Lecture 1 机器人感知导论

第 1 页 · 机器人怎样感知世界

在原件中打开第 1 页

想象一个会避障的小车。距离传感器把障碍物的位置变成可读的信号。小车的处理器读取这个信号,判断要不要减速。电机收到命令,改变小车的速度。本讲沿这三个环节展开:测量 → 计算 → 动作。

第 2 页 · 课程怎么安排

在原件中打开第 2 页

按表从上往下读:第 1–2 周认识传感器与换能,第 3–4 周看微纳器件和制造,第 5 周学如何测性能、把读数换成真实单位,第 6 周学如何把信号接入系统。课表接着排了 Lab、AI 与机器人应用、综合复习和小组展示。

拿温度传感器串起来:温度使电阻变化 → 给电阻通电把它读成电压 → 用已知温度测一组电压 → 拟合电压到温度的关系 → 用温度读数控制风扇。表中小组写 3–5 人及每组 15 分钟,第 4 页另列 10 分钟含问答。老师在 11 月 20 日说每组发言 10 分钟,具体安排见小组展示与期末考试。

第 3 页 · 成绩权重怎么算

在原件中打开第 3 页

饼图的四块对应期中报告 20%、最终展示 40%、期末考试 30%、Lab 10%。每一项先换成百分制,再乘它自己的权重。

例如四项分别得 80、75、70、90:80 × 0.20 = 16,75 × 0.40 = 30,70 × 0.30 = 21,90 × 0.10 = 9。把四个贡献相加,得到 76 分。饼图面积随权重变化,展示是最大的一块。

第 4 页 · 怎样选小组项目

在原件中打开第 4 页

课件给出两条选题路线。一条是研究具体的微型机械传感器,例如 MEMS 加速度计。另一条是研究由 MEMS 传感器或执行器组成的系统,例如课件举的自动驾驶 LiDAR。MEMS 指微机电系统,里面有微小的机械结构和电极等电气部件。加速度计的质量块受惯性作用会偏移,偏移使电容改变,电路读取变化后就能估计加速度。

本页写 3–5 人,鼓励人人发言,展示最多 10 分钟且含 1–2 分钟问答。11 月 20 日的口头安排说明了发言时间,问答安排查展示通知。

第 5 页 · 展示怎样讲清传感器

在原件中打开第 5 页
  • 背景和文献说明为什么要测,以及已有方案做到哪里。
  • 设计参数回答测量范围和灵敏度由哪些结构、材料和电路决定。
  • 制造接上结构,说明怎样把设计做成实物。
  • 误差追到具体来源。比如温度同时改变电阻,读出的变化便混入温漂。
  • 应用和总结回到最初的任务。比如压力膜片在目标量程内能否把压力稳定换成电压。

第 6 页 · 五个学习目标

在原件中打开第 6 页

课件希望你能说明传感器为什么重要、技术怎样演变、各类传感器怎样工作、怎样按需求设计、怎样接入实际系统。用避障逐一代入:先问小车需要哪种信息,再选测距原理,再定最短和最远距离,最后检查输出格式、更新速度和电源能否与控制板配合。

第 7 页 · 把发现变成可检验的证据

在原件中打开第 7 页

发现同一个重物上午测得 5.0 N,下午测得 5.3 N,这就有了问题。先记录温度与读数,再用已知重物做校准。最后在不同温度下比较校准前后的误差,画出带单位的结果图。这页三层目标是看到问题、具备解决问题的能力、展示证据。

第 8 页 · 传感器里的换能

在原件中打开第 8 页

先把「被测量」说清楚,它可以是力、距离、加速度、温度、光、声音或磁场。传感器把它转成能读取的信号。发生形式转换的部件叫换能器。

拿测力举例。力 FF 拉伸弹簧,小形变下 F=kxF=kx,所以位移 x=F/kx=F/k。再让读出电路把位移换成电压 V=KxV=Kx。代入 xx,有 V=(K/k)FV=(K/k)F。弹簧刚度 kk 越大,同样的力拉得越短,电压变化也越小。这里 KK 的单位是 V/m,kk 的单位是 N/m,除出来就是 V/N。

第 9 页 · 用人的感官理解传感器

在原件中打开第 9 页

沿图上的虚线从感官看到大脑。相机和激光对应视觉,声呐和超声对应听觉,力和压力对应触觉,烟雾探测和 pH 测量分别给出部分嗅觉、味觉相关信息。它们都提供一类观测。

机械手抓杯子时,相机先提供杯子大致在哪,指尖传感器再告诉你碰上了没有、用了多大力。前者帮助找位置,后者帮助稳住抓握。

第 10 页 · 主动、被动与激励能量

在原件中打开第 10 页

本页按感测元件是否需要额外激励分类。热电偶两端有温差时直接产生电压,压电片受力时产生电荷,本页称它们为 passive。应变片先随拉伸改变电阻,需要电路激励才能读出,本页称它 active。

