智能机器人技术应用与发展趋势
王耀南院士在2020国家机器人发展论坛作报告
作者简介：王耀南，中国工程院院士，湖南大学教授。1981年毕业于东华理工大学电子计算机系，1989-1995年获湖南大学工业自动化系硕士、博士学位，1995-1997年国防科学技术大学自动控制系博士后研究，1998-2001年德国Bremen大学自动化系德国洪堡学者，2002-2004年德国Bremen大学BIBA研究所，欧盟第五框架国际合作重大项目首席科学家。2001-2020年担任湖南大学电气与信息工程学院院长，2014年任机器人视觉感知与控制技术国家工程实验室主任，2015-2020年湖南大学机器人学院院长。
国家“百千万人才工程”入选者、中国自动化学会会士、中国计算机学会会士、中国人工智能学会会士、国家863计划智能机器人领域主题专家。中国图象图形学会理事长、全国智能机器人创新联盟副理事长、中国自动化学会常务理事、中国人工智能学会监事、教育部科技委能源与交通学部委员、湖南省自动化学会理事长等。
长期从事智能控制与机器人技术的教学和科研工作。成果获国家技术发明二等奖1项、国家科技进步二等奖4项、国际IEEE机器人与自动化领域“工业应用最高奖”。培养博士70余名（含IEEEFellow、长江学者、国家杰青等），发表IEEE等SCI论文160余篇，出版著作12部，获国家发明专利80余项。获得全国高等学校优秀教师、全国五一劳动奖章、全国先进工作者、全国创新争先奖等荣誉称号。
一、发展机器人的意义和目的
智能机器人发展永远在路上。我国东汉时期就出现了驾驶车马车，可以说是世界上最早出现的无人驾驶车，随着现代工业的发展，机器人进入第二个阶段开始为工业服务，20世纪机器人进入第三阶段即智能机器人时代。
人类在最早进入现代工业时代时，便将机器人应用到工业领域，使用工业机器人进行生产活动。由于劳动力极度短缺，二战后日本、美国和德国大范围应用机器人替代人工，因此，二战后的60年代这些国家就发展了工业机器人。
随着机器人的诞生，其越来越多的应用到汽车制造过程中，机器人技术发展到现在，正朝着工业4.0的目标大步前进。目前的机器人还只是自动化的装置，并不是真的智能机器人，未来需要的是真正智能的机器人。
机器人是制造强国的重要工具，机器人能够高效的完成焊接、加工、测量、检测等，尤其是我国，国家重大装备制造、例如航空及航天制造等方面离不开智能机器人，其在室内的使用也具有广泛前景。除此之外，机器人对国家民生工程方面也起到了至关重要的作用，机器人能辅助和替代人类完成危险的工作环节，能从事复杂、重复性高且耗时的任务，在大型工程建造、大型桥梁建造、应用维护、海洋开发、太空探索及智能制造中都发挥了极大的作用。机器人是国家重大工程建设的基础设施，是“新基建”建设中的重要时代脉络。
发展机器人最重要的在制造业，机器人能够解决制造业中的许多人工难点和痛点问题，例如人口老龄化、招工困难及制造难，产品迭代更新、小批量、多品种制造等方面的问题，同时也可以有效解决劳动力短缺、人口老龄化等问题。
二、国内外机器人的发展现状
当今世界各国都在大力发展机器人技术，如美国的机器人计划2.0，德国、欧盟的工业4.0计划、中国制造2025以及日本的机器人战略，以推动机器人向着高端制造、智能制造进军，抢占制高点。
从美国战略2.0可以分析，美国战略2.0强调多机器人之间相互交流和协作，打造机器人感知。德国工业4.0更多强调智能工厂，打造智能强国，在智能生产线、智能车间、智能工厂当中发挥机器人作用，通过信息物理系统将机器人融合到生产线中。欧盟期望打造机器人的协同，强调机器人之间的协作和面向医疗、人类生命健康的机器人及手术机器人。
