浅谈机器人产品落地全过程
? ? ? ?最近這幾個月，人工智能陷入了混戰。大廠都在布局，或協作，或自建，或收購，各種招數應接不暇。市場也快速被開發，軟硬企業都有自己的布局Apollo、DuerOS、AliGenie、deepbrain、AIUI、DUI、Trio......Lenovo+DuerOS、Skyworth+DuerOS、 N+AIUI、 Microsoft +Element AI+Hexadite 、 Apple+Lattice Data 、 Velodyne 、NVIDIA、AMD 、INTEL GOOGLE TPU 、XILINX、Microsofl FPGA 、 Qualcomm 、Apple、ARM、IBM TrueNorth、 HiSilicon Cambricon 、Horizon Robotics ......
但是，目前落地的產品沒有能夠快速顛覆人們的習慣。或許正在進化吧？(技術/成本限制了場景？）我不知道。未來不要去控制，未來是“連接” ，去中心化，單向的，自上而下的思維不適用這個時代去做產品了。扯遠了····說機器人
[機器人] 我的理解之所以帶有一個“人”字。因為是同有人的屬性，本質是對人的意識與思維的信息過程進行模擬。 以下同人特征：
1、輸入：
聽覺(麥克的陣列拾音得到音頻數據，ADC）
語音識別：（將語音轉換為文本技術）典型公司：Nuance、科大訊飛、云之聲、思必馳、捷通華聲。
語義識別：（解決聽得懂，的問題）典型公司：微軟小冰、度秘、trio.ai 三角獸、 ?出門問問Mobvoi、圖靈機器人、DeepBrain出門智能360、驀然認知等。
語料采集：（QA）典型公司：Speechocean海天瑞聲 、中科信利。
視覺（攝像頭、激光雷達、紅外雷達、毫米波雷達）
將三維世界到二維世界的映射。提取圖片特征，典型技術公司；SenseTime | 商湯科技、曠世科技FACE++ 、圖普科技TUPU、依圖科技、觸景無限、格林深瞳、海康、大華、思嵐等）
sensor 嗅覺、觸覺等、數據采集，典型公司：freescale nxp、futaba、ON Semiconductor安森美半導體、歐姆龍、Sony、松下、英飛凌.....
2、存儲：記憶，情感（太復雜，司馬還沒有想清楚放在哪個位置及如何描述）基于硬件CPU\GPU\NPU\TPU，云計算（CNN\RNN\GNN) 已有認知的知識圖譜(RDF)，（我同事李瑤說，假設我去吃一個宮保雞丁，這個時候我會輸入味覺，視覺，嗅覺，等，我會判斷，這個不錯，以后還要來。但是十年后，我是不會記得這些細節的，但是我會想到宮保雞丁會很好吃。流口水的表情。這是一個人類的特征。）不過12年的Google X 實驗室Jeff說：“我們在訓練的時候從來不會告訴機器說：‘這是一只貓。’系統其實是自己發明或者領悟了“貓”的概念。” 不就的將來神經網絡系統則是通過機器學習的方式，轉換“宮保雞丁，這個不錯以后還要來，”轉換成為，宮保雞丁很好吃，流口水的表情。當然這只不過是設想，或許還有更好的答案。
3、行動：舵機技術，導航避障（多傳感器交叉處理）
4、思考：判斷、決策輸出等（這里與第2點是緊密關聯的,主要還是算法與開源的平臺）
定 位?（產品的源頭，或者說一個智能硬件的源頭）
理解完筆者所認為“機器人”，那么要做一款什么樣的產品呢？
需求、痛點、頻次，嗯，以目前市場來看，垂直類的場景顯得至關重要。開始一個產品不能做太重，否則無法聚焦核心定位。定位真的不是一個容易的決策，因為這牽扯到創始人對產品的執著與狂熱，也有產品的偏執，有一個美好的愿景，也拋不開市場的了解，人性的通透，因為這不僅僅是做一個好賣的商品，而是一個改變生活的產品。當然也會帶來商業價值，不談商業的產品都是耍流氓......
