特點 有利于最大化農(nóng)業(yè)機器人空地協(xié)同 多機 協(xié)同效能 多機器人協(xié)同作業(yè) 多個機器同時完成共同的一個任務 如果一個機器人發(fā)生問題 其他機 器人可以繼續(xù)完成任務 多臂并行作業(yè)可以提高采摘機器人效率 如美國Harvest Croo草莓采摘機器 人 西班牙Agrobot 草莓采摘機器人采取的就是這種方式 多臂并行作業(yè)雖然能夠大幅提高采摘機器人 作業(yè)效率 但也面臨農(nóng)藝流程改進 供電 控制等輔助設備龐雜 以及多臂間的任務協(xié)調(diào)分工與規(guī)劃等 問題 新材料的研究可以改善農(nóng)業(yè)機器人執(zhí)行能力 如目前納米材料 復合材料 3D打印都可以助力未 來農(nóng)業(yè)機器人的發(fā)展 未來農(nóng)業(yè)機器人創(chuàng)新研究重點如下所述 1 智能感知技術 眼睛 要加強感知技術 包括傳感器件 特征提取 還要實現(xiàn)信息的融合 見圖3 信息的融合是我們進行決 策的基礎 圖3 智能感知共性關鍵技術 2 智能決策技術 大腦 提高智能決策的水平 要把算法工具和作業(yè)決策結(jié)合在一起 見圖4 同時也需要總線控制平臺 使機 器人在可控的環(huán)境條件下 能夠快速按照人的要求去作業(yè) 在算法工具里任務協(xié)調(diào)與優(yōu)化 深度 學習 知識表征和推理 知識牽引都非常重要 圖4 智能決策共性關鍵技術 3 靈巧作業(yè)技術 手臂 如圖5所示 靈巧作業(yè)的關鍵技術包括手臂設計 作業(yè)規(guī)劃和作業(yè)控制 手臂設計方面 要對材料和對 象的物理特征進行研究 把動力學規(guī)劃 多臂任務規(guī)劃 以及軌跡與避碰規(guī)劃等結(jié)合在一起 同時通過 控制方法和控制技術 使農(nóng)業(yè)機器人能夠快速 有效和準確的工作 圖5 靈巧作業(yè)共性關鍵技術 4 移動平臺技術 腿腳 自主移動共性關鍵技術主要包括移動平臺 定位導航和自主移動 見圖6 要研發(fā)適合農(nóng)業(yè)非結(jié)構(gòu)行走地面 的移動平臺 如 四輪機器人 的平臺 將衛(wèi)星定位 慣性導航和視覺導航等各種技術 包括激光 雷達等各 方面進行組合應用 以保證能夠?qū)C器人很好地實時控制和了解軌跡 位置 圖6 自主移動平臺共性關鍵技術 五 結(jié)束語 本報告對農(nóng)業(yè)機器人一些基本情況進行了介紹 希望我們從事人工智能研究的科學家 包括產(chǎn)業(yè)界的朋 友向農(nóng)業(yè)機器人領域進軍 共同促進我國現(xiàn)代農(nóng)業(yè)的發(fā)展 提升現(xiàn)代農(nóng)業(yè)的水平 本文根據(jù)速記整理 選自 中國人工智能學會通訊 第12卷 第10期