中国机器人近十年来的发展可以分为两个阶段，前五年基本上在产业发展期，目前已经进入高端期。机器人是“制造业皇冠顶端的明珠”,其研发、制造、应用是衡量一个国家科技创新和高端制造业水平的重要标志，要把我国机器人水平提高上去。因此，我国需要将国家机器人产业提高上去，占领更多的市场，发展机器人技术和产业已经成为我国的重大战略需求。“中国制造2025年”和《新一代人工智能发展规划纲要》等的发布就是要推进智能机器人发展，为国民经济和国家重大战略、国家重大工程服务，围绕机器人发展，各地政府和地方出台了很多政策，其中就包括深圳市，深圳市在服务机器人领域的发力非常明显。
三、智能机器人的关键技术
机器人（Robot）是一种可以自动执行操作或者移动作业的机械装置，它具有感知、规划、决策、控制等功能，能够完成人类难以完成的任务和重复、枯燥、危险或在恶劣环境下的工作。
从用途上机器人可以分为，工业机器人、农业机器人、医疗机器人、巡检机器人等；从空间上可以分为有陆、海、空等机器人。其中，工业机器人是主力，其次是水下机器人、空间机器人等。
不管机器人有多复杂，不管是何种类型的机器人，它都是一个自动化的系统，具备感知系统、决策系统和控制系统。机器人的关键技术主要就是四部分：本体机构、感知、决策和执行技术。用自动化的语言来描述即机器人是一个感知、决策和执行的反馈控制系统。
机器人也涵盖了许多的交叉学科，如机械工程、人工智能、控制科学、计算机、电子、材料以及多学科交叉融合。机器人在今天无处不在，被广泛应用到制造业、物流业、医疗行业、人类生活服务、海洋、航空、航天等领域，其在汽车制造和电子制造中也发挥了极大的作用。
四、机器人的未来发展方向
在装备制造业，大型复杂系统的构建，例如航空航天器的制造等方面，也需要多机器人的协同装配。除此之外，探月机器人等空间机器人近两年也发展迅速，因为各国都在竞争太空资源，还有用于海洋的辅助、打捞、水下探测等的海洋机器人，应用于恶劣环境下的科技考察的科研机器人，例如珠穆朗玛峰的攀登等在未来可使用机器人进行。
2020年新冠疫情爆发后，医疗机器人也将成为未来机器人发展的主攻方向，如开发出测温-诊断智能机器人、智能消毒机器人、医药物资搬运智能机器人等疫情应急防控机器人、助力机器人和防疫机器人等。脑机接口机器人是十大机器人热点问题之一，军用机器人、特种作业机器人也是未来的重大发展方向。
在科学杂志发布的机器人十大挑战和方向中，智能机器人是其中最重要的一个方向，包括脑机接口、社会交互、医疗、多机器群等都是智能机器人的发展方向。智能机器人网络、交互两个特征，体现出了智能化自主感知功能。机器人必须具备五大要素：感知、规划、决策、运动、自学习，其中智能感知、智能协作规划和智能精准控制是机器人的三大核心技术。
在机器人智能感知方面。设计完整的机器人视觉感知系统，打造微传感、高智能化的感控一体的芯片是十分重要的发展方向，其中也有诸多的工作要做。其将在机器人的三维识别、SLAM技术，机器人测量等方面的应用产生深远的影响。
在机器人控制技术方面。机器人的柔顺控制、机器人智能控制和多机器人协同控制都是当下的研究热点。其应用中都体现出了基于深度学习、强化学习的机器人控制技术。任务分配、复杂任务精准配置、网络控制和控制弹性，在抵御网络攻击的情况下保证系统有条不紊的工作都是机器人控制技术需要研究的内容。
机器人除了智能感知和智能控制，还需要稳定有效的关节，机器人关节是其执行机构的关键部件。机器人要完成复杂的任务作业还需要有灵巧的手，无论是医疗、工业、航天，还是海洋机器人都要用手来完成复杂的作业任务，因此灵巧的手是机器人的第四个关键技术。
基于四大技术可以把机器人集成创新，形成机器人系统应用，可以打造工业机器人、服务机器人、特种作业机器人，将其应用到不同领域。设计机器人的协同、调度、柔性自动化生产线，在制药、饮料等行业应用机器视觉，在汽车制造、电子装配的某些工序等方面使用机器人替代人工等方面都是未来的发展方向。