用 例：（我們一直想著突破2B市場，一直把機器人定位高端市場，假設一個酒店場景，我們會想著怎么送行李，怎么解決業務需求，NO；NO；NO；導航避障，激光雷達、深度視覺，建圖，這些高成本的技術目前卻沒有辦法給“高端”人群驚喜，因為這個產品并沒有提高效率，也不一定有驚喜。因為你們都是準備賣給高端酒店的。最后服務的還是人，那么這些“高端人群”才是真正的用戶。如果一旦不能讓這些“高端用戶爽”高端酒店是不會買單的。
換個思路；我把產品定位在2、3星級酒店，如：7天連鎖、如家，這種快捷酒店，出一款低成本的機器人，為酒店用戶做一些服務，住快捷酒店的群體是否會有驚喜呢？ 這個群體是否有裝逼需求呢？ 他們是否會好奇呢？（好了，可以研究一下這個群體） ）
筆者還是先把行業鎖定在“AI機器人” 筆者落地教育機器人，開干吧！
1、需求
市場分析，用研，定性與定量，競品分析，二手數據分析，頭腦風暴，做人物與場景建模，根據用戶行為、痛點、需求，定義產品功能，理清業務邏輯，輸出需求文檔。（如何去理解需求這事就不細說了）
需求很重要，前期的傳遞一定要清晰，要讓所有伙伴知道我們在做什么？為什么做？這么多需求，哪些做？哪些不做？為什么？是如何把用戶需求轉化為產品需求的？各個部門以及相關人員要統一傳遞，統一協作。以便更好的理解需求。get 到一個點，才能更好的協作，達到產品目標。
2、需求評審
理想與落地之間的撕逼（溝通之前，把PRD傳遞到相關伙伴，用人話描述清楚）
什么？誰誰誰，沒看？評審時一臉懵逼？ 那就看完再開。當然產品經理前期也應該小范圍做一些溝通的。撕逼的時候請產品經理自行把邏輯理清楚先。不然伙伴們發大招，暴擊9999點傷害，回不了血，自己扛著吧。
評審后，該修訂的修訂，搞定后發給所有相關伙伴。簽字畫押！哈哈哈
3、產品硬件規格
硬件選型：方案選型；主控用誰家？ 全智？聯盛德？山景？瑞星微？MTK？intel？用幾瓦的喇叭？麥克風？LED ？電池？。。。。。。說白了就是看第一條需求來做選型硬件。當然，選好一個方案會決定您整個產品的生命周期。（一局可以玩更久）
4、硬件選型評審
理想與落地之間的撕逼 (硬件選型的大小，性能，參數，與結構設計等的，與需求都息息相關。所以ID ，結構，產品，硬件，會再次撕逼一次。這里產品就需要做好協調工作了，ID不管結構，結構推ID的事兒長有。混戰，可以直接放一個大招。（開玩笑，沒那么嚴重，不過確實需要良好的溝通與協作）
5、資源用誰家？哪里來？
又是需求來定義資源選型。流行音樂？兒童教育資源？視頻通話方案商，其他開放平臺等。商務談判也是產品控制成本的重要環節。那么行業信息，資源渠道，都至關重要。筆者之前踩了個坑，一切都談好了，配合也很不錯，這公司倒閉了。具體筆者就不多說。找靠譜的。不然全隊都game over.
6、交互設計 GUI + VUI(Voice User Interface)
信息架構、交互流程、交互規范、原型設計、交互文檔DRD、語音交互規則
體驗層面，一定是產品先落地，先解決需求問題，再談體驗。但是前期做好交互設計對未來產品迭代會有不少幫助，能少踩很多坑。 GUI+VUI 多模態的交互，是機器人必要的趨勢。
機器人交互設計與傳統的交互設計有什么不同？
GUI被動，VUI主動，如此分開就比較易懂了。被動的交互是一種引導，傳遞信息。而主動的交互不僅僅包含被動所能表現的，且能夠主動感知或認知人來獲取信息，而人還是原來的行為模式。VUI的實現基于NLP 的技術，市場需求，業務需求，產品形態的需求.
用例： 比如我們落地的機器人，簡單的一個人臉識別，就能做到主動語音交互。
1、主動交互，當我在機器人端錄入了我的人臉。可以通過限定的場景，機器人識別到我的人臉的時候。進行主動的語音交互。如：問個早上好或者主動播報今天的天氣情況。（這里就體現了一個非常簡單的主動交互，涵蓋了語音，表情，燈光的交互）
2、上下文也是一種交互的處理方式，用一個小冰最簡單的會話表示；
??????????????????????
3、引導式對話；(您可以在siri 充電情況下體驗） 嗨siri可以喚醒。
Q：我餓了
A：你想吃什么？
Q：我想吃面
A：附近離你最近的面點王評價還不錯。這是你要找的嗎？
Q：不是
A:? 第二個是 品湘樓，離你500米，營業時間xxxx 這個行么？
Q: 可以
A：好的，現在幫您查詢去品湘樓的路線。
A：您是步行還是開車呢？
Q: 步行
A：好的，為您規劃步行導航。
以上是一些已經落地的產品，但是筆者認為，人還是對另外一個“人”正常說話表達，機器人要通過算法來理解人表達的信息，而不是引導人應該如何說話。 比如動作，人還是用它習慣的動作來表達，而機器人要能識別和認知人表達的意圖。而不是機器人來引導人如何反饋。引導式的體驗相對要差很多。目前只能在界面，輸出的語音，以及少量的分析數據來判斷。在未來，機器人表達的方式是人類能接受和閱讀的。表達可以是非人的，一條狗不會說人話，但是人類也能讀懂它是否友好，是否能聽我的。它有它完整的表達邏輯。相信機器人也能成為人類的一份子。不僅僅是工具，而是生活中的一員。
說白了，與機器人交互，終極目標，同人一樣交互。（超級大boss一般最后一關）
參考我的另一篇《淺說語音用戶界面VUI+GUI設計》
7、視覺UI
視覺稿/一致性規范、切圖標注/界面標注
這一塊是比較成熟的了。但是，但是，請根據需求與產品目標來。不然看我青龍偃月刀, 暴擊10000+傷害......
8、軟件系統設計與架構（落地）
開發（這其中還有N次調整需求與撕逼過程，省略1萬字）
說個大坑，大部分機器人是基于RTOS 、Linux、Android開發的OS ，前期的軟件架構至關重要。后期迭代，或是OS 運用在其它智能設備。都是至關重要的。所以一個優秀的架構師，會讓程序猿寶寶們工作更有效率，成果更自豪。
總結
以上是生活随笔為你收集整理的浅谈机器人产品落地全过程的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 做好数据分析必备的 5 种典型可视化图表
- 下一篇： 持续更新 | PMCAFF问答专场活动分