上篇续：
       机器人产业前景受到各方瞩目，尤其深度学习、人工智能成为各大厂布局下一波企业发展的方向，包括脸书(Facebook)、微软(Microsoft)、谷歌(Google)与亚马逊(Amazon)。这些企业的共通点就是都透过产品、服务与消费者互动，并累积了多年的初级数据，未来人工智能与深度学习说穿了都是大量数据搜集、整理并分类、标注(Tag)使这些初级数据变成信息，最后再透过强大的处理器快速搜寻与反应的结果。
        




 
       从这样的架构来观察，硕网信息总经理邱仁钿(图4)认为，四大厂之间FB的数据结构化程度最高，因为每个用户上传文章或图片时，已经将内容整理过，图片分辨率高甚至照片中的人物也直接标注了，未来FB要藉由这些数据做进一步整理或利用时，可以花费最少的时间，或进行更高质量的整理。目前世界上有80%的数据数据是非结构化的，认知运算能够提升并简化学习过程。
        因此，机器人要降低错误率重点就在数据的完整性与结构化，邱仁钿进一步解释，深度学习的应用历程从底层的类神经网络运算、大量数据分析、发现规则/自动归类、产生媒合/推荐策略、记录用户行为、回馈到模型/提升准确率，最终就是要提升数据质量并产生自我学习修正机制。
       工业制造从80、90年代的自动化，发展到2000年代的智能制造，未来的智能工厂除了更高度的自动化与取代更多复杂的人力制程之外，还希望发展更多协作型机器人，台达电子机器人事业群机器人事业处长彭志诚(图5)说明，包括点胶(Dispensing)、上螺钉(Screwing)、焊接(Soldering)、检验(Inspection)、组装(Assembly)、卡匣自动搬运车(Pick&PlaceVehicle，P&P)等，甚至可以弹性更换夹具与工具，生产线因产品、制程需要而可以弹性重组(Reconfigurable)，可以处理更多客制化的实时订单。
        一个机器人系统，彭志诚解释，可以简单分成机械结构(Mechanicalstructure)、驱动程序、运算与控制单元、传感器、通讯模块几个项目。未来协作型机器人的市场发展趋势为业界瞩目，多家研究单位都看好其发展，BarclaysEquity研究指出，2020年该市场规模将挑战30亿美元，2015——2020年复合成长率97%，是非常高度成长的市场。
      智能机器人的发展要从德国喊出的工业4.0口号来观察，台科大自动化及控制研究所副教授李敏凡(图6)说，该口号的精神在少量多样、周期短，一切商业活动始于卖方，过去传统的生产价值链顺序颠倒，从顾客需求开始驱动研发，再到供应链与生产，完成整个商业活动。因此，生产线必须维持高度弹性，以因应各式各样不同的需求，并实时反应。
       自主移动机器人 (AutonomousMobileRobot)有别于非自主性质的机器人，李敏凡指出，非自主性质如遥控是由人类以有线或无线方式控制；自动是执行规画好的任务计算机程序；而自主则是可以在未知环境，处理非预知的工作，并可随时、随机弹性调整工作内容。简单的说，工业4.0就是工业3.0加上人工智能，自主机器人的行为内容包括，避障、目标搜寻、轨迹追踪、保持队形等。 传感器应用质量均升