目前的机器人还处于工业1.0、2.0的阶段，未来机器人应该是机器人3.0，除了具备目前的功能外还要具备情感交互、人机协作、自学习、人机交互、语义分析和自然语言理解等方面的功能，这样才可以真正成为智能服务机器人，未来还期望机器人发展成自主服务机器人，进阶到4.0阶段。这其中有大量的工作需要完成，需要将AI技术，感知能力、记忆能力、学习能力、决策能力有机加入到机器人，让机器人具备一个智能化、自主网络控制系统，形成机器人大盘。发展机器人，人工智能是其中的关键，人工智能三大核心技术，感知技术、认知技术、行为控制技术是决定智能机器人的未来。
未来机器人的应用将面向网络协同化制造，基于柔性的自动化生产线进行小批量、多品种和个性化的制造。其需要具备数字化、网络化、智能化的特征，具备工业互联网络架构下的智能制造，形成从产品设计、研发、制造到服务的全流程智能制造。网络化协同制造可以满足个性化的生产与服务模式，以及复杂多变的作业环境与任务，是未来工业向智能化生产发展的趋势。机器人将在其中扮演重要作用。
在5G到来的时代背景下，在通讯速率提高，宽带、时延减少的云空间下，借用5G技术打造新一代智能网联电动车、智能无人飞行器、智能网联电动车也是未来城市美好的生活向往，即打造智能网联、无人驾驶、无人码头、机场。
人机交互也是非常重要的发展方向，人机协作模式将人的优势（智慧性、灵巧性）与机器人优势（高速率、高精度）深度结合，实现人机柔性作业，解决机器人部署成本高、柔性不足的问题。在工业、农业或者精准医疗方面都有极其重要的应用场景，它是将人工智能与机器人有机结合的强力纽带，其中包括语言识别、物体识别、语意理解、情感分析、意图理解以及决策层具备多模态交互、步态识别和交互等。
未来机器人发展一定是网络化、自主化、协作化、灵巧化的，同时机器人发展需要一个规划好的可执行性的战略，还要有创新的环境和下一代机器人的标准和技术，最关键的是要着力培养一批高水平科研带头人和产业队伍人才。
IEEE Fellow李世鹏 ：人工智能与机器人前沿研究之思考
作者 |维克多编辑|青暮
2021年12月9日，由粤港澳大湾区人工智能与机器人联合会、雷峰网(公众号：雷峰网)合办的第六届全球人工智能与机器人大会（GAIR2021）在深圳正式启幕，140余位产学领袖、30位Fellow聚首，从AI技术、产品、行业、人文、组织等维度切入，以理性分析与感性洞察为轴，共同攀登人工智能与数字化的浪潮之巅。大会次日，思尔实验室主任、前深圳市人工智能与机器人研究院执行院长、国际欧亚科学院院士、IEEEFellow李世鹏在GAIR大会上做了《人工智能与机器人前沿研究之思考》的演讲。李世鹏博士，IEEEFellow，国际欧亚科学院院士。历任深圳市人工智能与机器人研究院首席科学家和执行院长、科大讯飞集团副总裁及讯飞研究院联席院长、微软亚洲研究院创始成员与副院长。李院士在多媒体、IoT及AI等领域颇具影响力。他拥有203项美国专利并发表了330多篇被引用了的论文（H指数：82）。被Guide2Research列为世界顶尖1000名计算机科学家之一。培养出四位MITTR35创新奖的获得者。是（科技部）新一代人工智能产业技术创新战略联盟发起人之一及联合秘书长。在演讲中，李世鹏介绍并展望了人工智能与机器人前沿研究方向，他指出：未来机器学习突破深度学习的数据瓶颈或许可以借助认知科学的方法得到突破，学习范式可从依靠“大数据”转变成依靠“大规则”；人机协作也要进化为人机“谐”作，只有将耦合、交互、增强、互补等目标纳入研究方向，才能实现人机的无缝连接。以下是演讲全文，AI科技评论做了不改变原意的整理：今天的演讲题目是《人工智能与机器人前沿研究之思考》，分为三个部分，先谈人工智能和机器人研究全景，然后聚焦研究方向，包括机器学习、运动智能、人机谐作、群体协作；最后进行总结。