比如恒流 II 流过应变片。拉伸前 V0=IRV_0=IR,拉伸后 V1=I(R+ΔR)=IR+IΔRV_1=I(R+\Delta R)=IR+I\Delta R。相减便得到 ΔV=V1−V0=IΔR\Delta V=V_1-V_0=I\Delta R。若 I=1I=1 mA、ΔR=2\Delta R=2 Ω,就读出 2 mV 的变化。

课堂录音 Week 02 · Part 01 · 00:28:56–00:34:20 还谈到超声探头先发声、再听回波。这里按测量系统是否主动向外发射探测能量分类。

第 11 页 · 感知如何变成动作

在原件中打开第 11 页

沿右图箭头走:刺激 → 感受器 → 感觉神经 → 大脑 → 运动神经 → 肌肉。把角色换到机器人里,就是外部物体 → 传感器 → 控制器 → 执行器。比如前方物体突然移近,测距器先读出较小的距离,控制器发减速命令,电机才改变转速。

第 12 页 · 反馈控制怎么读

在原件中打开第 12 页

从图里的输出往回看。传感器量到输出 ymy_m,控制器拿目标 rr 减去它,得误差 e=r−yme=r-y_m。控制器据此给出动作 uu。动作使实际输出改变,下一轮再测。

用比例控制算一次。目标温度 30 °C,测到 27 °C,差 3 °C。设每差 1 °C 给 2 单位控制量,则 u=2×3=6u=2\times3=6。升到 29 °C 后,差 1 °C,控制量变为 2。若传感器高报 2 °C,实际 28 °C 就会被读成 30 °C,此控制律算出的误差已经是零。

第 13 页 · AI 用在感知之后的哪里

在原件中打开第 13 页

图把传感器和控制放进机器人与自动化的系统框。观测先进处理环节,控制再发动作。恒温器可以用固定规则直接做判断,视觉抓取也可以先用模型识别杯子,再由控制程序执行轨迹。

看一个具体接口:相机报像素坐标 (320,240)(320,240)。机器人运动用的是几十厘米或几百毫米。先从图像和深度求相机坐标,再变换成机械臂坐标,控制器才知道往哪里伸手。

第 14 页 · 处理器怎样使用传感器输入

在原件中打开第 14 页

从左边的 Input 读到 Processor,再看 Storage 和 Output。存储器中有程序和数据,处理器内部的算术逻辑单元 ALU 做加减、比较及逻辑运算。输入外设先把传感器的连续电压转成数字,输出外设再把处理器的命令送给外部电路。

比如程序读到 19 °C,ALU 比较 19 和 20,控制器按比较结果跳到「打开加热」的指令,输出脚改变电平。

第 15 页 · 早期电子计算机的受控开关

在原件中打开第 15 页

左边 Colossus 是用于战时密码分析的早期电子计算机,右边 Lorenz 是相关密码设备。Colossus 的早期机器用了大量真空管。你可以把真空管先理解成「用一个电信号控制另一支路电流」的器件。把许多受控开关组织起来,就能把规则变成电路动作。后面第 26 页用晶体管看同一个基本思路。

第 16 页 · Colossus 视频页

在原件中打开第 16 页

PDF 中央是视频占位。对应第 15 页的两个观察点是机器如何接收输入,以及电子开关怎样让处理更快。

第 17 页 · 数学方法和硬件设计

在原件中打开第 17 页

课件把 Tommy Flowers、Max Newman 和 Alan Turing 放在早期电子计算与密码分析的历史里。理解两种工作怎样衔接:数学把问题写成可以反复计算的步骤,工程把步骤落实到可靠的硬件。图灵测试是一种讨论机器交互表现的方式,图灵奖是计算机领域奖项。

第 18 页 · 计算机为什么越做越小

在原件中打开第 18 页

从左向右读四代硬件:真空管、晶体管、集成电路、微处理器。先把单个受控开关改用更小的晶体管,再把大量元件做进一片集成电路,最后把处理器的主要部分集成到芯片内。下方的量子计算、云计算与神经网络是课件讨论的后续方向。它们侧重的分别是计算机制、资源部署、计算方法。

