《“百变金刚”是怎样炼成的》

By Design0618 Group

当初发起创办达摩院时，马云是这样说的：研究不应该是Research for Fun（为快乐研究），也不应该Research for Profit（为利润研究），而是Research for solving the problem with Profit and Fun（为解决问题研究并带来利润和快乐）。For fun走得太远，for profit走得太近，都走不长。一个企业做得多大，在于企业解决多大的社会问题。这是阿里巴巴思考的逻辑。

阿里巴巴“机器人实验室”设计团队，秉承这样一种设计理念，力求规划全系统模组化的服务机器人系列，打造“百变金刚”。

针对机器人领域的重新思考与定位

我们专注“AI-机器人”领域，“Alibaba自身平台化”能力是赢得客户信赖的优势，我们认为将这一优势在设计上最大化是机器人规划&设计工作的核心目标。为此我们提出“泛模组化”的产品规划理念。“泛模组化”旨在将产品按功能分区最大程度进行拆分，包括：硬件功能模组，系统感知模组，人机交互模组以及关键功能模组内的“模块化” ，以实现自由组合，适应更多工况的目的。各模组内小模块间解偶，便于单独研发、管控。同时将各功能模块上升到产品层级，同样受产品PI约束。

在“未来社区，一云多端”的大背景下，为了使平台化优势能够更直接清晰的传达给客户，我们需要在感官层面建立同样使客户信赖的产品形象：1.视觉感受。确立与自身定位相符的产品风格，建立“专业领域-自身品牌-产品”之间的对应关系。2.使用感受。在产品使用阶段通过融合传感器技术的人机系统设计、功能性细节设计使用户获得良好的人机体验，从而建立用户对产品性能和功能认知的信赖。

“S-Heart人机交互系统”应用实例

近年来，由于机器人产业的发展，各类机器人产品形态种类繁多，缺乏统一的行业可通设计标准，混乱无序的机器人人机交互模式，导致用户与机器人认知、使用及有效交互的成本增加，造成各类使用困惑甚至人身风险。

“S-Heart”是阿里巴巴机器人团队在“泛模组化”的服务机器人系列的产品规划设计中研发的，基于一整套有效的软、硬件功能模组，可智慧适配各类不同场景的机器人人机交互系统。

硬件部分我们将底盘运动模块根据不同工况可变换室、内外两种形式。中部业务功能模块进行了最优的可变标准化设计。人机交互模块结合多种传感器感知融合，实现了视觉，语音，屏幕，表情、灯光等立体多模态交互手段，更大程度的提升用户使用体验实现人机融合。机体后方预留了特种功能扩展模块，是针对未来不同场景的功能需求变化及设备外接等做了预留接口的模组化设计。

（图1 S-Heart硬件“泛模组化”组合设计实例）

人机交互系统部分通过多传感器的感知融合，充分协同，获得全面的环境感知信息，有效调度机器人的各项软、硬件能力，自动适配不同场景的智慧服务中不同模态间完美的补充与共振的平衡，打通人机交互通路，形成细腻、多维的服务机器人使用者体验。此系统包括了完整专业的语音、灯光、手势、音效、接口等交互内容，基于“Service Heart”的设计理念，以“Service Personality”（服务型人格）形成自然、统一的体系，在酒店、展馆、医疗、敬老院等场景下，为使用者带来高质量的智能服务体验。

机器人与人的交互，依据远、中、近距离及实际环境情况选择适当的多模态交互方式，有效避免人对于机器人表达意图的误判，建立人机信息通路。例如：在嘈杂环境下不能准确地使用语音交互时，此时上位机就会调度灯光主动交互或是触控屏交互等方式补充，让人理解机器人在场景中想表达的状态。当机器人在行进中由于不停地移动，机身上屏幕显示的提示文字无法准确地被使用者感知，此时需要辅以语音交互或灯光等补充的交互方式。

（图2 人器交互的空间尺度）

经过了多个机器人的业务经验，沉淀了机器人业务中会出现的多种状态的共性。我们将机器人服务室内、外业务场景流程模块化，而每个业务流程中的模块设计了相应的多模态交互组合, 这些组合包含了屏幕、手势、灯光、语音、人脸交互，甚至包括运动速度、转弯半径、安全距离等等，赋予机器人在业务场景中完成任务的能力。举例来说，当机器人感知自己在A场景中时，A场景中的多模态交互组合（比如：语音+屏幕）会被机器人系统主动调度，而当机器人移动到B场景中时，Ｂ场景中的多模态交互组合（比如：语音+灯光）会主动被触发。有了这些多模态交互组合后，便可将机器人应用至多场景，并拓展到多人多机的体系化，将机器人、机械臂、智能硬件等的各个感官做了“体验感受对齐“的设定，来降低用户的困惑，让操作机器人的用户能明白机器人的意图，进而提升用户对机器人体验的一致性，建立起机器人的共通语言。

在具体设计中，我们会根据场景需求将各种交互手段进行系统的多种模块组合，满足不同场景中人机交互需求所需要的机器人能力，构建优秀的服务体验生态。输出一系列多模态交互设定文档。例如：

表情输出——复杂交互场景，近距离表达。

语音输出——中近距离表达，无明确指示性，带有强制性及一定干扰，受使用环境制约。

屏幕输出——近距离表达，明确信息及指向性，可做复杂及兜底操作。

灯光输出——无距离限制，简单信息可全方位表达，无法传达复杂信息。

运动特征——人员密集场景，避免接触。

（注：涉及核心数据，此处不宜披露详细内容）

（图2 S-Heart人机交互信息流 & 业务场景）

用户只要调用提供的模块功能组合即可整合软、硬件交互能力，快速搭建适合业务场景的服务机器人。

S-Heart为机器人行业人机交互现状提供了更优的解决方案，研究国际通用的相关交互认知规范，并构建出多模态的人机通用语言，而这样一种革命性的智能机器人人机交互系统可有效地节省研发成本，建立人机通路，减少感知误判。机器人人机交互系统可在各领域提升效率、改善生活，为多角色、多场景带来了高效便捷且情感化的智慧体验。另一方面，也为企业有效的解决成本，提升效能。S-Heart系统平台能成为服务机器人领域的基础设施。透过建立机器人共通的语言，在未来将持续推动机器人行业的爆发成长。