智能制造与工业机器人——引领工业新变革
中国作为制造业大国，许多行业企业都深刻经历了从劳动密集型向技术密集型转变的过程，普遍都感受到制造业所面临的例如劳动力短缺、产能过剩、成本升高、市场不断个性化、需求产品技术和产品快速迭代等问题，与此同时，行业内的大多企业也受到来自成本和产品发展的竞争压力，因此现代全球制造业的制造模式无疑需要一场变革来应对这些问题。
而新的模式变革已经出现。第三次工业革命向第四次工业革命发展过程中，重要特征就是工业化和信息化的深度融合，德国称之为工业4.0，美国称之为工业互联网，我国称之为两化融合。两化融合的发展和工业制造业的重新兴起，将无疑为工业制造行业内的企业提供了巨大发展机会。
智能制造的发展就主要依赖于制造业和信息技术的深度融合，其主要表现在从设计到装备和生产、管理的整个企业信息化过程。
近年来，设计信息化已经得到了很多企业的重视。企业已经学会通过各种各样的设计手段来提高设计的数字化、智能化水平，使设计产品周期大大缩减，从而提高整个企业的创新能力。行业内许多企业都能感受到制造装备的信息化过程，即在整个制造业过程中，想要去提高设备制造的工作效率，一定会涉及智能制造装备，一定需要更多数字化、自动化和智能化。
生产过程的信息化也毋庸置疑。企业生产要提升效益，整个生产过程的数字化、智能化和信息化程度必然需要提高，管理信息化也同样需要提高。而信息化最终落实到企业，一定首先要实现数字化。包括整个企业管理过程的优化，以及在设计、制造、生产和企业管理过程数字化，在这些基础上，企业才可以真正把各种资源有效集中起来，从而提高企业竞争能力。
智能制造的发展，本质上是将信息化与制造业重新融合。在工业互联网条件下，传统的工业将会被重塑。从行业发展趋势来看，智能制造的转型将成为必然。
工业机器人技术现状
工业机器人作为制造业皇冠的明珠，其技术体现了一个国家制造业的发展水平。
我国工业机器人起步于70年代初，经过近20年的发展工业机器人产业已初具规模，不仅掌握了部分关键元器件的生产方式，还开发出弧焊、点焊、装配、注塑、搬运、喷漆、冲压等工业机器人。随着国产工业机器人在国内企业的应用，一些缺点也开始暴露，同质化成为该领域的通病。
工业机器人领域的“同质化”就是指市场上的机器人产品在性能、技术等方面十分类似。换句话说，各个厂商都在研制产品，实际上核心技术、生产目的都是一样的，所以市场上的产品雷同，没有表现突出、具有足够竞争力的产品。
而随着国内市场的不断变化，工业机器人产业俨然已经成为一股潮流，本土企业大量涌现，与工业机器人相关的自动化产业也迅速发展。虽然我国机器人产业发展迅速，但本土自主品牌企业仍面临技术困难，在产业链中处于长期不利位置。工业机器人的未来发展势在必得，在国内市场增速快，市场结构丰富，已成为国际机器人产业发展的巨大引擎。
机器人未来将形成几大技术融合发展趋势。
首先，未来视觉系统一定在机器人行业内是重要的。现在大多机器人带有一定的反馈，但这还不够，因为人的巨大信息量是来自眼睛，机器视觉相当于给机器人装上眼睛，机器人因此可做的事情大大增加。无论机器人还是智能制造系统，视觉是核心技术之一。整个视觉也是拓斯达重点布局的技术发展方向。
其次，人工智能技术将为机器人行业带来新突破。纵观人工智能机器人发展历史，从电气时代1.0，到数字时代2.0，和未来发展3.0，人工智能将给机器人带来革命性的影响。特别是智能生产线上，机器人采用人工智能技术将实现生产链的变化。
5G技术也将加速智能制造的发展。中国华为在5G方面做到世界领先地位，美国一直打压5G技术，可见其重要性。在智能制造领域，5G能加上很多方向设计、远程、运维、仓储、质量、管控等等，将会有大量的施展空间。目前拓斯达在5G技术应用已与华为有着深入合作。
未来控制器发展将是多技术融合。以中间芯片为核心，未来机器人需要装上眼睛、视觉、AI、5G等技术，所以未来控制器技术一定是多技术相融合的发展趋势。返回搜狐，查看更多
为什么说人工智能是第四次工业革命
[[234940]]
近两年，全球IT巨头纷纷布局人工智能领域：谷歌相继收购DeepMind、Kaggle为代表的人工智能公司、IBM打造Watson平台、百度进军无人汽车、阿里联合杭州市政府打造“城市数据大脑”、腾讯成立AI实验室……毋庸置疑，人工智能时代已经到来。之所以说它是一个时代，而不是单纯的“风口”，因为它的出现意味着第四次工业革命的序幕悄然拉开，人类历史即将再一次被颠覆!
