雷鋒網AI科技評論按：ICRA 全稱爲「IEEE International Conference on Robotics and Automation」（機器人與自動化會議），是機器人技術領域最有影響力的國際學術會議之一。ICRA 2017 於 5 月 29 日至 6月 3 日舉行，雷鋒網(公衆號：雷鋒網) AI 科技評論從新加坡帶來一線報道。
Ayanna Howard是佐治亞理工大學電氣與計算機學院的機器人學教授。Ayanna Howard教授主要研究的方向是將人類化的智能、人類的認知過程和能力集成到自動機器人系統中。2003年，她當選MIT評選的「35歲以下創新者top100」，並在2004年登上了《時代》雜誌進行了名爲「機器的崛起」的專題訪談。她分別在2002、2003、2004年獲得NASA頒發的機器人安全導航任務榮譽獎、路徑規劃圖形用戶界面空間成就獎、空間應用模糊邏輯引擎空間成就獎，還在2005年獲得IEEE頒發的機器人與自動化青年成就獎。
此次演講中，Ayanna Howard教授介紹了她在智能康復機器人方面的研究成果。雷鋒網 AI 評論原文翻譯整理。
Ayanna Howard教授：
我給大家介紹一下我的研究。殘疾在女性看來是一種不幸。所以當我們聽到類似殘疾的事情的時候，傳統上會認爲是受某種傷害，腦性麻痹、車禍、或者中風等等。
但是其實，殘疾本來只是指正常的功能有所變化，關鍵詞是「正常」。如果你現在30歲，職業打網友，但是過了一陣子以後，你的身體出問題了，手肘、膝蓋、腳踝需要人工骨骼來修復，那你也就殘疾啦。
殘疾康復市場很大，而且能幫到你自己
所以說起殘疾的話，如果你活到很高的歲數，你也會有殘疾。實際上有統計數據，對於一個預期壽命70歲以上的國家，每個人一生中平均有8年是殘疾的。所以當你考慮爲殘疾人服務的技術和機器人的時候，其實這些技術也就是開發給你自己的。從這個角度說，我們需要自私一點，因爲自己的未來就是這樣的。
我們來看看自閉症兒童的統計數據，我研究的就是這個方面，現在全世界有超過一億五千萬的小孩有這種殘疾，而我們覺得這個數據還沒有反應全部的情況，因爲有些國家沒有給出它們的數據來。根據我這裏的數據，美國兒童的理療康復行業產值全部算起來有16億美元，這還沒有包含醫療和衛生保健，不是全部的數據。那麼機器人就有潛力在這其中產生影響。
我選擇研究這個領域，選擇研究殘疾的小孩，選擇研究有腦性麻痹的小孩。實際上，美國每323個小孩裏就有一個。你考慮一下統計學上的意義的話，這代表着我們這間會議廳裏就可能至少有10個人有腦性麻痹；如果說自閉症的話，美國的數據是每68個小孩裏就有一個，就是說如果這裏坐的都是小孩的話，每一排裏就會有一兩個小孩有自閉症。
所以這個數字很大，我們有很多事情可以做。這些康復治療可以起到的作用，其實是引導小孩達到發育中的那些關鍵點。這樣當他們長大成人了、坐在這裏做聽衆的時候，他們也作爲公民真的有能力、有技能水平，可以養活自己、可以交稅，等等。所以理療康復真正的目標就是通過康復過程引導小孩成長。
給兒童設計物理康復機器人系統
一個典型的小兒診所就像玩具屋一樣，因爲小孩就是小孩，即便大腦有殘疾，但是小孩就是會做小孩該做的事情，喜歡快樂，想要玩、想要被誇獎、想要探索。所以小孩是很喜歡去小兒診所的，這裏有玩具、有各種能跟他們互動的東西。這也就是我們想要做的事情，我們設計機器人，同時思考這個問題：如何在小孩家裏像人類治療師在的時候一樣地創造出一個小孩熟悉的、舒適的情境。
