阿里巴巴 AI Labs 機(jī)器視覺杰出科學(xué)家李名楊

在不久前的云棲大會(huì)上，阿里巴巴人工智能實(shí)驗(yàn)室 AI Labs 公布了三件大事：一是 AliGenie 升級(jí)為語音開放平臺(tái)，二是宣布阿里 AR 開放平臺(tái)，三是推出天貓路由器。隨后，阿里巴巴宣布前微軟亞洲研究院首席研究員聶再清，以及前谷歌 Tango 和 Daydream 項(xiàng)目技術(shù)主管李名楊入職阿里 AI Labs，前者擔(dān)任 AI Labs 北京研發(fā)中心總負(fù)責(zé)人，后者擔(dān)任 AI Labs 機(jī)器視覺杰出科學(xué)家。從平臺(tái)產(chǎn)品到人才，阿里對(duì) AI 的大力投入。

日前，雷鋒網(wǎng)在北京阿里辦公室見到了李名楊博士。他在谷歌待了三年，擔(dān)任 Daydream/Tango 項(xiàng)目技術(shù)主管，主要研究領(lǐng)域是視覺-慣導(dǎo)里程計(jì)(VIO)和即時(shí)定位與地圖重建(SLAM)，在該領(lǐng)域擁有 20 多篇頂級(jí)論文及相關(guān)專利。

在谷歌工作期間，他的研究重心為多傳感器融合和 SLAM 領(lǐng)域，包括技術(shù)的理論創(chuàng)新和商業(yè)化，也參與了 Tango、ARCore，以及 Daydream 的相關(guān)技術(shù)研發(fā)。

他告訴雷鋒網(wǎng)，離開谷歌，選擇加入阿里，一方面因?yàn)?ARCore 已經(jīng)正式發(fā)布，圓滿完成了一個(gè)項(xiàng)目；另一方面是阿里“非常支持科研”，而且“阿里想做的東西都和我希望做的東西十分契合，這對(duì)自己是很好的做科研和技術(shù)環(huán)境。”

加入 AI Labs 后，他將專注于計(jì)算機(jī)視覺和傳感器融合技術(shù)的研發(fā)，同時(shí)根據(jù)阿里不同的應(yīng)用場(chǎng)景，開發(fā)技術(shù)，給用戶帶來好的體驗(yàn)。

如何評(píng)價(jià)阿里 AR 開放平臺(tái)？

云棲大會(huì)上，AI Labs 負(fù)責(zé)人淺雪宣布阿里 AR 開放平臺(tái)，該平臺(tái)面向開發(fā)者開放 2D 識(shí)別追蹤、3D 識(shí)別追蹤、內(nèi)容制作平臺(tái)、高質(zhì)量渲染引擎等核心能力。開發(fā)者在已有的 APP 中接入 SDK 套件，即可快速創(chuàng)建 AR 內(nèi)容，無需擔(dān)心開發(fā)算法、使用傳感器、GPU 優(yōu)化等難題。同時(shí)，AR 內(nèi)容平臺(tái)阿里火眼可將開發(fā)者創(chuàng)建的 AR 內(nèi)容直接傳遞給消費(fèi)者。

現(xiàn)場(chǎng)還演示了一些功能，如家裝應(yīng)用，通過手機(jī) AR 查看家具或電氣在家里的位置擺放，跟宜家基于 ARKit 制作的 IKEA Place 很類似；使用阿里火眼 APP，手機(jī)掃描恐龍圖片后，會(huì)呈現(xiàn)虛擬的 3D 恐龍；識(shí)別 3D 實(shí)體，用手機(jī)掃描天貓精靈后，會(huì)顯示其名稱、價(jià)格等。

據(jù)淺雪介紹，阿里 AR 開放平臺(tái)已經(jīng)有三年的技術(shù)積累，此前阿里內(nèi)部的天貓、聚劃算、一淘網(wǎng)，以及今年的淘寶造物節(jié)都有關(guān)相關(guān)的 AR 應(yīng)用。也是因?yàn)榘⒗飪?nèi)部有不錯(cuò)的應(yīng)用先例，他們決定對(duì)行業(yè)開放。