         从关键零组件的角度来看，台科大电子工程系赖文政(图7)博士说，机器人是由许多次系统整合而成的，若进一步将次系统拆解，则可以大致分成显示器、输入设备如键盘/游戏杆、驱动器如马达、通讯设备、感测模块、视觉模块、导航模块等重要单元。这些模块在一个机器人身上可能出现多次，而微控制器(MCU)与传感器，在许多次系统或模块上都会一再出现，是非常重要的关键零组件，而且随功能提升，这些关键零组件的使用量也将更为惊人。 尤其是传感器，要让机器人更聪明，需透过这些前端的传感器搜集更多信息，意法半导体(ST)模拟、微机电与感测组件应用经理陈建成(图8)说明，传感器分成动作、环境、声音三类，以当红的Pepper为例，其头部有四个麦克风、两个RGB相机、一个3D传感器、三个触控传感器、胸前有一个陀螺仪、手部有两个触控传感器、腿部有两个声纳传感器、雷射传感器六个、三个保险杆传感器、一个陀螺仪、两个红外线传感器，共九类近30颗传感器。 也由于感测的需求越来越高，环境传感器将往新应用领域发展，微机电类型的电子罗盘、加速度计、陀螺仪、麦克风等将持续提升感测精准度，也就是降低噪声干扰，提升感测灵敏度与精度。另外因应传感器融合(SensorFusion)的发展趋势，将促成同性质的传感器融合，如加速度计整合陀螺仪成为六轴传感器，加速度计整合电子罗盘与陀螺仪成为九轴传感器。未来单一功能的传感器将会越来越少。
      智能机器人尤其是陪伴与服务型机器人迟迟未能普及的一个重要原因就是安全性，有些陪伴型机器人动辄几十公斤，加上移动速度，若是在家中发生意外，面对的是小朋友与老人家，恐怕还未达成陪伴的目的就先酿成灾害。另外，在工厂的生产在线，每天与机械为伍的人员，安全风险更是有增无减。
         因此机器人产品风险与验证也是一个重要的议题，UL能源暨电力科技部事业发展经理陈立闵(图9)指出，UL1740标准是美国对于机器人设备的基本安全设计要求，其中的测试要点包括电源输入、最大负载电流、操作温度、过电压与欠电压、漏电流、操作软件、手持部位、导体失效、通风马达死锁、驱动马达死锁、马达煞车、零组件破损、过载、断电与重启、紧急停止装置、紧急停止时间与移动距离测量、断电下的紧急移动、抓取装置、教学模式下的低速运动测量、突电压的防护、绝缘材料耐受电压、电路板耐受电压、弯折、轴向旋转耐受性、提拉与移动、外壳强度等数十个项目。
       而且不是只有整机要测试，陈立闵强调，零组件安全与软件安全都要测试，其他还有很多必要与非必要的安全防护，跟产品的类型与个别特性有关，例如机能安全(FunctionalSafety)认证，内容提到机器设备的安全可靠性分成五级，耐用次数从一万次到一千万次。智能机器人的验证内容繁琐，因应产业与时代的发展，当我们与机器人的互动越来越密切，也可能因为发生新的非预期意外，使得安全验证的项目越来越多，因此如欲投入智能机器人领域，及早了解复杂的安全认证内容并导入非常重要。
完                                 --------------网络------------------- 查看全部