第 19 页 · 冯诺依曼结构怎样取指执行

在原件中打开第 19 页

图里存储器保存二进制指令和数据。以下用「把两个数加起来」走一遍。

  1. 程序计数器指出下一条指令地址,控制单元从该地址取指。
  2. 译码发现这是一条加法指令,找到两个操作数的位置。
  3. 数据进入 ALU,做加法后把结果写回。
  4. 更新程序计数器。遇到条件分支时,下一条指令由比较结果选择。

补码让同一套加法器也能处理负数。以四位为例,+3+3 写成 0011。逐位反转成 1100,加一得到 1101,这是四位的 −3-3。两者相加是 10000,保留低四位得到 0000。

第 20 页 · 数据通道慢,CPU 就得等

在原件中打开第 20 页

指令和数据都要在 CPU 和存储之间搬运。若要搬 100 MB、有效传输速度为 50 MB/s,那么光搬运就要 100/50=2100/50=2 s。计算只花 0.1 s 时,提速先看搬运路径。

本页的接口速率示例要先分清 bit 和 byte。1 byte = 8 bit,5 Gbit/s 除以 8 才得到 0.625 GByte/s 的线速换算值。机器上传到云端处理时,网络传输也要计进等待时间。

第 21 页 · 哈佛结构把指令与数据分路

在原件中打开第 21 页

图里 Instruction memory 保存程序,Data memory 保存数据,两边有各自的传输路径。假设取一条指令和读一个数据都占一个周期。共用通道只能分两次传,独立通道有机会在一个周期同时传。到底能否重叠,还看这条指令有没有算完地址。

第 22 页 · Mark I 的输入、控制和输出

在原件中打开第 22 页

按照片标注找零件。读入设备把外部记录交给机器,控制读取部件排运算顺序,计算部件做运算,打字机把结果打印出来。把它们和第 19 页的输入、控制、ALU、输出配对,就能把老机器的硬件照片读成功能流程。

第 23 页 · 数字码怎样变成温度

在原件中打开第 23 页
  1. 传感器输出电压,例如 2.5 V。
  2. 采集电路把它编码。假设把 0–5 V 线性映射为 0–1023 且四舍五入,2.5 V 对应 2.5/5×1023=511.52.5/5\times1023=511.5,取整得 512。
  3. 校准关系定单位。若 0 V 对应 0 °C,每伏是 10 °C,则 2.5 V 约对应 25 °C。
  4. 程序拿带单位的温度与任务阈值比较。

第 24 页 · 二进制与十六进制互换

在原件中打开第 24 页

每个二进制位的权重从右到左为 1、2、4、8、16……。用除 2 取余把十进制 13 变成二进制。

  1. 13=2×6+113=2\times6+1,记余数 1。
  2. 6=2×3+06=2\times3+0,记余数 0。
  3. 3=2×1+13=2\times1+1,记余数 1。
  4. 1=2×0+11=2\times0+1,记余数 1。
  5. 从最后一个余数向前读是 1101。验算 8+4+0+1=138+4+0+1=13,因为最先取出的余数是最低位。

四个二进制位正好有 24=162^4=16 种,能用一个十六进制位表示。0010 1101 分成高低两组,高组值 2,低组值 13,用十六进制字母 D 表示,所以结果是 2D。回到十进制可算 2×16+13=452\times16+13=45。

第 25 页 · 运算指令与操作数

在原件中打开第 25 页

看 A+B。A、B 是要送去处理的数据,+ 告诉 ALU 做哪种运算。控制单元先决定走加法线路,再把 A、B 送入,最后保存结果。两位都是 1 时,个位写 0,向左进 1,写成二进制 10。图里的运放则是另一种电路图,用连续电压实现运算。

第 26 页 · 晶体管为什么能做逻辑

在原件中打开第 26 页

栅极 Gate 像水龙头手柄,控制源极和漏极之间是否容易导通。把两只理想开关串联,A、B 都闭合才有完整通路,这个导通条件是 AND。把它们并联,A 或 B 任意一只闭合就能导通,这个条件是 OR。下一步把每组输入的结果列成真值表。

第 27 页 · 六种逻辑门怎么读

在原件中打开第 27 页
A B AND 与 NAND 与非 OR 或 NOR 或非 XOR 异或 XNOR 同或
0 0 0 1 0 1 0 1
0 1 0 1 1 0 1 0
1 0 0 1 1 0 1 0
1 1 1 0 1 0 0 1

取一行做例子。输入 1、1,AND 输出 1,因为两个都为 1。XOR 输出 0,因为两者相同。NAND 对 AND 的结果取反,所以是 0。图形符号输出端的小圆点表示取反。