這其中有幾個挑戰，他們要接觸的機器人都是小事，你不需要告訴小孩或者你的客戶說，「機器人會很好的工作的，它們很好玩」，不我們不需要考慮這個。小孩天生地就對機器人感興趣，即便是大腦有問題的小孩，機器人就是對小孩有這樣神奇的吸引力，我們不需要在這方面強行做什麼東西。所以想賣機器人很簡單，它們並不是賣給小孩的父母和治療師的。所以賣機器人不是困難，真正的困難是來自於這些小孩自己的。
如果一個小孩有運動異常症狀的話，很多事情都會變得不一樣。當我剛接觸這個方向的時候，我先去了醫院，在密封房間觀察了一些診斷爲腦性麻痹的小孩。我說我知道，這是一種運動失常，意思是小孩的運動機能很低下。然後等到小孩進來，他看起來一點也不瘦，挺正常的，我說我沒搞懂。他們說要找更核心的特徵。所以等到我看懂了，小孩的動作確實不太自然。我就以爲我知道運動異常是什麼樣了。
然後另一個兒童進來了，坐着輪椅，運動和抓拿東西的時候非常不情願的樣子。但是他跟前面的小孩一樣都是腦性麻痹。所以當我們看這件事的時候，只是按照一種標籤來設計一個機器人系統，我其實得考慮如何爲每一個不同的小孩開發能夠適應他們特點的技術。但是我那時候沒有這樣一張表寫着不同小孩的特點，我只有一個他們的分類是「腦性麻痹」。
另一件事是，小孩不是很擅長保持注意力。所以幼兒園和康復醫生創造了這種讓人興奮的環境，是因爲小孩基於他們學習的方式，讓他們做上下文理解的效果更好，就是他們想要弄懂身邊的環境是怎麼回事，我本來看着一個東西，然後有人提醒了我一下，我就去看另一個東西。這種設計的理念就可以讓小孩的大腦自己進行學習。
所以臺下的各位聽講、做記錄，是後天學會的技能，小孩的天性不是這樣的。所以我要考慮如何設計一個系統能知道小孩的狀態，什麼時候該引導小孩、什麼時候讓小孩自己發揮。我得想辦法瞭解這些。因爲一個人類治療師非常擅於做這些，他們知道應該什麼時候換一個遊戲，他們對整個狀況有很好的理解。那我們設計的機器人系統也要能做到才行。
這就是一個不小的挑戰。我們要怎麼樣做一個小孩適應的氛圍，裏面要有治療工具，而且還要把它佈置在家庭環境中。我們想到的辦法是，把小孩和治療師之間的互動帶到家庭環境中需要給它建一個模型。我們要觀察他們的互動、觀察引導過程，要弄懂所有需要的東西。
所以當我們坐下來觀察的時候並不會覺得很容易，我們要把這些知識灌輸到電腦的大腦裏去。爲了嘗試解決這個問題，爲了處理小孩的運動中許許多多的變化、他們的注意力中的許許多多的可能性，我們提出了這樣一個運動總體分類系統。首先它能對治療進行描述，我們要如何把那些玩具、治療工具和整個治療環境搬到任意一個家庭環境中去。那麼現在的小孩已經接觸到了VR、XBox等等電子化的遊戲，我們就決定讓這個互動環境是就可以是小孩跟遊戲的互動，不管是平面電腦式的遊戲還是VR遊戲。如果一個小孩，比如我的小孩運動機能有問題，我可能沒辦法讓他握着Xbox的手柄玩，但是他可以用手指去點，或者跺跺腳。
我們有沒有可能把他們的任何運動都變成跟遊戲互動的一部分呢。那我們現在已經有了技術可以做到這個，下面就需要機器人來提供一些引導，就讓人類的治療師會告訴你這麼做對不對，或者怎麼樣做得更好一點。然後小孩跟機器人交流以後，機器人就知道要不要換一個遊戲等等。所以我們想做的就是，不管小孩自己的能力是什麼，我們的系統都可以適應小孩的需求。
那麼，首先可以用VR遊戲，我們有一個VR遊戲叫超級泡泡。超級泡泡基本就是小孩在這樣一個虛擬世界中，然後會不停地冒泡泡，小孩就來碰破這個泡泡。如果這個小孩的動作幅度比較大，系統能檢測到這個狀況，然後把泡泡放在需要夠一下才能碰到的距離；如果小孩的動作幅度小，系統檢測到以後就會把泡泡放在他們不用大動作就能碰到的地方。這樣就達到了系統可以適配各種狀況小孩的目的。