摘要：机器人无疑已成为下一个科技明日之星，全球各国无不积极推动机器人产业，而近期人工智能与深度学习等技术发展热度增温，更成为推动智能机器人发展的重要动能






     全球智能机器人的市场规模预计在2021年将成长至336亿美元，而亚洲将是成长最多的地区。近年各国都不约而同将机器人视为战略产业，某种程度甚至可以是一种综合国力的展现，各领域的领导厂商都积极投入并发展当中。
     根据工研院IEK研究报告预估，全球智能机器人的市场规模预计在2021年将成长至336亿美元，而亚洲将是成长最多的地区。
     根据财团法人精密机械研究发展中心的定义，智能机器人可透过传感器感知环境，并藉由程序化处达成智能化理解，最后反应出所需动作，以执行各种生产活动、提供服务或与人互动。它是集合各种技术于一体的平台，包含机械、控制自动化、电子、电机、影像、光学、通讯、软件与安全系统等相关技术与应用，其中软硬件整合技术至为重要。本课程深入探讨智能机器人产业前景，并剖析关键技术、零组件与软硬件架构。
     服务机器人具发展潜力 根据资策会MIC研究数据显示(图1)，2015年四大应用领域机器人市场规模合计约269亿美元，其中以工业机器人110亿美元比重最高，但到了2025年整体市场规模将扩大到669亿美元，尽管市场规模还是以工业机器人的244亿美元最大，但商业用机器人与个人用机器人2000——2025年复合成长率(CAGR)分别为11.6%与17.4%，资策会MIC产业分析师张佳蕙(图2)指出，尤其是2015年以后，这两类应用成长更为显著，服务型应用市场当中，有许多过去未导入机器人的新兴领域，带动其成长潜力。
    资策会MIC产业分析师张佳蕙指出，2015年以后，服务型应用市场，有许多过去未导入机器人的新兴领域，带动其成长潜力。
    日本软件银行近年大举进军机器人领域，一连串的动作引发市场关注，张佳蕙说，包括2012年收购法国人形机器人公司AldebaranRobotics，其2014年推出的人形机器人Pepper陆续与IBMWatson、MicrosoftAzure合作。Softbank提出以沟通为基础提供家庭及商业应用的愿景，Pepper被设定为「希望能被爱」的机器人，透过互动沟通了解家中成员，成为家中的一份子；并在人工智能的基础下，让Pepper协助企业产品的营销，在家庭兼具娱乐及学习效果。此外，目前较知名已投入市场的服务型机器人还有Leka与Savioke。
       近年各国都不约而同将机器人视为战略产业，日本发展机器人已久，2015年日本政府设立机器人革命倡议协议会，推动机器人产业的发展；韩国则是由产业通商资源部主导，每五年制定基本计划，目标是在2022年成为机器人活用的国家，生产规模达25兆韩圜；美国则是从2011年开始，由美国国家科学基金会(NSF)主导，发展能够安全与人协同工作的机器人技术。目前韩国以家用机器人为发展主力，美国则是在救灾国防领先各国，张佳蕙建议，家庭应用与公共应用各国布局已深，商业应用近期兴起，台湾可以伺机切入。
       深度学习、语音识别等技术在近年有显著的发展，也因此促成服务型机器人产业与应用的兴起，机器人从过去单向沟通执行命令，进化到可以理解语意响应对话内容，应用服务为机器人后续发展重点。机器人应用情境多元，在不同场合必须结合各领域专业知识及对用户需求的了解，因此厂商应透过开放平台，加快机器人在各领域的应用。
        深度学习这个名词因为2016年人工智能AlphaGo连败南韩棋王，机器首度成功挑战人脑，并在围棋这个普遍被认为难度最高的博弈活动中，一时又被世界大众所关心。而AlphaGo的深度学习核心就是类神经网络技术，早在1943年，WarrenMcCulloch以及WalterPitts首次提出神经元的数学模型，之后到了1958年，心理学家Rosenblatt提出了感知器(Perceptron)的概念，在前者神经元的结构中加入了训练修正参数的机制，这时类神经网络的基本学理架构算是完成。类神经网络的神经元其实是从前端收集到各种讯号(类似神经的树突)，然后将各个讯号根据权重加权后加总，再透过活化函数转换成新讯号传送出去(类似神经元的轴突)。
        相关技术架构其实早在1970年代就已经完成了，数据决策技术长尹相志(图3)表示，深度学习其实就是类神经网络的另一种说法，其成功来自于更深入理解人类大脑的运作。卷积神经网络(ConvolutionalNeuralNetwork)协助机器发展真正的视觉，其中的两大原则为：局部感知与权重共享。让机器可以从碎片特征理解整体意义，进而找出特征的群聚性，不断分层细化的分析，无论是多细微的特征：只要不化成灰，都能抽取特征。
        其中，图形辨识是其中的重点，在过往的认知中，中央处理器(CPU)与绘图处理器(GPU)处理不同的运算功能，单就图形辨识的深度学习功能来说，GPU的效能是CPU的百至千倍，尹相志进一步表示，透过深度学习，机器甚至可以将原本马赛克图案的照片效果移除还原。不过，在语音与文字的辨识上，中文对于机器还是很大的挑战，中文词汇超过百万，无须约定成俗即可创造新字以及赋予词性，还有很多中英、中日、中韩夹杂的词汇，诸如：蓝瘦、香菇、94狂等。
下篇待续  ：                             -------网络--------- 查看全部

服务机器人正在以高速的增长速度加速步入我们的日常生活。根据IFR的最新统计，未来三年内，服务机器人市场规模将达到目前的5倍。正是基于广阔的市场前景，美国国家科学基金会颁布了《美国机器人技术路线图》，其中服务机器人作为单独的一章来重点论述。知己知彼，了解美国服务机器人发展动向，可更好地帮助我们与时俱进。











知己知彼：美国服务机器人技术路线图详解

服务机器人是一类用以辅助人们日常工作、生活、休闲，以及帮助残疾人与老年人的机器人系统。在工业机器人系统中，机器人的任务是完成高质量、高一致性的生产任务。服务机器人与之不同的是，工业机器人通常工作在有人的空间或者会直接同人类协作工作，服务机器人通常从事专业服务和个人服务两种工作。