人工智能相关研究的关键元素有三个：人、机器人/物联网以及AI。之所以将机器人和物联网归为一类，是因为这两者是物理世界和虚拟世界的接口。如果三个元素两两之间发生联系就会形成一个新的学科，例如机器人和AI相结合会产生智能体，AI和人类相结合会产生人机耦合以及增强智能，而机器人和人类相融合会形成增强机体。随着人工智能与机器人领域的发展，研究对象不再局限在单个智能体，而是越来越多地对多个智能体的协作进行研究，例如人类社会群体如何更好地相融合？如何设计出能够精妙协作的机器群体？总体而言，我认为重要的基本研究方向是：机器学习、运动智能、人机谐作、群体协作。
1聚焦方向之机器学习机器学习的发展离不开深度学习加持，它给行业带来许多研究成果，并赋能了语音识别、人脸识别、物体识别、自动驾驶等方面，推动人工智能产业高速发展。虽然成果颇丰，但成也萧何败也萧何。深度学习依赖于大数据，其瓶颈也在于大数据。例如国内的智能语音技术尽管处于行业领先，但仍依赖技术积累和数据积累。现在想要让深度学习发挥巨大威力，仍然需要大量数据的加持，如果想让深度学习从一个领域扩展到另一个领域，也少不了数据支撑。
如何突破？研究者已经探索了多条路径，其中一个解决方案是：扩展深度学习框架。例如优化深度学习算法、知识图谱+深度学习、专家系统+深度学习等等。另一条路径是因果推理，其目标是借助人类举一反三的能力，期望超越数据之间的相关性，进而探索数据之间的因果性，从而得到数据之间的逻辑推理。第三条路径是类脑计算，从生物学角度，探索人脑认知元素和机制，以仿真方法再现人类大脑。个人认为认知科学是突破深度学习框架的着力点。理由是人类认知过程有两点需要我们去进一步借鉴：生而知之、学而知之。生而知之是指部分认知能力与生俱来，新生儿的脑神经有很多先天的连接。它给我们的启示是：现在的大多深度学习算法，大部分都是从零开始训练，而没有充分或者高效利用先验知识或者已有模型。如何利用“现有知识”是深度学习的下一个热门方向。学而知之是指大部分认知能力是后天学习到的，尤其是早期学习。通过学习脑神经建立了更多的连接。孩子很多能力，包括感知、应对、语言、读写和理解，甚至分析问题和解决问题的思路和能力在很小时候已经基本定型；以后基本都是知识的积累。这意味着脑神经元很早的时候就连接定型成一个元模型，剩下的是只是利用这个元模型去解决具体领域的问题。这个与当前的大规模预训练模型有着惊人的相似之处。学而知之的另一层次是：人类学习过程依靠多源的、多传感的、多模态的、多角度的数据，例如视觉、听觉、嗅觉、触觉和语境等联合信息，而今天的深度学习依靠大都是一段语音、一张照片，因此，未来AI模型的输入数据可能不仅是单一的数据，而是多个信号源的融合。如何模仿人类学习的过程，这是认知科学对深度学习的另一个启示。再者，人类学习过程是一个从样本示例到原理归纳的过程，而不是仅停留在样本示例层面；目前深度学习却都是停留在样本层面。那么，未来是否能够构造类人的机器学习框架，无论输入什么样的数据，只要逻辑相通，都会收敛到一致的模型？突破深度学习的数据瓶颈，可以尝试构建规则的众包系统，让人类教机器学习过程，其目的不是输入数据，而是让机器学习规则。由于我们试图从日常的活动中学习规则，这种规则普通人都可以标注示教，这就打破了以前专家系统地需要“专家”的局限。这种从“大数据”过渡到“大规则”模型构建方式显然也更符合人类的认知。2聚焦方向之运动智能众所周知，在机器人领域，波士顿动力公司的产品最“像人”，如上动图，机器人跳舞丝毫看不出生硬的感觉。但受计算资源、能量、运动控制的限制，它只能运行几十分钟。其实，波士顿动力机器人的运行方式是基于电机驱动，存在很多缺点，例如刚性运动、自重比较大、反应速度和灵活性的矛盾以及耗能大。