剛加入 AI Labs 的李名楊對(duì)這個(gè) AR 開發(fā)平臺(tái)十分認(rèn)同。他表示，該平臺(tái)提供給開發(fā)者一個(gè)制作 AR 內(nèi)容和 APP 的工具，最后傳達(dá)給消費(fèi)者?！皩?duì) AR 來說，現(xiàn)在有一定的技術(shù)，但還需要足夠的內(nèi)容，才能吸引消費(fèi)者使用，平臺(tái)是非常有用的?！?/span>

自從蘋果 ARKit 和谷歌 ARCore 發(fā)布以來，AR 被行業(yè)看好，也產(chǎn)生了越來越多的應(yīng)用，但阿里的 AR 開放平臺(tái)與它們相比，還是有很大的不同。

李名楊解釋，

“蘋果和谷歌做的是非常好的技術(shù)和平臺(tái)，更貼近于手機(jī)操作系統(tǒng)，但阿里的 AR 開放平臺(tái)更貼近于開發(fā)者，或者是用戶，目標(biāo)對(duì)象或是方式不是完全一樣的，而且我們也希望通過這個(gè)平臺(tái)積累更多的用戶和內(nèi)容，這對(duì) AR 很重要?！?/span>

雷鋒網(wǎng)之前發(fā)布的文章《蘋果 ARKit 憑什么碾壓對(duì)手》中，Super Venture 合伙人 Matt Miesnieks 詳細(xì)指出了 ARKit 背后的基本原理，以及硬件對(duì) AR 功能的重要性。A11 Bionic 芯片更被看做是今年蘋果發(fā)布會(huì)最重要的兩點(diǎn)，那么沒有硬件會(huì)不會(huì)成為阿里 AR 開放平臺(tái)的短板？

李名楊表示，AR 技術(shù)有的部分對(duì)硬件支持需求比較大，例如“AR 都需要圖像處理，圖像處理到底是在 CPU 上完成，還是在別的地方完成，這個(gè)是需要硬件支持。對(duì)硬件廠商來說，可以更自由地選擇，釋放一些計(jì)算量在 CPU 上面。”他講到，像 Facebook 此前演示的 AR 拍照功能，也是沒有硬件支持，“如果都需要硬件，大家可能沒法做”。

AR 是 AI 的體現(xiàn)方式

去年雙 11 ，阿里展示了 VR 購物 Buy+，并且很早成立實(shí)驗(yàn)室 GM Lab，專注于 VR 技術(shù)研發(fā)。阿里 AR 開放平臺(tái)不僅由 AI Labs 發(fā)布，而且還歸屬在 AliGenie 開發(fā)者平臺(tái)內(nèi)，這讓很多人感到疑惑。

李名楊透露，天貓和淘寶早先都有自己的研發(fā)團(tuán)隊(duì)，但現(xiàn)在這些研發(fā)人員都?xì)w屬在 AI Labs 下面，共同支持不同業(yè)務(wù)部門的需求。“研發(fā)團(tuán)隊(duì)如果分散也不是特別好，很多功能和設(shè)計(jì)都可以相互借鑒和互補(bǔ)?！?/span>

在他看來，AR 是通過手機(jī)傳感器對(duì)世界的理解，然后把世界翻譯成數(shù)字的語言，“AR 本身就是一種人工智能體現(xiàn)的方式”。同時(shí)，“人工智能是人機(jī)交互的方式，希望知道人和機(jī)器如何交互，而人和人交互是通過眼睛、嘴巴、鼻子，AR 和天貓精靈都是一種交互方式，所以在同一個(gè)平臺(tái) AliGenie，是有道理的?！?/span>