服务机器人的专业服务主要应用于农业、应急反应、管道、基础设施、林业、运输、专业清理等作业领域。（专业服务机器人也服务于军事领域，但不将其列入本报告）。这些系统增强了人们在上述领域的作业能力。根据IFR/VDMA的报告，当前有超过110000台专业机器人分布在世界各个领域，并且其市场规模还在逐年急速扩大。图1中列出了几种专业机器人。

而个人服务机器人，则在家庭中用以协助普通人的日常生活，或用以补足相关人士的生理和心理缺陷。到目前为止，最大数量的个人服务机器人是家用真空清洁机器人（扫地机器人），超过600万台iRobot公司的Roomba机器人遍布在世界各地。同时，这个市场正在以每年超过60%的速度增长。此外，越来越多的机器人正用于个人娱乐，如人工宠物（AIBO）和玩偶等。在过去5年中，全球售出的个人娱乐机器人超过400万台，这个市场正以指数倍增长，并有望成为机器人领域最具潜力的增长点之一。图2列出了部分个人服务机器人系统。在2011年，服务机器人市场总值超过42亿美元。

服务机器人专家组均来自专业和个人服务机器人领域，其研究领域覆盖了非常广泛的机器人应用问题。

战略发现

经过广泛讨论后，专家们一致同意，我们仍然需要10到15年时间才能实现全尺寸且具有通用自主能力的机器人应用和解决方案。一些需要实现的关键技术问题将在后续章节进行讨论。出席代表达成了更进一步的共识，即技术进步使得一些价格可负担的、有限尺寸的、半自主的解决方案具有了实用性，并且提供了实际的应用价值。基于现有技术的商业化产品和应用已经开始出现，企业家和投资人对实现机器人应用的潜能均表示乐观。与会专家确认了几个市场，这些市场出现了早期的商业解决方案，以及服务机器人有可能以何种方式在这些市场中得到应用。

老龄化人口从两个方面影响了服务机器人的发展。其一是劳动力市场的缩水，另外一个因素则是提供满足健康护理需要的解决方案的机遇。如图3所示，美国正处于未来20年发展趋势的入口：退休工人数量占当前劳动力数量的百分比将近翻倍，即从当前的每10个工人中有2个退休的状态演变为2030年的每10个工人中有4个退休的状态。在日本，这种情况则更加糟糕，快速增长的老龄化人口是日本提出发展机器人技术作为国家政策的主要诱因。

当提高生产率和降低成本成为服务机器人的共同特征时，针对市场特定问题或需求，人们希望每个服务机器人系统能提供独一无二的、有竞争力的解决方案。比如，在使用机器人技术组装汽车的工厂中，一个关键和主要的驱动力是希望得到持续不断且质量得到充分保证的生产能力。

主要市场及驱动来源

医疗保健与生活质量——机器人技术用于提供遥操作解决方案，比如依赖感觉的达芬奇手术系统就是这类系统的代表。机器人技术拥有巨大潜力，用以控制成本，增强健康人员的护理能力，延长老年人的寿命。

能源与环境——与会学者认为，这两个紧密相连的问题对于国家的未来和机器人技术应用的成熟度是非常关键的，尤其在自动获取能源和环境监测方面非常关键。

生产与物流——与会学者认为，机器人技术在促进生产和货物移动自动化方面拥有巨大潜力，特别是机器人技术被用于小尺度（或微尺度）生产操作，且在这一过程中有助于加速制造业回归。这种信念自从HeartlandRobotics的创立就可窥见一斑，该公司的主要任务就是将制造业转移回美国。

汽车和运输——虽然我们距离完全自主驾驶汽车的使用还有数十年的时间，但机器人技术已经以高级驾驶辅助和避碰系统的形式出现。公共输运系统是另外一个有望获得更高自动化程度的领域。随着机器人技术的持续进步和成熟，用于小范围场景，如机场的无人运输系统和解决方案将渐渐地适应市中心的情况，以及其他的一般应用场合。

国土安全和基础设施防护——与会学者认为，机器人技术提供了巨大的潜能，用以边境保护、搜索和援救、港口检测和安保及相关领域。此外，机器人技术有望大量用于自动化检测、保养并维护桥梁、高速公路、水源和排水系统、电力管道和设施，以及其他基础设施的关键组成部分。

