机器人的产品经理分享:未来机器ai的用户需求!

做互联网和移动端产品的时候,我们从来没主动想过什么时间、场景、条件下是产品必须不能用的;我所强调的不能用不是类似断网、没电、网速慢这种被动性的不能用,我所指的是由产品经理自己所定义的哪些场景不能用,是由产品经理主动设限的部分。

这么表述很难让人理解,尤其是刚刚转行而来的产品经理;每次在开产品评审会的时候,我会先听产品经理各自充分表达这方面的意见,然后再开始正式评审;后来经验慢慢总结下来,这套方法也可以作为方法论适用于其他领域的产品经理工作中。

那么,为什么机器人产品经理要不得不给自己的产品主动设限呢?设限的目的不是缩小产品功能、适用范围、降低性能,而是让产品经理清楚知道在哪些条件、场景、因素下,要对产品做额外的功能设计,才能保证正常的使用。

一、现实中的技术制约

无论是行业内的技术还是自己公司的技术,本来就有一个瓶颈限制;这个限制一方面是由于整体技术有待进一步发展,另一方面是本家研发团队力量有限所致,这在互联网产品中可能具体表现为视频加载慢、播放卡顿,高并发时无法及时响应用户等等;但是无论如何软件类技术一定会有破解之道,bug或问题可以通过更新、上线、迭代的方法一个版本一个版本的修正。

但是机器人产品因为是一个硬件本体,如果问题或隐患是存在于硬件中,则很难通过远程的方式升级和改进问题,严重的话则需要召回产品或派驻工程师驻场维修;但碍于成本问题,无论是召回还是派驻都是解决方案的下下策。

这时,需要产品经理在PRD中,根据自己对目前研发团队所能实现的程度调整功能定义;比如,研发团队目前只能让机器人在室内地面自如移动,那么产品的PRD中就不得不对使用场景做限制;同时在产品使用说明书中也要添加场景使用的约束条件,必要时还需要在机器人的外壳上、屏幕APP上、机器人语言表达上都需要做使用条件的提醒。

例如,我们可以在使用说明上添加一句话“本产品仅在室内平整地面使用”——在外壳的某些部位丝印类似的语句表达出场地要求,当机器人正在走出室内房间时,让机器人自己主动报警异常位置并做语音提示,方便用户知晓。

这些工作都是互联网产品经理不常接触的,有益之处在于:可以规范和教育用户的使用规范,延长产品寿命,降低产品后期故障率。

诸如此类的添加条件限制的声明,按照国家法规规定,这也属于企业产品免责手段,在日后如果造成产品伤害消费者的情况,也可以在法律层面维护企业和产品利益。

在机器人等硬件产品中,产品更偏向保守而不是激进。能用成熟的可靠的技术,则不会使用实验室最新技术;通过产品经理设计的一句话、一个提示符号,就可以让成熟技术优先使用,那是产品最好的研发路线。

二、现实中技术实现的效能0

假定我们的研发团队现在拥有了一套可靠的技术方案,接下来是否可以由产品经理基于它设计产品功能了吗?还是要等等,我们要看看这套技术方案所能实现的效果如何,使用范围如何。

例如,我们的移动技术方案在周围人多的时候就会大打折扣,而且短时间内技术有很难捅破天花板。

产品经理就需要在PRD中增加对这种情况的功能定义;比如,我们可以让机器人在遇到人多无法正常通行的时候说一句求饶的话,“我最近又变胖了,求求你给我让让路”;我们姑且把它成为求饶功能,这个功能可以在80%的场景中解决移动的问题,设计这个功能的效能比就很划算。

再如,我们的电池电量正常可以使用8小时,但是温度如果低于-30度时,电池就只能工作2个小时。

那产品经理有什么好方法吗?不知道你现在是不是能想到什么好方法?第一个方法,如果我的用户中只有2%是这种情况,那么我就不管他们了,为了2%的用户做大量研发工作不划算。

OK这样也合理,可是还有更好的方法吗?我可以在软件上设计任务拆解功能,把原先的长任务分解成多个2小时以内的任务,再接上天气预报的数据,让机器人在气温低于-30度时,会自动拆解任务,并且还会自动继续之前的任务往下做;这样带给用户的体验是不是就会改善很多,这样的机器人功能设计是不是更合理。

