【泡泡新闻社】福特利用自动驾驶货车在迈阿密提供送餐服务；机器学习预测世界杯：巴西夺冠；波士顿动力展示了机器人领域的最新进展

选文&评论  |  李四 丁建峰 李韩超 孙乾

校对&编辑  |  谢晟昆

泡泡机器人推广内容组编译作品

福特利用自动驾驶货车在迈阿密提供送餐服务

送餐员一度被认为是美国最为繁重且收入低下的工作，福特因此正在积极策划实现完全无人送餐服务。在迈阿密实验区域中，福特在测试车辆上配装了数字密码锁柜，并使用声音和灯光提醒来指引取餐者进行操作。目前已有70余家商铺参与了这一测试。这并非自动驾驶技术第一次着眼于送餐服务，此前多家公司已经使用小型移动机器人进行测试。然而商业化测试仍不多见。

沃尔沃自动驾驶技术将使用新雷达

在与丰田达成合作协议之后，雷达初创公司Luminar又将为沃尔沃提供传感器配件。除此之外，Luminar同时还会为另外两家匿名汽车厂商提供新型雷达产品。雷达是自动驾驶的关键，此前Velodyne曾一度垄断自动驾驶传感器市场，这也导致了自动驾驶的成本居高不下。随着诸如Waymo，Luminar等厂商的进入，雷达传感器价格会大幅下降，使得自动驾驶技术有望进入商业化部署。

MIT黑科技：无线电信号检测跟踪隔墙的行人

想要拥有像X射线一样的穿透视力又不想受到X射线的强辐射影响？如果只借助甚至比WIFI的功率还低的无线电信号呢？麻省理工学院计算机科学和人工智能实验室的研究人员近日在国际计算摄影会议上(ICIP)展示的最新科技RF-Pose通过发射比标准Wi-Fi温度低1000倍的超低功率无线电信号，借助人工智能分析接收到的信号，它们不仅可以检测墙壁后面的人，还可以详细跟踪他们的移动。

不同于一般的雷达无线电信号碰到飞机就返回地面接收器，这里的无线电会穿过墙壁，碰到人后反弹（人体充满了水，无线电信号很难穿透），然后再穿过墙壁最终被探测器接收。这个想法很简单直接，但实际情况要糟糕的多，接收器接收到的信号包含了大量的噪声，来自墙壁的反射信号比来自穿过墙壁并从人体反射并再次穿过墙壁的信号要大得多，几乎很难分析提取来自行人的反射信号。但借助于强大的机器学习技术，所以研究人员设计了一个聪明的解决方法：在发射接收无线电的同时，同步用摄像头采集图像数据，用传统的图像识别方法提取身体的关键节点并作为对应无线电信号的标记，送入神经网络中训练。最终只使用接收到的无线电信号，网络就能识别输出对应于人体关键节点的微弱无线电信号，从而实现穿墙的行人识别跟踪。

该研究团队表示目前正在与医生合作探索RF-Pose在医疗保健方面的应用，未来或可用于监测帕金森病，多发性硬化症（MS）和肌营养不良症等疾病，从而更好地了解疾病进展并允许医生相应调整药物。它还可以帮助老年人更独立地生活，在保证隐私的同时提供监测老人跌倒，受伤和活动模式变化等的安全保障。同时，这项技术也可用于机器人以避免与突然从墙角出现的行人发生碰撞。

只在电视上看世界杯不过瘾？试试全息投影到桌子上

万众期待的世界杯于上周正式开始，相信能够亲临现场观看比赛是所有球迷的梦想，然而受限于现实情况，大多数人都只能在家里的平板电视机上观看。不过，来自华盛顿大学，Facebook和谷歌的研究人员已经提出了一种基于增强现实的替代方案，通过训练一个端到端的深度学习系统，将足球比赛的YouTube视频转化为动态3D全息图像，并能在类似HoloLens等的AR设备上观看，或许在不远的未来，每个球迷都能在家中享受到亲临现场的比赛观看体验。

过去也有一些类似目标的实验，通过在球场不同位置布置高精度的相机，从而重建出3D全息图像。但是这种方法成本昂贵和实施起来也比较困难。随着深度学习技术的发展成熟以及计算能力的提升，仅使用一个2D的YouTube视频就可以重建出3D的场景。为了实现这样这个目标，华盛顿大学的研究团队利用著名的足球游戏FIFA2018采集深度学习网络所需要的训练数据。和大多数游戏类似，FIFA在游戏过程中使用了延迟着色技术，通过访问GPU，可以得到每一帧图像的深度和颜色缓冲信息，从而得到2D图像和对应的深度信息作为训练数据。通过对12，000张2D游戏图像训练学习，最终得到了一个高精度的AI系统，能够准确估计出视频图像中每个球员的深度图并结合RGB图像重建出逼真的3D运动员模型，在HoloLens等AR设备上观看体验。该项研究将在6月18日至22日的CVPR18上展示。