娱乐与教育——这个领域比其他任何领域更多地实现了机器人技术的转化，尤其是机器人技术在解决国家面临的科学、技术、工程以及数学（记为“STEM”）危机，同时成为名副其实的“4R”教育。FIRST的巨大成功印证了这一点。FIRST是成立于1989的一个非营利组织，该组织举办国家范围内的机器人竞赛，激发年轻人成为科学和技术领导人的兴趣，同时通过引入机器人而增加受教育者的积极性。机器人为孩子们提供令其感兴趣且易学的方式，去学习和应用数学以及科学的基本知识，包括工程和系统集成原理，用以生产智能机器完成特定任务。

商业化影响因素

如果上述领域全部实现，那么就需要大量的投资用于扩展和开发机器人技术。正如上面提到的，距离实现完全自主的机器人技术，即无需人类给予指令或干涉的自动运行机器人技术，仍有很长的一段路。与会学者达成了一致的意见，即机器人技术的进步使得开发和市场化机器人的初级产品和应用成为了可能，并且能够显著“增强人类机能”。

这些解决方案将能够根据下列功能进行自动调整：以确定的方式监督动态物理环境、目标识别、探测变化、感知环境状态、分析和推荐根据检测到的情况作出的响应，根据人的命令作出的响应和在预先授权的边界内自动而不被操作员干预地执行行动。

这类机器人解决方案的例子包括遥操作系统。如达芬奇外科手术系统以及自主的专业机器人，比如Roomba。随着互联网继续发展，自然而然会从远距离传感发展到远距离操作。互联网这种向物理世界的扩展将有助于进一步模糊通信、计算和服务之间的界限，激发远距离通信和遥控参与的应用。更符合实际的解决方案将出现，其具备分布认知能力并能够有效利用人类智能。这类解决方案将与机器人技术结合，在实现自主感知位置的同时，允许操作员从远距离根据需要通过互联网进行干预。

根据上述内容，人口老龄化将导致未来劳动力短缺。当工人们寻求向职业更高层级迈进的时候，需要增加底层工作的自动化程度，而做底层工作的工人会慢慢变少甚至消失。长期范围内实现完全自动化解决方案的挑战会继续因为技术限制而存在，短期挑战则是调查其发展的需求和决定如何最好地“跨越鸿沟”。即识别正确的价值主张、成本的降低、有效的开发、有效的系统工程过程，决定如何对解决方案进行最佳整合，以及如何将科技转化成为产品。

科学和技术挑战

一部分与会学者集中讨论并确定了同前述几节应用和商业化紧密相关的科学与技术挑战。本节重点在描述挑战，并没有提出如何解决这些挑战的路线图，路线图梗概将在下节中提出。

移动能力

移动能力是机器人研究中的一个成功范例。这种成功在许多现实环境中展示性能的系统上均有所体现，包括博物馆导游和DARPA机车挑战赛以及城市挑战赛中的自主驾驶汽车。但是，与会学者一致认为还有大量重要的问题仍旧悬而未决。在移动领域找到这些问题的答案将对机器人相关领域实现自主控制和多用途相当重要。

与会学者认为三维导航是移动领域最重要的挑战之一。目前，大多数映射定位和导航系统都依赖于地球的平面表示，比如地面任务中涉及的街区地图。但是，当机器人应用的复杂性增加，且每天都有新的机器人部署的情况下，在未建模的缺少控制的拥挤环境中，这些二维表示不足以捕捉必要的信息。因此，对于支持导航和操作的三维世界模型的获取将是非常重要的。这些三维表示不应当包括世界的几何布局；相反，地图一定要包含涉及环境中物体及其特征的任务相关的语义信息。

目前，机器人已经能够很好地理解物理世界中物体的位置，但是还不了解或很少知道物体是什么。当涉及抓取和环境表示的服务执行移动功能时，环境表示也应当包括对象情景支持（即机器人能用某个物体干什么的信息）。实现语义三维导航将需要传感、感知、地图匹配、定位、对象识别、情景支持识别和规划的新方法。这些要求中的一些内容将在后续章节中进行更为详细的讨论。