“革命”本义指变革天命，后词义扩大，泛指重大革新，不限于政治，是一种彻底的颠覆，推动事物发生根本变革，引起事物从旧质到新质的飞跃。凡是可以冠之“革命”二字的，皆是引起深刻社会关系变革的重大事件，推动着人类历史进程的快速前进。工业革命之所以称其为“革命”，意义便在于此。
前三次工业革命：颠覆，还是颠覆!
第一次工业革命，开始于十八世纪六十年代。英国一名普通的纺织工哈格里夫斯发明了以他的女儿名字命名的珍妮纺纱机，纺纱效率和质量的提高为他们带来了日渐富裕的生活，他自己或许还没有意识到这项发明的伟大意义：成为工业革命开始的标志。而工业革命真正意义上的标志则是源于十年之后苏格兰数学仪器制造师瓦特的发明——蒸汽机，世界工业进入蒸汽时代。
从生产技术上看，机器取代人力，大规模工厂化生产取代个体工场手工生产。从社会结构上看，传统农业社会开始转向现代工业社会，使社会明显地分裂为两大对立阶级──工业资产阶级和工业无产阶级。从城市发展上来看，工业城镇兴起，开始了城市化进程。率先完成工业革命的西方资本主义国家逐步确立起对世界的统治，世界形成了西方先进、东方落后的局面，英国成为世界上第一个工业国家。
第二次工业革命，开始于十九世纪中期，以电力的广泛应用和内燃机的发明为主要标志。发电机的诞生使得人类历史从“蒸汽时代”跨入了“电气时代”，电灯、电车、电影放映机的相继问世为人类社会打开了全新的大门。内燃机的发明一方面推动了石油开采业的发展和石油化学工业的产生，石油也像电力一样成为一种极为重要的新能源;另一方面，解决了交通工具的发动机问题，推动了内燃汽车、远洋轮船和飞机的迅速发展。
从生产关系层面看，垄断与垄断组织形成,主要资本主义国家进入帝国主义阶段。从经济结构层面看，重工业有长足发展，且逐步占主导地位。从城市发展层面看，城市化进程进一步加快，同时带来了环境污染等问题。从生活方式层面看，品种繁多的家用电器走进千家万户，极大地丰富了人们的生活内容;新型交通工具的出现扩大了人们的活动范围，加强了人与人之间的交流。第二次工业革命促使世界市场最终形成，美国、德国成为世界性的经济中心。
第三次工业革命，开始于二十世纪中期，以原子能、电子计算机、空间技术和生物工程的发明和应用为主要标志。以原子弹、氢弹为代表的原子能技术进入新纪元，电子计算机的发明把人类从繁重的脑力劳动中解放出来，人造地球卫星的成功发射使人类跨入了航空航天新时代，分子生物学和遗传工程的出现则开启了一扇全新的生物科学之门。科学和技术密切结合，在推动生产力发展上发挥着越来越重要的作用。因此，第三次工业革命体现的是科技革命的概念。
从产业结构上看，第一产业、第二产业在国民经济中的比重下降，使得第三产业的比重上升。从城市结构上看，公共交通工具(例如公交)的出现使得城市空间向密路网、复合用地、开放街区、精明增长转变。从生活方式上看，汽车、飞机、铁路的高速发展和普及极大地增加了人们的出行距离，加之互联网、计算机的出现，使得世界成为触手可及的“地球村”。以美国为首的欧美发达国家成为世界经济的中心，科学技术成为世界各国争相抢占的制高点。
每一次工业革命都在颠覆性地改变人类文明进程的发展，产业、城市、生活乃至国际关系得以重塑，谁能抢占先机、顺势而为，谁才能有机会成为“革命”的弄潮儿，引领一个时代。
第四次工业革命：人工智能开启未来之门
历史的车轮继续向前，出现了与蒸汽机、电力、计算机的发明同等量级的新事物——人工智能，正在以迅雷不及掩耳之势席卷全球。什么是人工智能?大数据+机器的深度学习。大数据是人工智能的基础，通过大数据的收集分析为人工智能提供素材，机器基于素材的积累实现深度学习——以人的思维方式思考、解决问题。人工智能出现的意义绝不仅仅是机器人的批量生产与应用，而是作为核心驱动力驱动产业结构、城市形态、生活方式和科技格局的颠覆式变革。