三、现实中技术实现的范围

在互联网和移动端产品中,研发出的成果需要做测试,才能最后发布、上架和上线;在机器人领域中,这一过程需要做些调整。

产品经理需要在测试工程师和质量工程师的配合下,对功能指标做集中调研和摸底;调研的目的是了解和掌握国家或行业是否对此已经有具体的标准和规范,可以让产品经理设计和定义出更符合时代和现状的产品;摸底的目的是了解和掌握现阶段可用的技术能在各种条件、因素下,所带来的使用效果的最大性能区间。

例如,经过严格测试,我们掌握了机器人摄像头能够采集识别的最远人员特征是5米;如果产品经理认为这个距离不符合产品要求,可以对研发人员提改进要求,研发人员对应改进和提高性能。

这部分工作为什么要在之前做?还是因为硬件条件限制,影响性能的未必只是软件、算法,也有可能包含硬件的更换和优化;如果都放在产品研发的最后阶段再测试,一旦发现问题届时再想修改调整,就工程量巨大,难上加难了;那时候产品硬件接近定型,模具也可能已经做好,产品回头代价太大;同样,国标行规的使用范围约束也是此类原因,早掌握、早定义,保证后期少走弯路。

01 重新定义机器人:揭开次世代AI机器人Robotics 2.0的神秘面纱

提到机器人,我们总有各式各样天马行空的想象:从Softbank(软银集团)的社交机器人Pepper、能轻松后空翻的Boston Dynamics公司机器人Atlas、《魔鬼终结者》(Terminator)系列电影的人造人杀手,到电视影集《西方极乐园》(  West World)中随处可见、栩栩如生的拟真机器人角色。

我们常常听到两极化的观点;有些人倾向高估机器人模仿人类的能力,认为机器终将取代人类,有些人则对新研究和技术的潜力太过悲观。

在过去一年之中,许多创业、科技、新创业界的朋友都曾问过我,在AI,尤其是深度强化学习和机器人技术的领域,究竟有哪些「实际」进展?

令人最为好奇的是:

AI机器人和传统机器人有什么不一样?  AI机器人是否真有颠覆各大产业的潜力? 它的能力和限制又是什么?

看来,想要了解现在的技术进步和产业格局,是出乎意料的困难,更不用说要对未来做出预测。 藉由这篇文章,我尝试揭开人工智能应用于机器的神秘面纱,厘清这个我们常常听到,但却着墨不多、或根本未全然理解的主题。

首先必须回答的基本问题:什么是AI机器人(AI-enabled Robotics)? 它们又有什么独特之处?

02 机器人演进:从自动化到自主化

「机器学习解决了以往『对计算机困难,对人来说却容易』的各种问题,或以更容易理解的方式来说,就是解决了『人类很难让计算机也理解』的问题。 」

——Benedict Evans,安霍创投(a16z)

AI所造就的机器人技术领域,最大成果是从原先的「自动化」(工程师藉由程序设计编写规则,让机器人遵守)迈向了真正的「自主学习」。

如果机器人只需要处理一件事情,那么,它到底有没有人工智能,差别其实看不出来;但是,如果机器人需要处理各式各样的任务、或是响应人类与环境的变化,就需要一定程度的自主性才能胜任。

我们不妨借用下列不同等级的自驾车定义,一并解释机器人的演变:

  • Level 0 —无自动化:由人类操作机器,没有机器人的参与。 (机器人的普遍定义,是指有能力自行从事复杂动作的可程序化拟人机械)。
  • Level 1 —单一自动化运作:单一功能已自动化,但不使用环境信息。 这是自动化与制造业中传统的机器人使用现况。 透过程序编辑,机器人能够以高精度与速度重复执行特定工作;但直至目前为止,多数实际运用的机器人都无法感知或应变环境的变化。
  • Level 2 —部分自动化:透过环境感知所输入的特定功能,协助机器进行决策。 例如某些机器人透过视觉传感器,识别并应付不同的对象:然而,传统的计算机视觉,需要对每个对象进行预先登记和清楚的指示,且机器人还是缺乏处理变更、意外状况、或是新对象的能力。
  • Level 3 —条件式自主:机器控制了所有的环境监控行为,但仍需要人为检查关注与(实时)介入。
  • Level 4 —高度自主:在某些情况下、或是定义的区域内完全自主。
  • Level 5 —完全自主:在任何状况下均可完全自主,不需人为介入。

03 我们现在处于哪一种自主等级呢?