与会学者提出的一项有前途的语义三维映射技术是用不同种类的传感器构造地图。目前，机器人依赖高精度的、基于激光测量系统或游戏控制距离传感器，如微软的Kinect或PrimeSense来获取环境信息，采用被称为“SLAM”的映射算法。与会学者提出要脱离激光测量系统，进一步开发“视觉SLAM”（VSLAM）领域。这种技术依赖于相机（鲁棒性高、低廉、易于获得的传感器），用于在三维世界中的映射和定位。目前，VSLAM系统已经展示出令人印象深刻的性能。因此，与会学者相信VSLAM可能在开发具有充分信息，且价格承受得起的三维导航功能方面发挥重要作用。

与会学者们对于满足特定应用的三维导航的额外需求，即户外三维导航，也提出需要明确处理的一系列重要挑战。在这些挑战中存在的事实是，当前二维环境表示方式不能捕捉到户外环境的复杂信息，同时也不能获取户外的光线条件，而光线条件是引起传感器性能变化的因素。与会学者同时表示，如何在人群中实现导航也是一个重要的挑战。

操作

在前几章中，几乎所有的服务机器人都需要在操作性能上取得实质性进展。这些应用需要机器人与环境进行物理交互，包括开门、拾取物体、操作机器和设备等。目前，自主操作系统在精确工程化和高度受控环境中发挥良好，比如工厂组装单元，但对于开放、动态和未建模环境中的变化和不确定性却显得力不从心。所以，来自三个前沿讨论组的与会学者认为，“自主操作”是其关键领域。虽然没有确定具体的研究进展方向，但学者们的讨论揭示，大多数已有操作算法的基本假设不能在实际应用中得到满足。无论是否可能，适合开放、动态，以及未结构化应用场合的抓取和操作，应该利用先验知识和环境模型。而在没有先验知识的情况下，不应当导致灾难性的后果。作为推论，当环境模型不存在的时候，真正的自主操作将依赖于机器人获取足够的、与任务相关环境模型的能力。与大多数强调规划和控制的现存方法比较而言，这意味着感知将成为自主操作研究日程表中的一个重要的研究问题。

与会学者建议，“拾取和放置”操作可以提供足够的功能基础，用于许多目的明确的应用操作要求。因此，增加复杂性和通用性的拾取和放置操作能够为自主操作的研究工作提供路线和基准。

规划

运动规划领域的研究在过去十年中取得了长足的进步，其中的算法和技术影响了很多不同的应用领域。然而，与会学者认为鲁棒性、动态三维路径规划仍旧是尚未解决的问题。涉及该问题的一个重要因素是机器人位置感知的概念（即机器人能采用“适当的”传感与建模方法进行自主整合、交叉，以及集成行为规划）。“适当”是指完整和准确的环境模型不能由机器人实时获取。相反，作出关于对象、环境、感知和机器人电机行为的推理是非常有必要的。这就会导致规划和运动规划之间的界限逐渐模糊。要规划一个运动，规划者需要协调传感和任务施加约束的运动。要鲁棒、可靠地实现任务目标，规划需要考虑任务环境的支持。这意味着，规划者需要考虑环境及环境当中对象之间的交互，将其作为规划过程的一部分。

比如，要拾起一个物体，可能有必要打开一扇门，进入一个不同的房间，推开椅子到达橱柜，打开橱柜门，推开障碍物。在这种新的规划范式内，任务以及任务与环境所形成的约束是关键所在；“运动规划”之中的“运动”是到达终点的一种方式。规划过程中考虑的约束来自于目标抓取、运动（比如脚步迈动规划）、机构的运动学和动力学、姿势约束，以及避障，在这些约束下的规划需要机器人系统具有实时性。

机器人的运动很容易由传感器的反馈导致约束条件的增加。最明显的例子就是接触约束和避障。因此，反馈规划和控制与规划的集成是满足与会学者提出的规划需求的重要研究内容。反馈规划器生成一种策略，直接将状态映射到行为，而不是生成特定路径或轨迹。这就保证了传感器、执行器和模型的不确定可以通过传感器的反馈得到解决。

在这种情况下，规划复杂性的增加要求多种新方法用于准确理解任务。在传统运动规划中，起始和终止两个配置状态就能对任务进行完全的描述，而现在需要进行的规划，则需要面对更加丰富的任务形式、操作任务，以及丰富的环境交互。