我們還做了平板電腦上的遊戲。這些平板電腦遊戲的參與互動性很強，如果一個小孩的運動能力很有限，那他們只需要很小幅度的動作就可以和遊戲互動。這其中我們就可以用輪流玩、模仿或者小幅度動作的玩法，讓他們在各種這樣的遊戲裏鍛鍊了運動控制能力。我們有這樣全套的系統。
當我們來到小孩家裏的時候，我們一般都會帶一組東西去，見到小孩後我們就讓他試試。因爲對治療師來說有一個常識，就是沒有什麼方法能夠對所有的小孩都起效，需要有一組工具、一組方法，根據小孩的需求選取和組合。
給兒童設計評價指標、取正常值
然後下一個問題就是，治療師需要知道治療是不是起作用了。所以並不是只有遊戲化和治療過程就好了，需要關注的重點是，如果帶小孩做了一件事、按照慣例做了，小孩自己的症狀有沒有得到改善？這樣我們就有一系列的物理指標要關注。如果他們能模仿了，那很好，他們還能做更多的話，就更好。所以我們就構建出了所有這些我們有必要提供的特徵，對於一個工程師還是挺簡單的，對於一個小孩，我們把系統打開，小孩出現在鏡頭裏，我們就可以分析運動距離、速度模式，這就能做出來了。
所以我們做的第一件事就是做了一個系統，有可以適應大多數人的一個固定攝像頭和一組音箱，然後我們測量了這些基本的客觀指標，比如運動範圍、偏離理想路徑的多少，然後用系統把不同小孩的數據進行跟蹤對比，計算一個準確度出來。
這個效果非常好！可以出很棒的論文。就像這樣，通過我們這個系統，你只要跟着動一動，我們就可以用低成本的傳感器對這些指標做出很高精度的測量。然後我們把這麼棒的結果拿給治療師看，但他們說，我有了這個結果也什麼都做不了啊。這樣單獨的結果他們沒法用，他們關鍵還需要一個基準線。
所以回想一下當你小的時候去看醫生，或者你帶着你的小孩去看醫生的時候，醫生給你測了身高體重以後，拿出一張表來指給你「你家小孩的身高體重在這兒」。臨牀醫生要做的也是這樣的事情，他們喜歡而且確實需要一個基準線，他們知道小孩的數據以後，還需要知道小孩的數據離正常水平差了多遠；「我不是真的在乎小孩胳膊伸出去以後角度是不是45度，但是我想知道這個值和正常差多遠」。標準值就是來自於正常的小孩的。
那我們就說，行啊，我們已經有了測這些指標的方法了，那我們要怎麼取正常值呢。我們已經知道它不會劇烈改變了，那我們能不能設計一個機器人系統，裏面有一個運動模型，它能帶着小孩運動，做出動作讓小孩模仿，就得到了運動特徵，那我們就有一個理想的可以驗證是不是正常值的方案了。那這就是我們的正常值了，我們就都準備好了。當我們做這方面的測量的時候，測量對象一般都是成年人，然後我們去測正常的青少年，再去測正常的小孩和有殘疾的小孩。對於成年人，一下子就做好了，我們拿來這個系統，大家都是成年人，我們拿來泡泡遊戲，成年人來玩，機器人帶着他們玩，然後對比一下結果，我們就拿到了不錯的結果，在我們關心的幾個指標上都是統計顯著的，只有一個不明顯。對這個結果我們還挺滿意的。
那麼我們就拿正常的小孩試試吧，不過你猜怎麼着，小孩就沒這麼聽話了。成年人很守規矩，如果你跟他們講我需要一個做示範的，示範的時候要基於一個90度角，成年人做這個基本沒問題，青少年也沒問題。但是正常的小孩，他們就不會聽你的，他們會自己怎麼舒服怎麼來。這時候我們沒辦法跟他們說「不對，你做錯了」，因爲這就是他們的正常舉止。所以我們遇到了這樣小孩，在玩需要動手的遊戲的時候，攝像頭會追蹤他的手，那這樣的動作就有點犯規了，系統裏分析出的信息就是這樣的。
隨着我們的研發越來越深入，不規範的數據越來越多，我們要想辦法建立一個系統來自動處理。我們也確實這樣做了，還很驚訝地發現，根據這個模型，來自於正常小孩的標準值也很不錯。我們用這樣的方法，把小孩建模成機器人，用到小孩的胳膊長度、姿態、運動模式，我們就有了一個更大的數據庫可以用來做比較，效果也很好。