对产业结构的改变：跨界整合，助力升级
一方面，围绕人工智能积极布局新兴领域，包括智能软硬件(例如语音识别、机器翻译、智能交互)、智能机器人(例如智能工业机器人、智能服务机器人)、智能运载工具(例如自动驾驶汽车、无人机、无人船)、虚拟现实与增强现实、智能终端(例如智能手表、智能耳机、智能眼镜)、物联网基础器件(例如传感器件、芯片)，形成人工智能主题的高端产业和产业高端的聚集。
另一方面，以人工智能推动制造业、农业、物流、金融、商务、家居产业在内的传统产业转型升级，形成智能制造、智能农业、智能物流、智能金融、智能商务、智能家居产业。通过智能工厂的推广大幅提高生产效率，推动人工智能在各行各业的规模化应用，全面提升产业发展的智能化水平。
对城市形态的改变：立体空间，高效管理
人工智能不是未来城市的全部，但从根本上影响城市空间形态与管理模式，是未来城市发展的核心驱动力。历史上畜力车、步行为主的交通方式决定了城市的道路窄、尺度小，汽车的出现则促使了以车行道为主的人车分流的城市设计，公共交通工具的出现使得城市公共空间大幅增加，未来以无人驾驶、无人机为代表的智能交通方式的普及则会推动城市立体空间(特别是地下空间)的充分利用，由此带来更加立体多面的城市尺度。
同时，人工智能会推动城市管理方式升级，包括智慧政务、环境监控、数字社区、应急指挥等，智慧基础设施遍布城市各个角落，通过大数据的采集、处理与分析，极大地提高城市管理的效率与准确率。
对生活方式的改变：高度自由，三生有幸
晨起洗漱的你在智能镜子上看到今天的天气预报、新闻提要和约会提醒;吃完早餐后，自己的全自动座驾已经停在门口，将目的地设置成办公地点，便可以安心地坐在座位上准备一天的工作了;上班的你不放心家里的宠物，打开手机看到它正和机器人管家欢快地玩耍;下班回家的路上，把家里的空调提前打开给自己营造一个凉爽的环境……这只是一个很小的生活片段，人工智能所带来的不只是脑洞大开的生活，更是“三生有幸”的生活方式。
人工智能渗透到生活的方方面面，把人们从繁重的脑力劳动中解放出来，实现物质和精神层面的极大丰富，有更多的时间去享受生活、体验生命。万物互联带来高度自由，人们通过搭乘智能交通工具可以迅速到达任何一个目的地，也可以凭借更加多元的社交媒体方式，和超越地理空间上的人交流。
对科技格局的改变：中国崛起，领跑世界
第一次工业革命，中国被动地开启近代化历程;第二次工业革命，中国面临空前的民族危机而丧失了追赶世界科技潮流的重要机遇;第三次工业革命，中国以追随者的角色在科学技术领域探索出了巨大的成就。而面对第四次工业革命，这一次，中国要做引领者。2017年7月8日，国家下发了《新一代人工智能发展规划》，不是以科技部、工信委或几部委联合下发的方式，而是国务院直接主导，这是一个鲜明的信号：中国正在举全国之力，抢占人工智能制高点。
而中国自身也的确具备领跑人工智能的条件和潜力。目前全球人工智能企业最为集中的三个国家分别为美国、中国、英国，三国的人工智能企业数量占全球总数的65.73%，其中“BAT”在人工智能领域的布局跻身全球第一梯队。中国人工智能专利申请数累计达到15745项，位列全球第二。中国人工智能论文引用量排名世界第一。中国人工智能领域融资规模约为26亿美元，远高于以色列和印度……这些数据的背后是中国强大人工智能实力的彰显，也决定了中国将凭借人工智能登上世界科技舞台。