与会学者也认为，我们需要验证和确认规划结果的正规方法，并且保证机器人在人群密集区的安全操作。

传感和感知

对于机器人的几乎所有方面来说，传感和感知都具有相当的重要性，包括移动、操作、和人机交互。与会学者一致认为，在传感和感知方面的创新将根本地影响机器人学发展的速度。

与会学者相信，新的传感器，包括比当前传感器更先进、更高分辨率，以及低成本的版本，将成为发展更快的领域。举例来说，与会学者认为在抓取、移动以及稠密三维数据传感，包括激光雷达和颜色深度传感器传感等方面会有更大的进展。大范围环境场信息的鲁棒性和准确性对于机器人的进一步发展十分关键。灵巧抓取的进展可能在机械手用的类皮肤触觉传感器和更专业化的用于短程探测的深度和外观传感器等领域取得。与会学者也讨论了其他类型的传感器，如声学传感器和促进安全的传感器。这些传感器具有多种形式，比如距离传感器和温度传感器检测人体的存在；也有传感器作为驱动机构的一部分，如力矩传感器，同时也能够探测机器人和环境之间难以预计的接触，布置于整个机器人的类皮肤传感器也属于此类。

传感器的数据需要采用近乎实时的方式进行处理和分析，由于复杂和高度动态变化的外在环境受多种因素影响（包括昼夜的差别、雾、霾、刺眼的阳光等），需要提供能长期自适应感知的方法。与会学者认为，高层次物体建模、探测和识别、改进的场景理解，以及改进的探测人类行为和意图，需要使用多模式信息，如声音、三维距离数据、RGB图像和触觉数据的集成算法。同时，他们认为任务定制的算法（即整合规划算法与考虑动力学物理约束的算法）是最为迫切需要的。举例来说，关联识别的新算法对于在有人环境执行复杂抓取任务非常重要，在机器人感知算法中创造位置感知的环境模型也相当重要。

体系结构、认知能力

关于移动、操作、规划和感知等主题的讨论揭示了这些问题不能被单独解决，而必须考虑到他们之间的内在关联。一个系统如何工程化，有效地整合来自不同领域的特定技巧，实现安全、稳定、与任务关联，甚至是智能的行为，仍旧是机器人领域非常重要的开放性问题。在体系、认知和编程范式的名义下，以方法论甚至哲学观点的多样性，开展面向上述目标的研究，反映出了机器人研究群体对于如何处理这些挑战，缺乏足够的理解。观点的多样性也反映出当前解决这些问题工具的多样性，比如模仿学习，以及所谓的“认知体系显式编程”。一些与会学者感觉到，要实现期望的结果，可能需要将这些方面的知识与技术进行结合。

面向解决生成鲁棒自主行为的首要问题的经典方法之一，是传感/计划/行为环，通常由现代控制系统实现。在过去几十年中，当传感/计划/行为环成为机器人研究的常用方法时，一些与会学者认为，一些新方法将从上述最简单的方法中诞生。可能的替代方法是多层嵌入或分层循环结构与行为基本方法，多种方法的组合有可能成为全新的方法。

所有与会学者一致认为本领域的调查需要对自主机器人相关研究给予密切的关注。

人-机交互（HRI）

如果要实现移动机器人和灵巧机器人在有人环境与人共存和协作，那么就需要人机交互领域取得重要的进展。这些人机交互也将成为方法论的重要部分，以实现机器人行为的鲁棒性。机器人可以通过与人类的交互来学习新技能，但不论在何种条件下，机器人都应该知道与人通信的特性和要求。

除了讨论通信模式（语言的、非语言的、手势及面部表情等），与会学者确定了一系列研究问题，包括社交关系、表情（识别、表示、社交表情识别与建模）、肯定及信任。对人机通信多方面的理解应该导致人与机器人之间交互的自动建构，机器人系统能够依据任务与人类管理者之间交互的改变，而对自己的行动作出调整。

朝向这些目标的进步依赖于有效的输入设备和直观的用户界面。与会学者提议开发多种平台用于研究HRI，包括仿人机器人、移动操作平台、外骨骼，以及运载器。与会学者确定了一种设计/建造/部署循环。其中，设计过程应该考虑来自相关群体的输入，包括基本研究群体和终端用户。建造过程应该整合大量研究线索，使其成为一个系统。此系统中存在着工业合作和技术转移的机会。最后，整合的系统将部署在真实的环境中。与会学者提出了机器人城市的概念（见下一子节），将其作为一种前瞻性的方法，在现实世界环境中评估HRI。这一循环通过整合终端用户反馈和下一设计/建造/部署循环的迭代实验设计构成闭环。