第 28 页 · 半加器的和与进位

在原件中打开第 28 页

两输入相加有四种情况。00 → 0,01 → 1,10 → 1,11 → 10。先看结果的个位 SS。它只在两个输入不同的时候为 1,所以 S=A XOR BS=A\ \text{XOR}\ B。用图里的基础门搭法,可以写成 OR 的结果再和「并非同时为 1」相与。

S=(A OR B) AND NOT⁡(A AND B)S=(A\ \text{OR}\ B)\ \text{AND}\ \operatorname{NOT}(A\ \text{AND}\ B)

再看高位 CC,只有两个输入都是 1 才进位,所以 C=A AND BC=A\ \text{AND}\ B。

第 29 页 · 两个半加器拼成全加器

在原件中打开第 29 页

当前位还会收到低一位送来的 CinC_\mathrm{in}。沿图从左往右走。

  1. 第一只半加器算 P=A XOR BP=A\ \text{XOR}\ B 与 G=A AND BG=A\ \text{AND}\ B。
  2. 第二只把 PP 和 CinC_\mathrm{in} 相加,得 S=P XOR CinS=P\ \text{XOR}\ C_\mathrm{in} 及 H=P AND CinH=P\ \text{AND}\ C_\mathrm{in}。
  3. 任一路进位就产生总进位 Cout=G OR HC_\mathrm{out}=G\ \text{OR}\ H。

原图亮线对应 A = 1、B = 1、进位输入 = 0。得到 P=0P=0、G=1G=1,再得 S=0S=0、H=0H=0,最后总进位是 1。把 B 改成 0、进位输入改成 1,会得到 P=1P=1、G=0G=0、S=0S=0、H=1H=1。结果同样是二进制 10,这次进位来自第二只半加器。

第 30 页 · 把全加器当成一个模块

在原件中打开第 30 页

把前一页门电路收进方框,保留三根输入 A,B,CinA,B,C_\mathrm{in} 和两根输出 S,CoutS,C_\mathrm{out}。在整数意义下,它们满足 A+B+Cin=S+2CoutA+B+C_\mathrm{in}=S+2C_\mathrm{out}。三根输入全是 1 时,和为 3。用一份个位和一份权重为 2 的进位表示,就得到 S=1,Cout=1S=1,C_\mathrm{out}=1。

第 31 页 · 把八个一位加法器串起来

在原件中打开第 31 页

从最右侧的最低位开始。第 0 位先算出 S0S_0 和 C1C_1。把 C1C_1 送给第 1 位,得到 S1S_1 和 C2C_2。一直传到第 7 位,剩下的 C8C_8 代表权重 28=2562^8=256。

例如 255+1255+1,八个位都由 1 变为 0,最终 C8=1C_8=1。把该进位保留就是 256,只读取低八位就得到 0。

第 32 页 · 原图演示 1 加 1

在原件中打开第 32 页
从右数的位 A 位 B 位 收到的进位 三数之和 输出位 送出的进位
0 1 1 0 2 0 1
1 0 0 1 1 1 0
2–7 0 0 0 0 0 0

从第 7 位往第 0 位抄输出,得到 00000010。所以图中权重为 2 的灯亮。

第 33 页 · 原图演示 3 加 3

在原件中打开第 33 页

两个 3 的二进制都是 00000011。

从右数的位 A 位 B 位 收到的进位 三数之和 输出位 送出的进位
0 1 1 0 2 0 1
1 1 1 1 3 1 1
2 0 0 1 1 1 0
3–7 0 0 0 0 0 0

读出 00000110,即 4+2=64+2=6。与上一页相比,进位多走了一段,从第 1 位继续传给第 2 位。

动手试试 · 跟着进位算二进制加法

第 34 页 · CPU 的寄存器、ALU、控制器与总线

在原件中打开第 34 页

寄存器暂存手边要用的数。总线是传数的线路,图上的 8-bit bus 每组能并行传八位。ALU做运算。控制器安排谁送数、做什么运算,以及结果写到哪里。

算 R1 + R2 时,控制器先把 R1、R2 的值送进 ALU 的两个输入,选择 ADD,再把输出写给 R3。沿图追这条路径,可以分清数据线和控制动作。

第 35 页 · CPU 到 RAM 里取什么

在原件中打开第 35 页

RAM 是按地址读写的存储器。图里有 256 个字节,如果每个地址指向一个字节,地址从 0 到 255。7 位只能表示 27=1282^7=128 个位置,8 位有 28=2562^8=256 个位置,所以需要 8 位地址。