人类文明的每一次进步，都伴随着科技的重大突破。轰轰烈烈的第四次工业革命大幕已经拉开，人工智能正在引领人类社会进入新纪元。我们应该为生在这样一个伟大的时代而感到骄傲，为中国能够扛起引领第四次工业革命的大旗而感到自豪。而面对人工智能开启的未来之窗，你准备好了吗?
人工智能≠机器人！
[[379103]]
随着科技创新成为时代主旋律，相信诸如“自动驾驶取代司机”、“50%以上的工作岗位将会被AI取代”以及“机器人大规模列装，无人工厂成真”之类的新闻标题早已充斥着各位的手机屏幕。
但这种技术名词的滥用往往会在不经意间使大众混淆“机器人”与“人工智能”（AI）两个概念。
机器人技术是AI的一部分吗？AI是机器人技术的一部分吗？这两个名词的区别是什么？通过今天的这篇文章，我们来解答这些问题。
人工智能正当时首先要说明的是，机器人和人工智能完全不是一回事，二者的目的非常不同。甚至可以说，这两个领域几乎是完全各自独立的。
人工智能（AI）是计算机科学的一个分支，它涉及开发计算机程序来完成原本需要人类智慧的任务。AI算法可以解决学习、感知、解决问题、语言理解和/或逻辑推理。
人工智能有两大类：通用人工智能（GeneralAI，AGI）和狭义人工智能（NarrowAI）,有时还会从通用人工智能中分化出远超人类的超人工智能（SuperAI）。
广义人工智能指的是与人类智力相当或更高的整体系统，它可以完成各种任务，从下棋到在商店里招呼顾客，再到创作艺术品。除了马斯克这样的乐观主义者外，大多数专家认为，我们距离看到可以超越人类的AI还有几十年的时间。
当下，实现通用人工智能最根本的障碍是，人类首选需要了解所谓的“智能”是如何运作的，然而这是一个巨大的难题，亟待脑科学方面的突破。
但人类在狭义人工智能领域已经取得了相当大的进展。在现代世界中，狭义人工智能（或弱人工智能）被用于许多方面，这些系统可以在严格的参数内执行离散的任务，例如：
图像识别（Imagerecognition）：最典型的是公安机关的“天网”系统；自然语言处理（Naturallanguageprocessing）：苹果的Siri、阿里巴巴的“天猫精灵”和百度的“小度”等AI助手的语音识别；信息检索（Informationretrieval）；各大搜索引擎；利用逻辑或证据进行推理（Reasoningusinglogicorevidence）：金融机构用于抵押贷款核销或确定欺诈的可能性。不难发现，这些任务可以归纳为三类智能：感知、推理和沟通，而且大多数AI程序与大众想象中的“机器人控制”并无关系。
以苹果的Siri语音助手为例，首先，它使用语音识别算法来捕捉人们的问话（“感知”），然后使用自然语言处理来理解这串词的含义并确定一个答案（“推理”），最后使用自然语言生成这个答案并将其转达给用户（“沟通”）。
[[379106]]
人工智能的历史演进那么人工智能系统是如何走到这一步的呢？
自从20世纪40年代艾伦·图灵（AlanTuring）和他同时代的科学家开发出第一台复杂的计算机以来，思维机器的概念就已经存在了。
艾伦·图灵
[[379107]]
1956年的达特茅斯学院大会通常被认为是AI发展的里程碑时刻，当时计算机科学家们聚集在一起，在“人工智能之父”马文·明斯基（MarvinMinsky）的推动下，将人工智能作为一个独立的领域进行研究。
马文·明斯基
[[379108]]
然而，尽管早期该领域获得了科学家的广泛热情和各界大量资金支持，但人工智能的最初进展依然步履蹒跚，慢的令人失望。
