一提到製造機器人，很多人的腦海裡會不自覺地想到：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、會跳還會翻跟鬥，還能幫忙抬抬重物、捶捶肩膀...美滋滋~美滋滋~
嗯哼，問題來了：要搞一個這麼厲害的機器人，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聖呢？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。
為什麼稱之為「機器人」呢？因為它有一個智能大腦，猜猜是什麼？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(公眾號：雷鋒網)
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）。由於製造的成本高昂、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：將智慧型手機變成機器人》中，他們提到，將智慧型手機作為機器人的大腦提供動力，與簡單的3D列印底盤組裝後，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。
製造OpenBot的過程並不複雜：給機器人配備傳感器、計算設備（computation）、通信設備（communication）和對開放軟體生態系統（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列印的底座：
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，是因為如今智慧型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、蜂窩數據機以及專門用於AI神經網絡模型Inference的晶片。有些手機配件的性能比電腦處理器（desktop processor）還要出色！
研究者將智慧型手機插入一個電機體（electromechanical body）內，主要用於傳感、數據融合和計算。
此外，底盤最多可容納四臺馬達（motor），還留有一些空位用於安裝控制器、微控制器、LED燈、智慧型手機安裝座（smartphone mount）和USB數據線。
在充電方面，電池組與專門的充電埠連接，向馬達供電，並有一塊Andruino Nano板（一個基於易用硬體和軟體的開源電子平臺）通過USB與智慧型手機配對，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的軟體堆層也較為簡易，僅包含兩個通過串行連結進行通信的組件。操作人員可以在智慧型手機上安裝一個安卓app，然後通過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，並測量裡程計與電池電壓等等。
安裝了安卓app之後，OpenBot還能通過你們現有的兼容了藍牙設備的PS4、Xbox和Switch等遊戲控制器進行操控。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，可以檢測並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，即使沒那麼心靈手巧的人，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，並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。
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）。機器人的身體採用的是3D 列印零件，以及一臺智慧型手機（二手舊手機也可）。
上圖為作者5量車的零件批發價格
機器人背後的技術已經用論文的形式進行公布，而製作步驟，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列印圖紙也良心放出，甚至還給出了3D印表機的參數設置。
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慧型手機的原由，即智慧型手機的優勢不止快速提升的硬體能力，它們還具備蓬勃發展的軟體生態系統。
智慧型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、蜂窩數據機以及用於AI推理的專用晶片，有些性能甚至優於臺式處理器。
整個小型電動車（機器人）分為兩個部分，第一部分是硬體，也就是50美元就能搞定的那些零件；第二部分是軟體堆棧，其功能是讓智慧型手機將小車作為機身，並實現實時感知和計算的移動導航。
硬體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和智慧型手機；底部包括，可選定製PCB以減少布線。
而軟體堆棧也包含兩部分：安卓應用和 Arduino 程序。其中，安卓應用在智慧型手機上運行，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，如度量車輪裡程、監控電池電壓等等。
軟體和硬體完備之後，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主幹一起使用。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於「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慧型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，並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，有望在全球範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。