驗證正常值，看看機器人的作用
那麼接下來呢？就是想辦法去用了，看看能不能在系統裏發揮出數據的作用。我們就做了一次嘗試，找了一羣小孩，用他們建立起一個標準值；然後找了一羣有腦性麻痹的小孩，看看經過我們8周的治療課程以後能不能提高他們的表現。
在一開始的時候我們就看到了正常值裏面有一些偏差，我們畫了這樣一張表，把幾個小孩的數據填進去，發現有一個是偏移正常值的。然後我們四周後又來了一趟，能夠確定這些參數就是不一樣，然後我們繼續往後做，還是一樣。我們就有三個小孩和正常值做對比。
然後我們就可以用我們的系統記錄分析他們玩VR遊戲時候的表現，我們不僅能測量出他們的運動指標、和正常值數據庫對比，而且還能進行提高。這些數據是有腦性麻痹但不嚴重的小孩的，不過這已經能說明我們的這種技術可以起到作用。
其中有一件事，就是一個遊戲玩8周，其實是挺長一段時間了，孩子們跟我們講了。當我們做完了實驗，後來做回訪的時候，我們問他們，你們覺得喜歡不，他們說，還行吧，主要是媽媽讓我們做的，其實有點無聊。
所以在這種時候，機器人也加入進來就太妙了。機器人可以給孩子們很多激勵、給孩子們做教練，可以讓孩子們在更長的時間裏對遊戲保持很高的參與度。這種時候機器人起到的作用更多是模仿人類治療師在類似狀況下會做的事情。機器人會觀察小孩，對遊戲中採集的數據做出反饋，不管是VR遊戲還是恢復性遊戲，然後像人類治療師那樣給小孩提供對應的輸入，比如對於「你可以怎麼樣做得更對一點」，你怎麼讓小孩知道他做的不對，但是你又不能說他做錯了呢；然後治療師又要怎麼告訴小孩他做的很好，讓他一直保持這樣做呢。這些都是人類能做得很好的部分，然後我們要想辦法把它們做進機器人平臺裏面去。
說到反饋，很多時候都有點弄混了。做研究的時候，我們覺得我們知道語言模型應該是什麼樣的，然後把它編程給機器人，就讓它去運行。但是孩子們很特別，每個小孩之前都會有一些不同。對成年人可以很詳細具體地告訴他哪裏做的不對，比如玩遊戲的時候告訴他把胳膊伸直了再擡高、告訴他按某個固定的速度走路、到哪個指定的地方去，很聽話很讓人放心。但是對於小孩，他們需要簡單一點，他們需要一步步來，他們需要別人等等他們。所以人類治療師跟小孩互動的時候會準備好一系列的指令，給小孩很多的機會，然後每次只給小孩說一件事，等小孩完成了再說下一件，再下一件。就像這樣，臨牀醫生很明白如何一步一步地引導小孩最終把事情做完。
我們也把這個功能做到了機器人裏，現在我直接給大家展示一下最終我們做到的成果，就不講推導過程了。我們來看運動時間吧，讓小孩動的快一點或者慢一點，然後我們嘗試不同的運動範圍，然後再試別的。我們把這些所用的時間加在一起，嘗試幫小孩改善這個時間。當然了你要能測這個時間，所以我們設計了不同的互動，不僅是情感的引導，更要理解。假如我是那個機器人，我要引導小孩，然後我看到他好像不開心。那他爲什麼不開心呢，背後的原因不重要，我只需要知道當前他在做的事情和他當前的狀態不太相符，那我就要換件事情讓他做；假如我看到他現在很開心、參與度很高，那我就一直做我現在正在做的事情。所以我不僅要能夠發現小孩相對性的情緒變化，我還要追蹤到小孩現在的狀態，開心不開心、參與度高不高，甚至生氣。對所有的這些，機器人都要能做出對應的反應。
所以我們花了很多精力研究典型的小孩，想要弄清什麼樣的途徑和做法才能根據小孩的狀態適應他的行爲。跟研究這個領域的其它人一樣，我們也想到了一個算法，然後我們就想看看機器人是不是真的能引導小孩按照我們想要的流程做事情，我們就需要一個運動時間的案例分析。