DARPA（美国国防部高级研究计划局）曾在20世纪60年代向高校体系投入了数百万美元，希望机器翻译能够增强其反间谍能力，但由于机器翻译领域缺乏进展，他们的态度也变得消极。
与此同时，在英国，1973年由詹姆斯·莱特希尔（JamesLighthill）领导的一个人工智能政府委员会提出了严重的质疑，认为人工智能研究领域只会以渐进的速度发展。
其结果是，美英两国乃至整个西方世界的政府资助被大幅削减。
整个20世纪，人工智能在政策制定者和公众意识中的地位一直是起起伏伏。往往是一个新的发展会引发一波热情和资金的激增，但由于承诺的创新未能实现，人们的兴趣又急剧下降，进而导致失去资源支持。
为什么人工智能在20世纪进展如此缓慢？究其原因与研究人员在开发软件时采用的方法有关。
20世纪的大多数人工智能应用都采取了专家系统的形式，这些系统基于一系列精心开发的“if-then”规则，可以指导基本的决策。
虽然专家系统对于处理一个包含的任务很有用（比如在ATM机中取钱），但它们却很难处理那些不容易被编入规则的请求。
例如，很难编写规则来确定一个类似人类的物体是人体模型还是真人，或者核磁共振扫描（MRI）上的深色图案是肿瘤还是良性组织。这些任务往往依赖于那些难以表述的“隐性知识”。
只有当新的人工智能方法投入使用时，才取得了重大突破，而机器学习（MachineLearning）就是这类“新方法”中最具代表性的一个。
机器学习不需要从头开始编写规则，而是通过使用现有的数据（例如，图像被标记为人体模型或真人，MRI扫描被标记为恶性或良性肿瘤）来“训练”算法。
[[379110]]
反过来，这些算法每检测出一种模式，就会创建一个通用规则来理解未来的输入，以此形成良性循环。目前，机器学习算法已被应用于多个领域，从发现银行欺诈交易到帮助人力资源团队在招聘员工时筛选简历申请，任务多样。
过去的十多年里，机器学习在一直在人工智能领域独领风骚。但在最近的几年，人们的注意力已经转向了机器学习的一个子领域——深度学习（DeepLearning）。
深度学习系统是由“人工神经网络”（ArtificialNeuralNetworks）组成的，它有多层，每一层都被赋予了对图像、声音或文本中不同模式进行理解的任务。
第一层可以识别原始模式，例如图像中物体的轮廓，而第二层可以用来识别该图像中的颜色带。数据通过多层输入，直到系统能够将模式聚类为不同的类别，例如物体或文字。根据伦敦国王学院的一项研究，当使用核磁共振扫描的原始数据时，深度学习技术将大脑年龄评估的准确性提高了一倍以上。
而除了以上方法外，其他重要的人工智能方法还包括监督式学习、强化学习和迁移学习：
监督学习（Supervisedlearning）：算法一开始就可以通过监督或者非监督式学习两种方式进行训练。
监督式学习意味着算法被赋予标记数据，它们从这些数据中提取模式，得出一个通用的规则来理解未来的数据。大多数机器学习和深度学习算法都是使用监督过程来训练的。非监督式学习是指给算法提供未标记的数据，并自行发现模式。例子包括营销公司使用的人群细分，以及一些网络安全软件。
强化学习（Reinforcementlearning）：有些算法只编写或训练一次，而强化学习则是利用正反馈机制，在使用过程中不断调整和改进算法。
短视频和网购中的推荐系统就是强化学习的一个例子。每当消费者购买一件产品（一本书、一条记录或一件衣服）时，算法都会自动调整，以便在未来推荐时将这些行为考虑进去。