现在,工厂里多数机器人都是透过开放式回路、或是非回馈方式予以控制。 这意味着它们的运作与传感器回馈各自独立、彼此互不影响(level 1)。

少数在工厂中的机器人,会根据传感器回馈而调整操作(level 2);此外还有协作型机器人(cobot),他们的操作更加简单安全,因此能与人类共同作业。然而,相较于产业用机器人,这种机器人的精确度和速度却相形失色。

另外,虽然协作型机器人的程序化相对简单,但它们仍然不具有自主学习性;每当工作内容或环境有所变动时,就需要由人类手动引导协作机器人进行调整,或是重新编写程序,机器本身无法自主举一反三,弹性应变。

深度学习(Deep Learning)和强化学习(Reinforcement Learning)能帮助机器人自主处理各种对象,将人类的介入程度降到最低。

我们已经开始看到一些使用AI 机器人(level 3/4)的前导试行项目,例如「仓储拣货」就是一个很好的例子。 在货运仓库中,员工需要根据客户需求,将数百万种不同的产品放入箱子里。 传统的计算机视觉没办法处理如此广泛的物品类别,因为每个物品都需要事先登录、并针对机器人需要采取的动作,先进行程序设计。

然而,现在由于深度学习和强化学习技术,机器人能够开始自主学习处理各种对象,降低人类的介入程度。 在机器人的学习过程中,可能会出现它未曾遇过的某些货品,而需要人类的协助或示范(level 3)。 但是,随着机器人搜集更多的数据、从试验和错误中学习(level 4),算法也将日益改善,迈向完全自主。

就像自驾汽车产业一样,机器人新创公司也采取了不同的策略:有些公司看好人类和机器人之间的合作,专注于level 3的研发;有些公司则相信,机器终将实现真正的完全自主,于是他们跳过level 3,直接着眼于level 4、甚至到level 5。

这也是为什么我们很难评估现在产业自主程度的原因之一。

新创公司有可能自称致力于研究level 3/4的自主系统,但实际上却是大量委外,以人工远程操控机器。 在无法了解其内部软件及AI产品发展程度的前提下,光从机器外观看不出远程操控和自主学习的差别。 另一方面,目标为level 4/5的新创公司,万一无法在短时间取得理想结果,可能反而降低了客户的早期采用意愿、并导致早期阶段的数据搜集更加困难。

在本文的后半部分,我将进一步讨论新创公司的不同的商业策略思考。

04 AI机器人的崛起:运用范围不再局限于仓储管理

有趣的是,机器人的人工智能应用潜能甚至高于无人车,因为机器人有各式各样的应用与产业,因此从某种意义上说,机器人理当比汽车更容易实现level 4目标。

AI机器手臂开始在仓库中被采用,就是最好的例子。 因为仓库属于「半受控」的环境,不确定性相对低。 另外,拣货作业虽然关键、但能容许错误。

至于自主居家型或手术机器人,则要等到更遥远的未来才能实现;毕竟相关环境的变量更多,且有些任务具备不可逆性,以及一定程度的危险性。 但是,可以预见的是,随着技术精度、准确性、可靠性的与时俱进,我们将看到更多产业采用AI机器人。

许多产业还没有使用机械手臂,主要原因在于传统机器人和计算机视觉的限制。

目前世界上只有大约300万台机器手臂,其中大多数从事搬运、焊接、装配等任务。 到目前为止,除了汽车业和电子业以外,仓储、农业和其他产业,几乎都还没有开始使用机械手臂;主要原因,就在于上述传统机器人和计算机视觉的限制。

在接下来的几十年中,随着深度学习(DL)、强化学习(RL)、以及云端技术释放出的机器人潜力,我们将看到新一代机器人带来的爆炸式增长、并改变产业格局。 其中,AI机器人的成长契机有哪些? 新创公司和现有业者,又采取了哪些不同的方法和商业模式,来因应新科技带来的变化?