机器学习预测世界杯：巴西夺冠

2018年6月14日，世界杯在俄罗斯拉开序幕。今年的世界杯，不少机构/研究人员给出预测：德国将和巴西争夺冠军，并且，巴西队夺冠的概率更大些。在人工智能盛行的今天，机器学习和大数据的方法正越来越多地被用在比赛结果预测上，不仅是世界杯，也不仅是结果，球队组成、战术选择和球员训练都已经开始见到机器学习的身影。对于球迷和观众而言，人工智能也将展开一种全新的参与/观看体育赛事的体验。肯尼亚的投资银行Genghis Capital Investment Bank的投资银行分析师Gerald Muriuki，日前在Medium上公布了他使用机器学习预测FIFA 2018的结果—— 巴西将赢得冠军。这一结果跟微软的AI和数据科学专家Sorin Peste的预测结果一致。当然，除了机器学习，还有更多预测是使用大数据方法。KDnuggets上一位狂热球迷用统计的方法，预测德国队会夺冠。此外，据中新网报道，俄罗斯彼尔姆国立研究大学学生维克多扎科派洛建立了一个能预测2018年世界杯冠军的神经网络，神经网络综合各项参数进行分析计算后得出结论称，世界杯前三名将是 德国队、巴西队和阿根廷队 。世界杯开战首日，东道主俄罗斯就5比0大胜沙特阿拉伯，接下来让我们拭目以待，看机器学习和大数据的预测结果能否在世界杯上精彩上演。

Uber用机器学习检测醉汉乘客

近日，一项新专利的曝光显示，Uber正在研究它的乘客——特别是在是不是喝了酒这件事上。CNN最先报道了Uber的这个新专利：一个向美国专利和商标局申请了专利的新系统，该系统将使用机器学习来确定乘客的“状态”。虽然这项专利仅限于对“用户状态”进行枯燥的讨论，但优步真正感兴趣的是检测出清醒的乘客和醉酒乘客之间的差异。测量方式也非常简单，在手机上即可测量用户的行为与他们平常的行为的差异：Uber使用的信息诸如位置、数据输入的准确性、数据输入速度、界面交互行为、用户持有他们的设备的角度、甚至他们行走的速度。该专利还描述了一种系统，该系统能够通知司机乘客的状态，通过这种方式，让司机为之后的服务做好准备。该专利表示，对于行动非常特别的乘客，可能会与具有特殊培训或专业知识的司机相匹配，或者，可能根本不被提供服务。在绝大多数情况下，叫优步是醉汉回家最安全的方式之一。当有一名乘客喝醉时，该应用程序可以通知驾驶员，以避免由于失控乘客带来的拖车麻烦和乘客在车内呕吐等行为，这可能导致有争议的收费。 但是该专利中描述的系统也允许乘客对恶意驱动程序进行干预。而值得关注的是，这一系统下，Uber会获取乘客更多的数据。但该公司对于用户数据的管理并未获得大众的信任，因为曾经Uber一名员工使用“God View”监视用户，而不得不支付高达2万美金的罚款。

当然，公司的专利只有一小部分才能转化为最终产品。 只有时间才能证明，Uber监控乘客状态的想法在应用程序中是否会起效。Uber的这一想法也给我们带来了很多启发，大数据和机器学习应该更多的被用来为大众提供服务，提高人们的生活质量。

波士顿动力在CEBIT2018上展示了机器人领域的最新进展

在德国汉诺威举行的技术会议上，波士顿动力公司的创始人Marc Raibert概述了他的公司如何更快将其数十年的机器人研究转变为实际业务。

去年，波士顿动力公司去年被谷歌出售给了软银，因为担心它的变现能力。自收购以来，公司似乎已经加强了对其日益灵巧和灵活的机器人的测试。今年早些时候，Raibert表示，该公司计划于2019年开始出售其SpotMini机器狗，并在本周上台展示，他表示该公司计划在今年年底之前生产约100台机器人。目标是在2019年中期以每年约1000台机器人的速度开始量产。

Raibert在CEBIT上发表的演讲题目是“SpotMini产品平台：机器人的安卓系统”，这意味着这些SpotMini机器人将如安卓在智能手机中的那样，成为机器人中无处不在的开源平台。他预见机器人将被改进为在一系列领域工作，如建筑，安保，最后一英里的物流交付，甚至在家中进行帮助。

“SpotMini被设计成一个平台，”Raibert说。 “波士顿动力公司制造这些“机器人”，但我们计划让第三方公司设计别的附加装置......它们被添加到机器人中，专门用于不同客户的应用。”

Raibert在舞台上描述的大部分应用场景似乎都有些遥远 - 你们中有多少人想要这些没有灵魂的金属机器人携带你的洗衣篮，或者在你的前门丢快递？但有些看起来更近似于现实。他展示了一台SpotMini的示范装置，该装置配有摄像头并编程巡视设施的走廊。虽然已经有了安全机器人，但它们在处理不平坦的地形时通常很慢，很大且很糟糕。 SpotMini可以轻松管理楼梯，并绕过其路径上的任何物体。

Raibert没有深入了解这些机器人会花多少钱，或者他们何时可以出售。软银在当天没有发表评论。不过我觉得，它们做的东西虽然很酷，但量产应该很难，明年能不能买到还是得持怀疑态度。

#泡泡机器人新闻社-往期回顾#

【泡泡新闻社】谷歌的“不作恶”；尖端AI的新路线图；华为联合奥迪开发5G联网汽车；Waymo希望在欧洲上线无人出租车服务

【泡泡新闻社】周报05期 | 能在任何表面作画的机器人；谷歌黑科技，深度学习视听模式；喊你直接与书对话了！自动驾驶汽车的眼睛

【泡泡新闻社】Deep Mind新发现；高效的深度学习训练数据标注平台；呼之欲出的自动驾驶网约车服务；乡村道路自动驾驶