研究架构

与会学者强烈地感受到，面向确定科学目标的快速进展将严重依赖于研究基础设施的普及程度（包括硬件和软件）。要解决上述研究挑战，有必要构建机器人平台，组合多种高级且具有交互性的机械构件，提供足够的移动、操作及传感的能力。这些平台将通过许多独立开发的，但相互关联的操作及软件进行控制。最终，这些集成机器人平台一定会超过一般独立研究群体那种容易设计、开发、测试和维护的复杂度。缺少软硬件平台的标准化也可能会导致一些研究成果的碎片化，影响评估的有效性，以及发表成果的难度，以及不必要的工程与集成工作的重复。

要克服这些挑战，与会学者提议，协调领域内的研究工作，进行软硬件系统开发。这些工作应该包括开发一个开放的实验平台，一方面使该平台能够以低成本支持广泛的研究项目，另一方面可以保证研究群体之间技术和软件的重复使用。例如ROS，一个由WillowGarage开发的机器人操作系统。该系统能保证代码的重复使用，并提供普通操作系统能提供的服务，比如底层设备控制、通用功能的共用、任务之间的消息传递等。在理想情况下，这种平台可以通过物理模拟软件的方式支持算法的早期开发和测试，而不用在研究人员的安全与硬件系统之间进行折中。开发工作也能从机器人整合开发环境（IDEs）中获益；这些IDEs增强了软件开发的模态，因而有助于代码复用和文档工作。

与会学者注意到，机器人研究几乎没有做过非常彻底的评估，也没有通过任何定义明确的、可重复实验的测试。在其他领域，比如机器视觉，由于有公共数据库，有助于给出在多种算法和系统之间相对客观的比较。因此与会学者建议，要建立并扩大实验数据库，将其作为本领域的基准。然而，由于机器人研究集中于机器人和环境之间的物理交互，电子数据集不足，应该通过由物理实体构成的特定技巧标准以获得补充，比如一些现成的实体可以作为抓取研究的基准。进一步来说，整个基准环境应该对开发、评估、以及与特定应用和实施进行比较。这样的环境应该涵盖大尺度和复杂性，从简单的工作台（办公桌或者吧台）到整个房间、一栋房屋，以至整个街区。讨论中提出了机器人城市的概念：一个常规的市区环境，所有居民都是实验的一部分，同时他们也能够辅助评估过程，涵盖有关居民日常应用环境足够需求的定义。

目前，许多提议的工作和软硬件整合的工作都不在现有的基金支持项目之内。与会学者认为，根据此次会议的讨论结果进行相关政策调整是有必要的，可以保证研究基础设施的供给不会成为日常环境中运行的机器人系统发展的瓶颈。

机械硬件

安全是机器人工作在有人环境中的一个关键因素。本质上讲，安全的机器人使人机交互可以顺利开展，同时增加机器人技术在日常生活中的接受程度。因此，与会学者认为具有更高力量重力比，本质更安全的电机和执行机构将代表一种重要的科技创新。对于这类机构，柔性将是一种令人期待的属性。柔性是指执行机构具有这样的一种能力，其能够根据接触外界环境时反作用力的大小调整自身行为。这些反作用力由于任务不同而发生变化。这种机构保证了安全操作，尤其是在与人交互时的安全性。同时还能保证与外界接触时的柔性、鲁棒性，以及行动的有效性。进一步来说，能量效率对于许多应用而言是关键考虑因素之一。户外环境经常展现高度变化的地形属性，而户外可能包括楼梯、梯子、坡道、自动扶梯或电梯。

高度灵巧的和便于控制的机械手是一个重要的研究领域。机械抓取和操作的进展与新型手机构的开发密切相关。与此同时，与会学者感觉当前机械手的潜能并未通过现存的抓取和操作算法得到充分挖掘。因此，可以想象，许多令人感兴趣的和相关的应用可以通过现有的抓取和操作硬件解决。
 
来源：网络 查看全部