05 新世代AI机器人新创公司产业概况

接下来,我会介绍不同市场区隔中的几间范例公司。 这样的概略介绍,当然无法涵盖所有企业的状况;欢迎你提供其他公司及应用案例,一起让内容更加完备。

AI/Robotics新创公司市场概况(作者提供)

06 垂直应用与水平应用

研究新世代机器人新创产业结构,可以看到两种截然不同的商业模式。

1. 垂直应用

第一种是垂直应用:硅谷当地多数的新创公司,专注于为特定的垂直市场开发解决方案;如电子商务物流、制造业、农业等等。

这种提供完整解决方案的作法相当合理,毕竟相关技术还处于萌芽阶段;公司不依赖他人提供关键模块或组件,而是建构端对端的解决方案。 这种垂直整合的解决方案能更快进入市场,也能确保公司更全面掌握终端用户的案例与效能表现。

但是,要找到像「仓库分拣」这样相对容易实现的应用案例,则没有那么容易。 仓库拣货是相对简单的工作,客户的投资意愿与技术可行性都较高,而且每个仓库几乎都有相同的拣货需求。

但在其他产业(如制造业)中,装配任务可能因工厂而各不相同;另外,在制造业中执行的任务,也需要更高的精度和速度,技术上相对困难。

目前具有学习能力的机器人,仍无法达到与封闭回路机器人相同的精度。

尽管机器学习能让机器人与时俱进,但目前透过机器学习运作的机器人,仍无法达到与封闭回路机器人相同的精度,因为它需要累积尝试错误的经验,从错误中学习,逐渐进步。

这点说明了为什么Mujin和CapSen机器人这样的新创公司,并未采用深度强化学习,反而选择使用传统计算机视觉。

然而,传统计算机视觉要求每个对象都要事先登录,终究还是缺乏扩充和适应变化的能力。 一旦深度强化学习(DRL)达到了效能门坎、逐步成为产业主流,这种传统方法终究会变得无用武之地。

此外,这些新创公司的另一个问题,在于它们的价值往往遭到高估。 我们经常看到,新创公司在硅谷筹集了数千万美元资金,却无法承诺创造出任何真正具体的收入流。

对于创业者来说,「描绘」深度强化学习的美好未来,再容易也不过了;但现实则是,我们还需要数年的时间才能达到如此的成果。 尽管这些公司离创造获利还有一段距离,硅谷的创投仍愿意继续押宝在这些人才优秀、技术先进的团队上。

2. 水平应用

另一方面,水平应用则是更实用、却比较罕见的模式。 我们可以简单将机器人技术简化为感测(输入)、处理、驱动(输出)三个部分;除此之外,还有开发工具。

(这里使用的「处理」一词,同时概略涵盖了控制器、机器学习、操作系统和机器人模块等等,各种不属于感测或驱动的其他项目 )

我认为未来,这个领域将最具增长潜力。 对于机器人的用户来说,破碎而零细的市场是棘手的问题;因为所有的机器人制造商,都各自推展自家开发的语言和接口,使得系统整合商与终端用户,都很难将机器人与相关系统进行整合。

随着产业的逐渐成熟,有越来越多机器人应用到了汽车和电子厂以外的领域;因此我们更加需要标准的操作系统、通讯协议、接口,从而提高效率、并缩短上市时间。

举例来说,美国波士顿的几家新创公司正在研究相关的模块;例如Veo  Robotics公司开发的安全模块,能让工业机器人更安全地和人类协同工作;Realtime Robotics   公司则提供加速了机械手臂路径的解决方案。

四、现实中生产工艺的条件限制

互联网和移动端产品研发完成后,经过测试就可以上线发布使用了。

对于机器人产品而言,还有一个重要的一步——生产,生产中的风险有供应商、OEM厂家、装配工艺、物料检验等等;作为产品经理,其实并不需要你知道、掌握和擅长生产中的每个环节,这部分由具体的项目经理来负责,但是还是建议你参与生产部门的例会,哪怕只是看看会议纪要。

你需要了解生产中关于供应商和装配之类的问题,这样可以提前了解未来产品上市后的潜在故障和隐患,这为你下一步的产品版本优化提前规划好方向;同时,跟供应链的同事经常沟通,也可以让你更加清楚目前产品的成本、性能、使用上潜在的不足和隐患、生产周期、供应商物料的短板等情况。

对自己产品了解的程度越深入,越完整,越有利于竞品调研中更准确的对比分析行业同类产品,找到己方产品的优势和不足,同时也方便在后期运营阶段提前编制好运营手册。

 

文章由PM28网编辑,作者:海阁,如若转载,请注明出处:http://www.pm28.com/4359.html欢迎投稿

联系我们

在线咨询:点击这里给我发消息

邮件:403567334@qq.com

工作时间:周一至周五,9:30-18:30,节假日休息