不過，AliGenie 如何具體釋放 AR 功能，還要等阿里之后的產(chǎn)品進(jìn)展。

比起手機(jī)，頭顯對(duì)追蹤定位要求更高

谷歌 ARCore 的演示畫面

到 AR，我們總離不開對(duì) Tango 的討論，而去年 11 月份，谷歌宣布將 Tango 團(tuán)隊(duì)并入 Daydream 部門，由谷歌 VR 部門的負(fù)責(zé)人 Clay Bavor 統(tǒng)一管理。今年 ARCore 推出后，國外有開發(fā)者戲稱，“ARCore SDK 就像是他們隨便地把 Tango SDK 改了個(gè)名字，注釋掉深度相機(jī)那塊代碼”，算是“低配版的 Tango ”。李名楊說，“本質(zhì)技術(shù)是非常相似的，都是通過單目攝像頭和 IMU 實(shí)現(xiàn)跟蹤定位的功能，沒什么低配和高配的區(qū)別。在不同的地方，依賴不同的硬件，效果不是特別一樣?！?br/>

值得注意的是，不管是 Tango，還是蘋果 ARKit，追蹤定位都是由單目攝像頭完成的，而其中使用的 SLAM 技術(shù)與頭顯采用的雙目 Inside-out 追蹤定位也有相通之處。

但顯然，手機(jī)和頭顯的體驗(yàn)非常不同，這對(duì)精度和穩(wěn)定性的要求也發(fā)生了變化。

李名楊舉例說，“如果用手機(jī)玩 AR，100 次中成功 99 次，有一次需要重啟，用戶是可以接受的。但是 VR 設(shè)備，如果有一次讓用戶有眩暈，甚至嘔吐，就是不可接受的。因?yàn)轭^戴設(shè)備使人的感知系統(tǒng)非常敏感，要保證頭戴設(shè)備的 SLAM 技術(shù)做的更穩(wěn)定，更精準(zhǔn)，這要求很高?！?/span>

現(xiàn)在，微軟已經(jīng)開始陸續(xù)推出一系列 Windows MR 頭顯，Oculus 宣布新的一體機(jī)，谷歌也在研發(fā)相關(guān)的方案，至于這些廠商們采用的 Inside-out 方案是否足夠成熟，李名楊說這得用戶說了算，看明年用戶的體驗(yàn)。

AR還有哪些難以攻克的技術(shù)？

此前，天貓互動(dòng)技術(shù)專家蔣佳億在《有了 ARCore 和 ARKit，AR 行業(yè)還能做啥？》一文中談到，AR 行業(yè)還有哪些可研究的方向，包括引擎、產(chǎn)品和交互、數(shù)據(jù)化和 3D 化等等。李名楊也提到 AR 很多難點(diǎn)還沒有攻克。例如，沒看到一款真正的 AR 眼鏡；AR 語義理解，雖說可以實(shí)現(xiàn)一定的跟蹤定位，但很難實(shí)現(xiàn)對(duì)環(huán)境的理解等。

其實(shí)，我們打開 ARKit 應(yīng)用時(shí)，首先要做的就是確定一個(gè)平面，然后在這個(gè)平面上產(chǎn)生其他 AR 內(nèi)容。而這只是最基礎(chǔ)的一步，“從點(diǎn)到線，到面，再到三維物體，這是一步步進(jìn)化的過程。如果實(shí)現(xiàn)人機(jī)流暢的交流，就想要知道整個(gè)環(huán)境，環(huán)境中有什么物體，這些物體是什么，相對(duì)位置是什么樣……”

李名楊說，

“目前還沒有看到相關(guān)的產(chǎn)品發(fā)布，這是需要非常多技術(shù)融合在一起的，盡管學(xué)術(shù)界有很多文章討論解決這樣的問題，但成熟度還欠缺一點(diǎn)。SLAM 可能是這個(gè)方向的一個(gè)技術(shù)，但 SLAM 追蹤定位提供一些功能后，你才能基于此研發(fā)上層的東西?！?/span>

他坦言，SLAM 還有很多研究的方向，現(xiàn)在只是對(duì)于移動(dòng)端，可以通過已有的技術(shù)輸出一些產(chǎn)品，但要給用戶帶來更好的體驗(yàn)，還需要其他的技術(shù)積累。

從谷歌到阿里，李名楊沒有感受到太大的差別，他開玩笑地說“語言和吃的事物”變化最大?；蛟S，阿里也能更好地將這些技術(shù)研究落地到實(shí)際的應(yīng)用中。我們期待，未來阿里如何將技術(shù)與產(chǎn)品相融合。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。