一提到制造機器人，很多人的腦海里會不自覺地想到：要搞一個AlphaGo代我出戰世界各大圍棋比賽贏多點獎金！或者搞個波士頓動力的機器人Atlas，會爬、會跳還會翻跟斗，還能幫忙抬抬重物、捶捶肩膀...美滋滋~美滋滋~

嗯哼，問題來了：要搞一個這么厲害的機器人，那不得技術夠強、設備夠全、人手夠足，而且工序繁瑣，耗上個三五年，還價格不菲…why bother? （攤手）

但是，就在近日，來自英特爾的研究人員Matthias Muller和Vladlen Koltun，僅花不過50美元（約350元人民幣），在幾個小時之內，隨便動動手就做出了一個機器人！

這臺機器人究竟是何方神圣呢？請看下圖：

這個機器人走得還挺快？長得還挺像個可愛的小女孩？

哦看錯了，是那個藍色的迷你輪式小機器。

為什么稱之為“機器人”呢？因為它有一個智能大腦，猜猜是什么？雷鋒網

萬萬沒想到：居然是我們手上正拿著的手機！雷鋒網

它還有一個酷炫的名字，叫做OpenBot~我們暫且親切地給它起個小名，Bobo/“波波”。以下AI科技評論為大家介紹以下Bobo的廬山真面目：雷鋒網

1

神奇的誕生

機器人領域一直存在兩大難題，一是普及性（accessibility），二是可拓展性（scalability）。由于制造的成本高昂、過程繁瑣，機器人難以向大眾普及。Muller和Koltun研究OpenBot正是為了解決機器人技術這兩個“絆腳石”！

在他們共同發表的論文《OpenBot：將智能手機變成機器人》中，他們提到，將智能手機作為機器人的大腦提供動力，與簡單的3D打印底盤組裝后，僅需50美元就能打造一個能夠跟隨人員、進行實時自主導航的機器人。

制造OpenBot的過程并不復雜：給機器人配備傳感器、計算設備（computation）、通信設備（communication）和對開放軟件生態系統（open software ecosystem）的訪問權限即可。

如上所示，總共需要花費清單如下：一個3D打印的底座：5美元；四個輪子：3.5美元；三節電池：7美元；兩個速度傳感器：2美元；一個馬達驅動器：3美元；一個微控制器：8美元。

之所以使用手機作為Bobo的大腦，是因為如今智能手機的功能越來越強大，手機的相機質量和處理器速度等方面也正在不斷提高。即使是商業手機也配有慣性測量單元（inertial measurement units）、GPS、Wi-Fi、藍牙、蜂窩調制解調器以及專門用于AI神經網絡模型Inference的芯片。有些手機配件的性能比電腦處理器（desktop processor）還要出色！

研究者將智能手機插入一個電機體（electromechanical body）內，主要用于傳感、數據融合和計算。此外，底盤最多可容納四臺馬達（motor），還留有一些空位用于安裝控制器、微控制器、LED燈、智能手機安裝座（smartphone mount）和USB數據線。

在充電方面，電池組與專門的充電端口連接，向馬達供電，并有一塊Andruino Nano板（一個基于易用硬件和軟件的開源電子平臺）通過USB與智能手機配對，向機器人提供串行通信鏈路（serial communication link）和電量（power）。

機器人的兩個前輪還配備了能夠傳送測距信號的傳感器，以及與馬達連接的引腳（pin）實時調整速度和方向。

Bobo的軟件堆層也較為簡易，僅包含兩個通過串行鏈接進行通信的組件。操作人員可以在智能手機上安裝一個安卓app，然后通過app的界面，在運行更高級別的感知和把控工作量的同時進行數據集的收集。此外，在Arduino上運行的程序能夠進行簡單的驅動，并測量里程計與電池電壓等等。