一次执行可以分成:程序计数器给地址 → RAM 交出该处的指令 → 控制器译码 → 照指令读数据、运算和写回 → 更新程序计数器。程序和数据在存储器里都用位串表示,实际怎么解释由指令集和执行过程决定。

第 36 页 · 从 CPU 电路图追一条数据线

在原件中打开第 36 页

先看左侧 ALU、中间寄存器和控制线路、右侧存储阵列。再任选一个过程追,例如先找从存储器到寄存器的路径,再看寄存器如何送两个输入给 ALU。最后放大 ALU 的小块,联想到第 29 页的门电路。这样就能把逻辑门、加法模块、处理器三个层次接起来。

第 37 页 · 从代码到指令

在原件中打开第 37 页

人用高级语言写条件和动作,处理器按指令集解释机器码。汇编用比较容易读的助记符写这些指令。CISC、RISC 是组织指令集的两类设计思路。

以这段控制逻辑为例:

temperature = read_sensor()
if temperature < 20:
    heater_on()

第一行读取传感器并保存值。第二行比较读数和 20。读到 19 时条件成立,执行第三行发加热命令。读到 22 时条件不成立,跳过第三行。处理器执行时对应读输入、比较、条件跳转和写输出。

第 38 页 · 智能系统需要输入、目标和动作

在原件中打开第 38 页

先定义成功是什么。扫地机器人的目标是覆盖地面并尽量少碰撞。它用距离和轮速观察环境,选前进或转向,用新的观测判断动作效果。换一个目标,例如只要求尽快到房间另一侧,就可能选不同的路线。

第 39 页 · 从愿景到可计算的问题

在原件中打开第 39 页

这页从自动机的早期想象讲到 1956 年 Dartmouth 会议。把「机器理解房间」一步步变成工程任务:先把房间切成小网格,再给每格存一个能否通过的状态,用测距观察更新状态,最后根据网格找可行路径。愿景需要先变成明确的表示,规则才有可以计算的对象。

第 40 页 · AI 寒冬与专门任务

在原件中打开第 40 页

课件用两段经费与关注降温的时期解释 AI 寒冬,也列了 Deep Blue 下棋、Watson 问答和聊天测试的例子。读事件时同时看任务的输入、输出和评价。下棋用局面作输入,输出落子,以胜负评价。问答用问题作输入,输出答案,以正确率等指标评价。机器人还要跟踪自己的动作怎样影响真实环境。

第 41 页 · 算力为什么影响 AI 发展

在原件中打开第 41 页

阶梯图沿时间列事件。由计算机变快这一点可以推一层:每秒做的运算更多,同一小时内能处理更多数据或尝试更多模型。设备更便宜则让更多人能开展实验。阶梯的高低用于排故事,图里没有一条可读能力倍数的纵轴。

第 42 页 · 把时间线按任务读

在原件中打开第 42 页

从图灵测试与 Dartmouth 会议,到专家系统、棋类、Roomba、Siri、AlphaGo,沿原图时间线找每种系统输入什么、输出什么。专家系统用规则处理领域信息。棋类程序从棋局选择落子。Roomba 根据传感读数决定运动,将算法接上了现实中的执行器。

第 43 页 · 几类 AI 方法怎样区分

在原件中打开第 43 页

图用各时代的代表方法串起规则、机器学习、深度学习、深度强化学习和分布式智能体。用训练输入记差别:分类常用「照片 + 正确类别」作为示例。强化学习观察「做动作后得到什么反馈」。多智能体还会考虑多个决策者之间如何交互。深度学习用多层模型,可以同时用于分类或强化学习。

第 44 页 · 从图像传感到图像识别

在原件中打开第 44 页

照片把 Geoffrey Hinton 与视觉学习联系起来。具体链路是光照到图像传感器 → 读成一格格像素数值 → 模型对像素阵列做计算 → 输出类别或位置。举例来说,相机让机械手看到一堆物体,模型先定位杯子,控制程序再按位置执行抓取。

第 45 页 · 用一个避障例子串起全讲

在原件中打开第 45 页
  1. 障碍物反射探头发出的超声,探头读到回波。
  2. 处理器获得回波的往返时间。若声速约 343 m/s、往返 0.002 s,总路程为 343×0.002=0.686343\times0.002=0.686 m。
  3. 声音走去再走回,距离是 0.686/2=0.3430.686/2=0.343 m。
  4. 程序将 0.343 m 与减速阈值 0.40 m 比较,CPU 执行相应的条件分支,驱动器下调转速。
  5. 小车位置改变后重新测量,把新的结果带进下一次决策。