盘点国内最具实力的双足仿人机器人研发团队有哪些
与4代技术创新方向不同，“汇童”5代仿人机器人1.62米的身高、63公斤的体重略显瘦小，但全身30个自由度的活动能力，突破了基于高速视觉的灵巧动作控制、全身协调自主反应等关键技术，使得“汇童”5代成为具有“高超”运动能力的机器人健将。
“汇童”5代能进行乒乓球人机对打。两台机器人对打的最高次数达到200多回合，堪称成为机器人“国球手”。作为国际首创技术，“汇童”5代是世界仿人机器人领域的一项重大突破。
项目负责人黄强教授“因在仿人机器人设计和控制方面的贡献”当选美国电子电气工程师学会会士（IEEEFellow）。
陕西九立机器人制造有限公司
陕西九立机器人制造有限公司是一家制造特种机器人的高科技公司，公司主要是以特种机器人的研发、加工、生产制造和销售为一体。其产品包括9号双足机器人（下图），国内第一个1：1仿人型“智童机器人”、人型双足“易”机器人以及全世界最大的载人“钢弹”机器人等。
深圳优必选有限公司
在CES2018上，我们预见了Ubtech将于2019年推出的“人形机器人管家”Walker。虽然它没有双臂，但是双脚已经相当灵活，陪你踢个球也不在话下。Ubtech是一家扎根于中国的机器人企业，此前推出过大量的家用和玩具机器人产品。
Walker高1.3m，拥有两条自由度极高的腿，可以上下楼梯、全向行走，具备踢球、跳舞等多种互动运动能力。此外，Walker机器人还配备了麦克风、高清显示屏、摄像头和传感器等设备，具有语音交互、导航避障、安全监控、视频通话等功能，可以使用手机APP或语音两种方式交互。它主要放在室内使用，可以用来播放音乐、询问天气、咨询新闻、闲聊、即时视频通话，或者是远程监控，教育、陪护小孩以及控制智能家居等。
在运动能力方面，Walker机器人具备全方向自由行走、稳健爬坡以及平稳上下楼梯能力，扩展了其在室内的运动能力。此外，Walker机器人采用了优必选自主研发的新一代基于三维视觉的定位导航系统——U-SLAM，在双足机器人自主运动的过程中，其不仅可以实时定位、路径规划与动态避障等，领先的防抖算法还能有效的解决由本体运动引起的视觉抖动问题。
浙江大学熊蓉教授团队
熊蓉教授，浙江大学工业控制技术国家重点实验室教授、博导，智能系统与控制研究所机器人实验室主任，曾获得世界级机器人足球比赛冠军。
你可能已经习惯了美国波士顿动力公司在机器人领域又搞出一些新花样，但这次，是浙江大学熊蓉教授领导的机器人团队给我们带来了新花样。项目负责人、浙大控制学院、浙江大学工程师学院朱秋国说：“‘绝影’的表现表明，中国的四足机器人技术已经能够接近国际一流水平。”
最终历时4年多研制的“悟”、“空”集成了机器人领域的诸多先进技术：身躯采用了高强度轻质材料和加工工艺，全身有30个关节，仅手臂就能做7个自由度的运动。
哈工大机器人研究所付宜利教授团队
付宜利教授是哈工大机器人研究所副所长、生物医学工程中心主任、机器人国家重点实验室副主任，中国人工智能学会理事，工信部重点实验室学术委员会委员。他注重在机器人技术与生物医学工程领域开展创新性研究。研制了我国首个大型机器人机构仿真系统；在国内首次建立了空间智能机器人地面实验平台仿真系统；基于现代循证医学和康复医疗连续被动理论，研制了世界首个手指创伤康复仿生机械手；研制了我国首个心血管介入手术机器人系统、腹腔微创手术机器人系统、液压驱动双足机器人系统。
北京钢铁侠科技有限公司
自上世纪六七十年代起，双足大仿人机器人的研究就已开始，并在军事及一部分工业场景中被运用。近年来，随着被Google收购BostonDynamics，后者的双足行走机器人Atlas才被普通大众所关注。而在国内，虽然也有少数高校研究过，但还停留在科研阶段，鲜有考虑商业化，也给国内基于人形机器人的研究带来了种种不便。
钢铁侠科技成立于2015年，利用两年的时间研发了三代仿人机器人。与其他已经实现量产的服务机器人不同，钢铁侠重点研发大型双足仿人机器人的本体、“运动”以及核心零部件。
双足机器人在运动状态下的平衡及稳定性一直是业界的难题之一，即使在目前的DARPA机器人挑战赛中，仍有不少机器人会在碰到障碍物时摔倒。因此，商业化前景也不甚明朗。
硬件上，钢铁侠科技并没有采用Atlas的液压驱动方案，而是自研了全套的电机驱动方案。之所以选择电机驱动方案，主要是因为Atlas为代表的液压驱动方案，噪音大、功耗高，并不太适用于工业机械以外的领域。
此外，Atlas的结构部分要依赖于高精度的金属3D打印机打印，很难标准化，这就意味着很难量产。为此，团队研发了高精度、无噪音的电机驱动，采用智能算法，可以智能适配多种型号的电机。
要让机器人像人一样行走，这个过程可以拆分成环境感知、步态规划、步行控制等几个环节。这其中，控制算法就是核心。钢铁侠科技采用了自研的姿态传感器、位置传感器，配合视觉、力觉等模块，可以满足机器人组合导航和步态、平衡控制的需求。