迁移学习（Transferlearning）：迁移学习是指将一个在某一领域开发的算法进行修改，以用于另一个领域，而不必从头开始，也不必将大量原始数据和标签数据作为来源。
要说明的是，上述人工智能的方法并不一定是相互排斥的，往往可以结合使用。
机器人的世界说罢人工智能，再来谈谈机器人（Robotics）。机器人学包括设计、制造和编程能够与物理世界互动的物理机器人。机器人技术中只有一小部分涉及人工智能。
通常，构成机器人有三个重要因素：
机器人通过传感器和执行器与物理世界进行互动；
机器人是可以编程的；
机器人通常是自主或半自主的。
因此，虽然拖拉机、建筑挖掘机和缝纫机有运动部件，可以完成人工任务，但它们需要人类长期（如果不是连续）监督，所以不属于机器人。
相比之下，仓库里的拣货和包装机器，以及升降和搬运病人的“护理机器人”，都是在部分自主的情况下完成任务的，因此它们会被归为机器人。
“机器人”一词最早出现在1921年卡雷尔·卡佩克（KarelCapek）创作的一部科幻剧中，该剧讲述了在一个社会中，克隆人被当做奴隶，结果机器人推翻了主人的故事。
[[379111]]
直到20世纪50年代，机器人仍是科幻小说的专利，彼时全世界第一家工业机器人公司Unimation刚刚成立。它发明了一种突破性的近2吨重的机械臂，可以根据预先编程的指令取放物品，是工厂里搬运重物的理想选择。
1961年，Unimate机器人在通用汽车公司首次亮相，它被用来运送热的压铸金属件，并将其焊接到汽车车身部件上。
不久后的1969年，机器人先驱维克多·舍恩曼（VictorScheinman）开发了斯坦福臂（StanfordArm），这是世界上第一个电动关节型机器人臂。它被看作是机器人技术的一个突破，因为它在6轴上操作，比以前的单轴或双轴机器有更大的运动自由度。
[[379112]]
斯坦福臂标志着关节型机器人革命的开始，它改变了制造业的装配线，并推动了包括库卡（Kuka）和ABB机器人在内的多家商业机器人公司的发展。
多年来，关节型机器人已经承担了从焊接钢材到组装汽车，再到给白色家电加漆等各种各样的功能。国际机器人联合会（InternationalFederationofRobotics）估计目前全球工业机器人的数量为270万台。
走出藩篱的机器人在20世纪的大部分时间里，机器人行业仍然集中关注关节型机械臂。然而，正如人工智能领域一样，在千禧年之交，情况开始发生变化。
本田公司的ASIMO机器人于2000年亮相，是首批能够用两条腿行走、识别手势和回答问题的人形机器之一。
[[379113]]
三年后，KIVA系统公司（现在的亚马逊机器人公司）成立，提供移动机器人，可以在复杂的配送仓库内穿梭运送货物和托盘。
2000年代初，也是自动驾驶汽车从实验室测试走向道路试验的时期。特别具有象征意义的是2004年DARPA的挑战赛，这是同类奖项中的第一个。任何人只要能够让自动驾驶汽车跑完230公里的赛道，就可以获得100万美元的奖金。
虽然这些机器人的功能、大小和环境各不相同，但它们都有一个共同的特点：可移动性。20世纪的关节型机器人往往只能固定在一个地方，但21世纪的机器人已经动了起来。
其中一个驱动因素是人工智能和机器人技术的共生，复杂的软件让物理机器有能力处理无法预料的环境和事件。例如，强化学习意味着机器人现在可以模仿和学习人类。此外，将数据存储在云端意味着机器人可以与网络中的其他机器人学习和共享经验。
另一方面，机器人技术的进步也得益于硬件的创新。传感器的改进使机器人具备了在非结构化环境中导航所需的视觉感知能力。与这些传感器能力相匹配的是丰富且不断增长的物理世界数据库，包括新的3D图像数据集，如谷歌或百度的3D街景地图。