对比人类和其他动物的运行方式，肌肉、骨骼、传感和神经的结合可以在低能耗情况下，实现灵活运行。这给研究者的启示是，机器人的运行系统应该像人一样满足：高效、灵活、精确、鲁棒、刚柔并济、轻量、自适应等指标。当前的运动智能可能在某一个维度表现优秀，但综合考量仍然有很多缺点。因此，运动智能的一个重要研究方向是：仿生。仿照动物的运动智能，例如运动控制采用逼近反馈式，运动过程视变化随时灵活调整。如果说机器人是靠“内力”驱动，而医疗微纳米机器人是“外力”研究方向的代表。例如依靠磁力，小机器人精确地将药物从一个管道运送到另一个管道。3聚焦方向之人机谐作在人机谐作层面，区别于协作，“谐作”代表人机协作中的耦合、交互、增强、互补、协作、和谐等意思。人机谐作的目标是：不需要告诉机器人类的意图，机器就能领会，从而达到人机的无缝连接。在达成人机谐作的过程中，重点研究人机自然交互、感知及增强。具体可能包括：生物特征检测和识别、人机接口、脑机接口、语音识别、动作识别、表情识别、语言理解、意图理解、体态感知、无隙增强，以及在扩展现实与远程现实的延伸等等。人机增强智能方面，今天的机器学习框架大都是基于大数据的深度学习框架，肯定会遇到机器智能处理不了的情景。这对于某些高风险领域，例如自动驾驶、金融等来说是致命的。针对这一问题，当前的解决方案是“人类接管”。这会涉及三个核心问题：核心问题1：机器智能如何感知自己处理不了一些情况，而主动要求人来接管？核心问题2：什么时候人类可以完全放手给机器自主完成任务？核心问题3：什么样的人机交互设计能充分发挥人和机器各自的长处，同时又无需非必要地麻烦对方？三个核心问题如果无法解决，会导致一些困境。例如，以自动驾驶为例，目前安全员并不是开了“自动”功能就一劳永逸，仍然需要时时监测路况与路线，一刻都不能分神。这其实增加了安全员的负担，因为在没有自动驾驶的时候，人类对自己的驾驶环境会有一定的预测，而机器驾驶的情况人类无法预测。人机增强机体也属于人机谐作的一个领域，能够帮助人类增强物理机体能力，完成一些人类自身体力完不成的事情。但机器可能过于复杂，需要人类培训后才能操作。人机增强机体的未来目标是实现人与机器和谐共处，操控起来如同人类的自己的器官一样自然。其中，涉及的核心研究课题包括：机器感知人的意图、人的姿态、理解人的自然语言命令、肢体语言等等，从而让机器以最适合人类接受、恰到好处的平滑方式帮助人解决问题。4聚焦方向之群体协作目前单智能体已经可以完成许多任务，但如何发挥每个智能体集合起来的威力？这涉及群体协作的研究方向。在仓储场景下，存在许多抓取分类的机器人，如果能够有效调度，那么必将大大提高工作效率。当前主流的调度方式是中心化的控制方式，但面对成千上万的规模的智能体，则需要非中心化的控制，允许智能体之间存在自主行为，在相互协作的同时，还能“做自己的事”。即单独的有智能可独立行动的智能体，通过协作而达到的更高效的群体/系统智能和行为。智能体群体协作目前涉及的规则包括，群体行为模型和激励机制、群体智能协同决策。这一方面，蚂蚁是我们的学习对象。另外，在自动驾驶方面，越来越多自主驾驶机器人出现，它们之间如何做到协同感知和协同控制也是当今热门话题。上述四个方面属于基础性的研究，任何一个领域出现了突破，那将对其领域以及下游应用而言都是革命性的突破，也将带来工业数智化原创技术的创新，会让我们在竞争中占领优势地位!雷峰网雷峰网雷峰网原创文章，未经授权禁止转载。详情见转载须知。
人工智能在机器人领域的应用与发展
近几年来，随着不少国家将人工智能提升到战略高度，人工智能取得了飞速的发展。人工智能关键技术在基础理论研究方面不断深入，某些领域有了突破性的进展，在转化应用方面，更是遍地开花，硕果累累。
新一代人工智能的8项关键共性技术具有极其广泛的应用，概括起来应用可以分为两种情况:
（1）每种技术都可以应用到许多领域。
（2）许多高技术的产品或先进制造技术系统中，都转化应用了人工智能的多项关键技术。
在人工智能关键技术的转化应用中，最典型的，非智能机器人莫属。
人工智能技术涉及的多个方面都与智能机器人有关，许多人工智能需要解决的问题正是智能机器人技术需要解决的问题，人工智能的很多成果也在智能机器人上得以体现。