如果我們想要小孩按照一種特定的方式去運動，我們可以用很簡單的語言「快一點」、「慢一點」，然後用小孩對這些指令的理解程度和他們的情感來計算參與性。我們設計了不同的階段，我們讓他們玩，看看他們想要什麼，然後讓機器人動起來作爲小孩的指引，最後看機器人撤走以後小孩還能不能保持。因爲機器人沒法跟他們一起去上學，所以機器人帶給小孩的進步，我們希望這些進步能夠保持下來。
那這就是我們設計的發展流程的最終的樣子。我們做了測試，而且也需要和正常值對比，所以我們也同時找了典型的小孩和腦性麻痹的小孩。這個領域還有一個慣例的做法是，你挑的參與者的年齡要差不多，因爲12歲的小孩就會跟6歲或者7歲的小孩表現得不一樣。所以這也是我們這個領域裏研究的時候遇到的一個麻煩，我們不能說「打開門，讓更多小孩進來吧」這樣的，爲了能夠取得正常值的數據集，我們需要小孩的性別、年齡都一樣才行，這樣才能比較好地體現出我們所做的事情的價值。
我們做的結果是，看典型小孩的成果這邊（左邊），有機器人的時候到了這個正常值，正常值的紅線是按運動模式的一個百分比計算的。然後把機器人撤走，看看小孩能不能保持這個表現。對於一個典型的小孩，機器人跟他指導、互動、理解以後再撤走，小孩可以保持同等的表現。對於有腦性麻痹的小孩也有類似的結果。不過跟典型的小孩不一樣，典型的小孩撤走機器人前後表現的正常值差不多，但是對於腦性麻痹的小孩，雖然比一開始的時候要好一點，但是比有機器人在的時候還是要明顯差一些的。
所以事後我們問這些小孩怎麼了、他們當時是什麼感覺，他們說，因爲其實很難，我要很努力才能跟上那個速度。但這也告訴我們，機器人能夠讓他們本來覺得很難、不舒服的事情變成了一種治療，就像人類治療師一直做的那樣。我們也在繼續試驗，看看持續做多久才能長期保持機器人在的時候的水平。
這時候回頭來看我們所做的，我們都深深地相信，不管是不是人形的機器人，只要能跟小孩互動、能理解小孩的需求、然後通過不管是遊戲性的還是情境性的技術讓小孩參與，就能讓機器人和小孩互動。那麼結果呢，在實驗室之外也取得了很大的影響，這是最讓我感覺開心的部分。一般都是我和我的學生做這些對象的測試，小孩是不會來我們實驗室的，我們去小孩家裏做測試。我們時不時地去外面，也留下了很多驚喜的瞬間。讓我感覺最開心的就是，我們的這些治療遊戲已經有很多人開始採用了，我們在開發的這種可以根據任何小孩的狀況定製和自動適應的系統中學到的經驗，我實驗室以外的很多人都開始採用，這種抓變是我最覺得驕傲的。
現在在這裏我想說，這些治療和康復領域都是很棒的，在這些領域做研究就是爲了自己做研究，我們都有活到70歲的那天，今天做這些研究，未來的自己就能用到。小兒科會特殊一點，因爲他們比較脆弱，對他們做的事情會對他們的未來產生很大的影響。所以做這個方面要很小心，父母和治療師都對自己所講的話很注意，如果你跟小孩講你能做某件事，小孩是完全相信你的。所以你要注意不要隨便給承諾。
然後還是致謝，謝謝我的學生。有幾個學生就在下面的聽衆裏，我很開心看到有更多的人會關注這些領域、在這些領域做出貢獻。
謝謝大家！
AI科技評論招業界記者啦！
在這裏，你可以密切關注海外會議的大牛演講；可以採訪國內巨頭實驗室的技術專家；對人工智能的動態瞭如指掌；更能深入剖析AI前沿的技術與未來！
如果你：
＊對人工智能有一定的興趣或瞭解
* 求知慾強，具備強大的學習能力
* 有AI業界報道或者媒體經驗優先
簡歷投遞：
lizongren@leiphone.com
相關文章：
京東X事業部副總裁程輝：參加ICRA是想讓世界認識京東｜ICRA 2017
ICRA十大領域論文角逐，最佳得主已出爐！｜ICRA 2017
吃貨必來的 ICRA 2017：「論文與體重齊飛，大牛共美食一色」