2015世界機器人大會在北京國家會議中心開幕。加拿大阿爾貝塔大學教授、加拿大工程院院士張宏，在分論壇演講時表示，現在形形色色的機器人還沒有產業化，尤其是服務機器人，而服務機器人發展空間很大。
要想發展服務機器人，就要讓機器人獲得人的能力，重點是解決機器人視覺系統。因為視覺對人很重要，人類獲得訊息90% 以上是依靠眼睛的，那么對于機器人，獲得信息來說，也是非常重要。
在過去的一年中，圍繞著AI(人工智能)的嗡嗡聲，一直在非常強勁的增長。我們還從來沒有如此接近的觀察到這個技術的好處。2016年，將會看到新式的AI(人工智能)的供電設備，因為我們對于人工智能，所面臨的最困難的挑戰之一，已經取得了進展：讓我們的設備，能夠了解它們所看到的。
12月3日，谷歌發布了其云視覺API，來執行這些任務，如：識別人臉、標志和文字，探測物體并了解其環境的應用。一些客戶都對這些功能感到非常興奮，在市場上其它企業也正在尋找類似的一種服務，為使其適應其業務模式。
為什么一個機器人需要去看呢? Vision(視覺)在我們的生活中，是非常有意義的，而且也是主要媒介之一。為了使機器人能夠與人類進行相處，以及提供給我們所需要的服務等。當務之急就是它們可以觀察，并且能夠根據自己視覺所觀察到的東西，來引導自己的行為。這可能是一個小攝像頭的形式，可以幫助盲人去“看”和感受環繞他們周圍的世界?；蛘呤且粋€家庭監控系統，該系統能夠正確識別一群流浪貓之間的差異，或者移動樹枝，和一個防盜的形式。
在我們的日常生活中，由于設備逐漸成為我們不可分割的一部分，我們已經看到如果沒有足夠的視覺能力，越來越多的應用程序將走向失敗，其中包括空中無人機碰撞和機器人吸塵器“吃”了它們本不應該吃的東西。
機器人視覺，作為AI(人工智能)一個快速增長的分支，目的是能夠給機器人與我們自己相當的視覺，在過去幾年中，由于研究人員運用專門的神經網絡，以幫助機器人識別和理解來自現實世界的圖像，機器人視覺已經取得了巨大的進步。2012年是一個開始的起點，雖然電腦現在能夠做一切，從在互聯網中識別貓，到能夠在一組照片中，識別特定的面孔，但仍然有很長的路要走。今天，我們看到機器視覺能夠離開數據中心，并適用于一切從自主無人機到機器人身上，可以整理我們的食物。
為了更好的了解機器人視覺，一個常見的類比，機器人視覺與人類自己的視覺，就好比天空中飛行的鳥類與飛機。兩者最終都將依賴于基礎物理學(如伯努利原理)，來幫助它們飛入到高空中，但是，這并不意味著飛機將要扇動它的翅膀進行飛翔。只是因為人與機器可能會看到同樣的東西，并且對這些圖像進行解釋的方式，甚至可能有一定的共性，最后的結果仍然可能是具有很大的不同。
雖然基本的圖像分類已經變得更加容易，但是，當它涉及到從抽象的場景中提取意義和信息時，機器人就面臨著一系列新的問題。錯覺就是一個很好的例子，機器人視覺仍然還有很長的路要走。
每個人可能都熟悉兩個剪影彼此面對，所產生經典的錯覺。當一個人看著這個圖像時，他們不限于只看到抽象的形狀。他們的大腦中插入更多的背景，使他們能夠識別圖像的多個部分，看到兩副面孔或一個花瓶，其實所有的都來自相同的圖像。
當我們通過一個分類，就能夠管理這些相同的圖像(你可以在互聯網上找到一些免費的)，我們很快就意識到，對于一臺機器來說，要理解這些復雜的東西，這是多么困難的。一個基本的分類，并沒有看到兩副面孔或一個花瓶，而是看到另外的一些東西，像一把斧頭、鉤子、防彈背心，甚至是一把木吉他。雖然該系統是公認的不確定性，在這些圖像中，實際上任何東西都有可能產生，它顯示了多么大的挑戰性，人類尚且看不太懂，更不要說是機器人了。
如果我們看到一些更復雜的東西，這個問題甚至會變得更加困難，比如Beverly Doolittle(富康杜利特爾)的一幅畫，雖然看到這個圖的每個人，可能不能夠發現，其實每個人的臉都在這塊畫布上，他們幾乎立即看到，比映入他們眼簾更多的圖片。
為了理解為什么這是如此大的挑戰，你需要考慮，為什么視覺是如此的復雜。就像這些圖像一樣，世界其實是一個非?；靵y的地方。瀏覽世界，并沒有像構建一個算法，然后通過數據進行分析這么簡單，它要求我們需要根據實際的情況，我們能夠采取相應的行動經驗，并且需要進行深入的理解。
機器人和無人駕駛飛機面對這些無數的障礙，可能是超出常規的，并且找出如何克服這些挑戰的方法，是那些希望能夠實現人工智能革命的人，需要解決的一大問題。
隨著連續采用這些技術，如神經網絡和專用機器視覺硬件，我們正在迅速縮小人類和機器視覺之間的差距。在將來的某一天，我們甚至開始看到機器人的視覺能力，可能會超越我們自己，使它們能夠完成許多復雜的任務，并且我們的社會將會完全自主運作。