人工智能在机器人领域的六大应用
01
人工神经网络在机器人定位与导航中的应用。人工神经网络具有融合多元信息资源的功能，在智能机器人定位和导向环节具有较高的应用频率。
02
专家系统在机器人控制中的应用。采用专家系统，并不需要建立、求解精确的数学模型，它是建立在人类大量的成功实践基础上并把经验以程序的方式传递给机器人，使其具有较高的解决问题的能力。
03
进化算法在机器人路径设计中的应用。路径规划一直是智能机器人研究领域的重点和难点，随着人工智能进化算法研究的逐步发展，遗传算法、蚁群算法等的提出，机器人路径规划问题也得到相应发展。尤其是通过遗传算法在路径规划中的应用，使得机器人更加智能化。
04
模式识别在智能机器人领域的应用。目前在人工智能模式识别领域，图像识别是发展最快且应用最广的领域，语音识别是人工智能技术发展的热点，并且已经取得相当的成绩，语音识别正确率不断提升，且对不同语音特点的适应性也是越来越高。机器视觉已经从模式识别的一个研究领域发展为一门独立的学科，其当前比较具体的目标主要是通过模拟人的视觉，开发出从图像输入到自然景物分析的图像理解系统。
05
机器学习在智能机器人领域的应用。机器人如果要完成复杂的任务，其学习能力就显得极为重要。学习能力是机器人系统中个体机器人必须具备的重要能力之一，它为复杂多变环境下机器人的环境理解规划与决策等行为提供了有效保障，从而改善整个机器人系统的运行效率。
06
分布式人工智能在智能机器人领域的应用。分布式人工智能，把一个具体的求解问题划分为多个相互合作和知识共享的模块。多智能体系统则研究各智能体之间智能行为的协调，包括规则、知识、技术和动作的协调。多机器人系统则是多智能体系统的一个特例。吸取多智能体系统研究的成果（理论及方法），依据其特性来组织和控制多个机器人，使之通过协作完成单个机器人无法完成的复杂任务，是多机器人系统理论发展的一条捷径。
智能机器人将着力八个方面发展
人工智能关键技术的每一次突破，都将促进智能机器人的性能上一台阶，同理，智能机器人性能的每一次提高，也将推动人工智能关键技术的一大进步。概括来说，智能机器人在今后的发展中，提高其智能化水平、环境自适应性与决策自主性仍是研究的关键。
智能机器人将着力在以下几个方面发展:（1）研发面向任务的高级智能机器人；（2）发展更先进的多传感技术，提高集成技术，增加信息的融合；（3）机器人网络化，利用通信网络技术将各种机器人连接到计算机网络上，并通过网络对机器人进行有效的控制；（4）提高智能机器人的机器学习能力，使其具有类似人的学习能力，以适应日益复杂的、不确定和非结构化的环境；（5）智能人机接口，提高人与机器人交互的和谐性；（6）多机器人协调作业，组织和控制多个机器人来协作完成单机器人无法完成的复杂任务；（7）研发主要用于医疗、休闲和娱乐场合的软机器人技术；（8）仿人和仿生技术，这是机器人技术发展的最高境界。
到目前为止，在世界范围内还没有一个统一的智能机器人定义。大多数专家认为智能机器人至少要具备以下三个要素:一是感觉要素，感知、识别周围环境和自身状态；二是思考要素，根据感觉要素所得到的信息或自身的需要，思考确定采用什么样的动作；三是运动要素，做出反应性或自主性的动作。我国科研人员对第三代机器人的定义是:智能机器人是一种具备一些与人类有着相似的感知能力、动作能力、协同能力和规划能力的高度灵活的自动化机器系统。
智能机器人主要由执行机构、驱动装置、传感装置、控制系统、智能系统及人机接口等几部分组成。智能机器人的关键技术主要包括:多传感信息藕合技术、机器视觉技术、定位和导航技术、路径规划技术、智能控制技术及人机接口技术等。目前智能机器人研究水平还处于非常低下的阶段，对于特定的环境或者各种变量已经确定的不特定环境可以发挥相当的作用，并在一定程度上代替人类的直接参与。但对于各种不可预测的变化，目前还无法做出相应的感知并采取准确的行动。