安裝了安卓app之后，OpenBot還能通過你們現有的兼容了藍牙設備的PS4、Xbox和Switch等游戲控制器進行操控。控制器上的按鈕可以設定功能，在尋找路徑的模型（path-finding model）中進行數據收集和交換。這些模型包括方便上手的自動導航模型，可以檢測并跟蹤機器人視線內的人員。

整個組裝過程也很簡單，只需坐在桌子前“動手”即可，即使沒那么心靈手巧的人，只要拿出拼圖的耐心，想必就能完成。

這樣一臺簡單的機器人，效果究竟如何呢？

研究人員用中端手機小米Note 8、華為P30 Lite和小米Poco F1等設備進行了測試，如上圖所示，可以實現以每秒10幀或更快的速度跟蹤人員活動，因為這些手機裝備了專門的AI加速器。即使是配置最差的諾基亞2.2，也能成功檢測到目標人員，并跟蹤目標對象長達約一半測試時長。

在自主導航任務中，它還能夠巧妙地躲避辦公區走廊的盆栽植物。

2

手把手教程已開源

前面也提到，整個機器人的成本，除去手機之外，不到50美元（350元人民幣）。機器人的身體采用的是3D 打印零件，以及一臺智能手機（二手舊手機也可）。

上圖為作者5量車的零件批發價格

機器人背后的技術已經用論文的形式進行公布，而制作步驟，作者也在GitHub上進行了開源。相關零件也給出了購買渠道。就連3D打印圖紙也良心放出，甚至還給出了3D打印機的參數設置。

GitHub地址：https://github.com/intel-isl/OpenBot/tree/master/body

論文地址：https://arxiv.org/pdf/2008.10631.pdf

同時還給出了20個安裝過程的注意事項，可以說的良心手把手教程了：例如，如有必要，將電線連接到馬達上；將速度傳感器和超聲波傳感器連接到5V和GND等等。

在論文中，作者也介紹了利用智能手機的原由，即智能手機的優勢不止快速提升的硬件能力，它們還具備蓬勃發展的軟件生態系統。

智能手機在相機質量和處理器速度上不斷提高，配備GPS、Wi-Fi、藍牙、蜂窩調制解調器以及用于AI推理的專用芯片，有些性能甚至優于臺式處理器。

整個小型電動車（機器人）分為兩個部分，第一部分是硬件，也就是50美元就能搞定的那些零件；第二部分是軟件堆棧，其功能是讓智能手機將小車作為機身，并實現實時感知和計算的移動導航。

硬件的構造包括機械設計和電路設計兩部分，機械設計如下圖所示：

電路設計如下圖所示：頂部包括電池、電機控制器、微控制器、速度傳感器、指示燈LED和智能手機；底部包括，可選定制PCB以減少布線。

而軟件堆棧也包含兩部分：安卓應用和 Arduino 程序。其中，安卓應用在智能手機上運行，可以提供操作界面，收集數據集，運行高階的感知和控制任務。Arduino 程序負責低階的驅動和度量，如度量車輪里程、監控電池電壓等等。

軟件和硬件完備之后，英特爾的研究人員訓練機器人，期望能夠完成兩個任務，一個是行人跟蹤，另一個是自動導航。

在行人跟蹤任務中，研究人員將SSD對象檢測器與預先訓練的MobileNet主干一起使用。另外，為了研究推理時間的影響，作者使用了兩個不同版本的MobileNet，即最初的MobileNetV1和最新的MobileNetV3。另外，這兩個模型都在COCO數據集上進行訓練。

駕駛策略的訓練流程

在自主導航任務中，研究人員用了一個類似于“條件模仿學習的命令輸入變體（command-input variant of Conditional Imitation Learning）”的神經網絡，訓練了一個在大多數智能手機上都能實時運行的駕駛策略。另外，研究人員將其與現有的駕駛策略進行比較，并獲得與基線相似的性能，而所需參數減少了大約一個數量級。

OpenBot的出現，有望在全球范圍內部署成千上萬個低成本機器人，為機器人教育和大規模學習帶來新的機會。