最后，材料科学也在飞速发展。硅胶和蜘蛛丝等更好的材料使机器人外观看起来更锐利，而由压电晶体管制成的“机械毛发”则像人的皮肤一样敏感。此外，液压泵也有改进，不仅摩擦力极小，而且可以实现卓越的控制水平。
综合以上的因素，结果是机器人不再局限于工厂，而是可以在医院病房、商店楼层和城市街道等各种环境中漫游。
更可喜的是，即使在工厂里，机器人也在不断进化。最新的机器被称为“协作机器人”（co-bots），其设计目的是与人类工人协同工作，例如从料箱中拣出零件，从生产线上取出不良品，并完成简单的工作，如拧螺丝、涂胶和焊接。
[[379114]]
另外，它们也非常容易重新编程，因此对小批量生产的企业很有吸引力，并且它们还具有扭矩传感器，可以在人类接触的情况下保持不动。麻省理工学院与宝马公司合作进行的研究发现，机器人与人类协作比人类单独工作的工作效率高85%。
纵观机器人技术的发展，可以看出现在的物理机器人主要有五种类型：
关节型机器人（Mobilerobots）：固定式机器人，其手臂至少有三个旋转关节，这种机器人通常出现在工业环境中。协作机器人是关节型机器人的最新迭代。
移动机器人（Mobilerobots）：轮式或履带式机器人，可以将货物和人员从一个目的地运送到另一个目的地。自动驾驶汽车是移动机器人能力的巅峰。
人形机器人（Humanoidrobots）：与人类生理上相似并试图模仿人类能力的机器人。软银声称其Pepper机器人是第一个能够识别人类情绪并相应调整其行为的机器人。
假肢机器人（Prostheticrobots）：可以穿戴或操作的机器人，让人们获得更大的力量，包括残疾人或从事危险工作的工人。大众更熟悉的名词是“外骨骼”。
蛇形机器人（Serpentinerobots）：由多个部分和关节组成的蛇形机器人，可以极其灵活地移动。由于蛇形机器人能够穿越困难的地形和在狭窄的空间中移动，因此在工业检测和搜救任务中得到了应用。
人工智能机器人：机器人和AI的桥梁从以上的描述可以了解，大多数机器人都不是“智能”的。即使AI被用于控制机器人，AI算法也只是更大的机器人系统的一部分，该系统还包括传感器、执行器和非AI程序。
直到现在，所有的工业机器人都只能通过编程来进行一系列重复性的动作，这些动作显然并不需要人工智能。然而，非智能机器人的功能相当有限。
当你想让机器人执行更复杂的任务时，人工智能算法是必要的。
[[379115]]
例如，仓储机器人可能会使用路径搜索算法在仓库周围导航；无人机可能会在电池快用完的时候使用自主导航返回家中；自动驾驶汽车可能会结合使用人工智能算法来检测和避免道路上的潜在危险。这些都是人工智能机器人的例子。
未来会怎样？如果要问我人工智能和机器人技术这两项技术在未来几年和几十年将如何发展，恐怕很难给出好的答案。深度学习算法可能会走入死胡同，而仿人机器人也可能只是一种幻想。
有观察家已经提出，全球范围内的人工智能泡沫正在膨胀，而机器人的“人工”程度超过了“智能”程度。
但我们可以比较肯定地说，只要算力、数据采集和存储、通用基础设施以及研究投资没有停下来，那么这些技术将继续以这样或那样的方式继续发展。继那之后，我们更应该警惕的是AI、机器人以及二者结合后所产生的社会性影响。
参考资料：
[1]https://medium.com/@thersa/what-is-the-difference-between-ai-robotics-d93715b4ba7f