隨著機器人行業(yè)的高速發(fā)展，機器人與云相結合的概念于2010年首先被提出，但是由于當時互聯(lián)網技術的限制，云機器人仍處于研究階段，始終沒有突破性的技術進展。但隨著我國在5G通信技術上的發(fā)力，云機器人也迎來了新的發(fā)展契機。

谷歌最愛的機器人科學家戈德堡曾預言：未來將會是云機器人的天下，家務機器人、手術機器人、無人駕駛車、無人機等都將與充滿資源和數(shù)據(jù)信息的遠程終端相連。

肯·戈德堡是全球計算機學院排名前十的加州大學伯克利分校信息技術公益研究中心人類與機器人跨學科研究項目的主任，自動化科學研究實驗室主任，工業(yè)工程與運籌學部門特聘講座教授兼主席，聯(lián)合拉加利福尼亞大學60個學科CITRIS“人與機器人”計劃的主任，以及全球機器人自動化“RoboGlobal ETF”的咨詢委員會成員。

戈德堡還是位受歡迎的公眾演講家，曾在世界經濟論壇，谷歌，TEDx，Web 2.0，亞馬遜，通用電氣等活動中發(fā)表500多場主題演講。相比普通機器人，云機器人都具備哪些優(yōu)勢呢？讓我們看看肯·戈德堡是怎么說的。

云機器人的第一個優(yōu)勢就是數(shù)據(jù)規(guī)模大。以家務機器人為例，人們希望它能自動打掃衛(wèi)生，整理房間，但它所能識別的物體是有限的，當它遇到無法識別或它“不知道”的物體時，就需要求助于互聯(lián)網。由于云機器人今后會和云端互聯(lián)，它們就可以利用云端索引產品信息，就此識別家里的每一樣東西。云端里面包含了各種產品的數(shù)據(jù)，例如圖片、代碼等等，機器人可以從涵蓋了所有物體信息的云端中獲取數(shù)據(jù)，通過這些大數(shù)據(jù)來獲取產品信息、“認識”產品。

機器人是如何看世界的呢？假設機器人想清理一張桌子，它所看到的其實是非常嘈雜的界面，它的感知很粗糙，對“看到”的物體無法進行精確的操作，這是因為機器人目前還有很多“不確定性”的問題。這種問題是由多方面原因造成的，最主要的一個原因是感知的不確定性，即便使用最高清的攝像頭，也很難明確物體在空間里的位置，而另一個原因是控制的不確定性。

對此，其中一種解決方案是通過數(shù)學計算對不確定性的分布進行采樣，但這是一個非常復雜的計算過程。更好的方法是通過遠程大數(shù)據(jù)中心進行處理和控制。我們可以把機器人和大量的計算機資源通過云端互聯(lián)，然后利用已有的族群計算，做一些統(tǒng)計模型，再在云端進行分析。像亞馬遜、微軟、英特爾等巨頭公司都提供云計算服務，使用云計算服務的公司就不需要面對這些不確定性。

在非洲，戈德堡教授的研究團隊曾建立過一個機器人網絡系統(tǒng)。這些機器人的設計成本比較低，主要用于教育目的，孩子們通過機器人就可以共享很多不同學科的知識。就像知識公開互享一樣，云機器人的第三個優(yōu)勢就是資源公開共享。人們可以通過云端，共享自己的代碼和設計。我們可以看到，機器人一旦互聯(lián)，機器人本身就可以進行大量的知識分享，就像我們人類分享知識一樣。

大量的機器人可以通過數(shù)據(jù)共享的云端一同學習某些信息，并通過這些信息提高自身的業(yè)務能力。這就是云機器人的第四個優(yōu)勢——高強的學習能力。舉個例子，機器人怎樣拿起各種各樣形狀不同的東西，這在機器人行業(yè)里其實是一個巨大的挑戰(zhàn)。如果機器人能把這件事做好，對工廠、倉庫來說，這都將是個非常大的進步。

戈德堡教授已經在實體機器人上做了各種各樣的實驗。研究人員讓一大組機械臂、機器人與服務器終端相連，讓他們不斷地去抓取不同的物體。之后，研究人員再把這些機器人所收集到的所有物體模型的數(shù)據(jù)儲存在云端上，與其他機器人共享，讓其他機器人去深度學習這些物體的數(shù)據(jù)。結果，每一個機器人通過對物體數(shù)據(jù)的不斷學習，都能知道如何抓取所有測試過的物體，并且抓取的成功率非常高。

再如，特斯拉公司通過每一輛投入使用的無人駕駛車收集行車數(shù)據(jù)，大量的數(shù)據(jù)收集之后，特斯拉無人駕駛車的數(shù)據(jù)以每天一百萬英里的速度增加，而更早開始的谷歌在無人駕駛方面的數(shù)據(jù)僅為兩百萬英里。因此特斯拉有能力憑借更大的數(shù)據(jù)資產，使無人駕駛車的學習能力呈指數(shù)型增長，最終反超谷歌。