同时采用了高速电机制成，行走速度可以自由调节，自带电源，可以连续工作四小时。为了提供更为通用、可靠的开发环境，团队采用了目前市面上最为普及的ROS机器人操作系统。
先进制造所
中国科学院合肥物质科学研究院先进制造技术研究所（以下简称先进制造所）是中国科学院合肥物质科学研究院下属的研究单位之一。
先进制造所研发的“智能先锋号”类人机器人获得美国国防部DARPA举办的“先进机器人挑战赛”的预赛资格；无人车在“中国智能车未来挑战赛”中，连续四年进入前三名；研发的国内首台“老人服务机器人、欠驱动仿人机器人手爪、高精度金属分离器、面向高速高精作业的混联机器人”等通过成果鉴定，达到国际先进水平。
仿人双足机器人项目来源于中科院合肥物质科学研究院“十二五”重点培育方向项目。该机器人是一种以实施危险环境救援为目标的类人型机器人，本项研究以人类功能和结构为基本仿生对象，通过研究人类高度的运动灵活性、环境自适应性和负重作业能力，研制出能够在复杂环境条件下执行作业的机器人系统。
2013年研发的“智能先锋号”仿人双足机器人在全世界100多个队中，获得参加美国国防部DARPA举办的国际机器人挑战赛（DRC）资格，实现了整个机器人系统有机集成，突破环境识别、自主行走、任意抓取等多项关键技术。
乐聚机器人技术有限公司
乐聚机器人成立于2016年3月，总部设在深圳，主要由哈工大研发机器人的团队构成，研发类人形机器人，推出Aelos、Talos等系列机器人，面向教育和服务机器人两大方向，前者负责短期变现，后者主打未来布局。
目前乐聚机器人主打基于Aelos的教育产品线。Aelos定位面向儿童和极客，主打的是增强用户粘性，既可以娱乐，又可以学习编程。
Aelos的一大卖点是高灵活性，有17个自由度，可以在程序控制下做出各类动作，包括比较难的推倒后自己爬起来，以及快速向前行走。快速双腿交替向前行走看起来很简单，实际上背后涉及到很多步态研究、舵机的电机控制曲线等很多技术；乐聚机器人自己设计了Aelos的舵机，在寿命、性能方面都很好，可以和国外产品PK，但价格则是和国产舵机差不多，而且已经实现了量产。
乐聚机器人团队成员此前有人此前曾参与中国版机器大狗的设计，舵机的设计借鉴了类似的技术。
上海荷福人工智能集团
上海荷福人工智能集团是由荷福控股集团整合旗下荷福机器人等六家人工智能企业组建而成，具备为多行业提供个性化人工智能服务的综合技术能力，是中国人工智能机器人行业中的领军企业。
其最具有代表性的机器人产品就是荷福人型直立行走机器人，它是继美国和日本之后，世界上第三个也是中国唯一的拥有双足直立技术的机器人。
荷福人工智能集团有七款机器人亮相了2017世界机器人大会，分别是：基于多模态建模一比一高仿真姚明，可灵活投篮的姚明投篮高仿真机器人；采用仿人行走步态控制方式，行走流畅的双足直立行走机器人吴小欢；具有自主避障、人脸和语音识别等十大综合功能的多功能服务机器人小福；拥有高速运动目标捕捉、自主避障、多机协同等功能的羽毛球机器人；通过语音，就可以控制家里所有家居设备，基于云计算和大数据的知你、懂你、为你的智能家居机器人福娃；通过采集人的脑电波信号，将其转为控制指令，对虚拟人物、智能硬件进行控制的脑电波机器人；通过基于深度学习的人脸检测和跟踪算法，实现实时人脸抓取，目标人脸库搜索比对的人工智能人脸识别机器人。
返回搜狐，查看更多
仿人机器人现状
引言仿人机器人是仿照人类运动和智能行为在形式和功能上的一种统一仿生机电自动化系统，由于类人运动和功能的多样性、复杂性以及高维度性，所以仿人机器人是一个非常具有挑战性的研究方向。
国际现状从机械结构与控制系统上说，世界范围内可以分为两个主要的研究方向，也是极具代表性的两种仿人机器人类型。一种是以日本本田公司研发的ASIMO为代表的位置控制仿人机器人，其特点是机械机构以u型架、板件支撑、宽大的平脚板组成，控制系统以工业控制计算机、大功率伺服控制器、直流电机、大减速比谐波构成，控制方法为位置控制。这种机器人的特点是控制精度高，系统稳定不易发散，但突出问题就是刚度冗余，对外部扰动的抵抗能力差，采用的控制算法复杂，以来传感器的反馈等。而ASIMO机器人采用先进的稳定控制方法，已经能够完成跑、跳、不平整地面行走等基本运动，高级功能如语音及识别、自动检测环境等也有不俗表现。另一种是以波士顿动力公司研发的ATLAS为代表的力矩控制机器人，其特点是拥有质量高度集中的躯干和轻盈修长的腿脚结构，关节采用液压驱动，采取在线规划控制策略。这种机器人的特点非常突出，动力强劲有力可以完成空翻、远距离跨越、连续蹦跳等运动，抗扰动能力也非常高。迄今为止该机器人代表着仿人机器人领域的最高技术水平，让前景浮现出一片光明！
国内现状总的来说，我国的仿人机器人研究进展是缓慢的。与其他国家仿人机器人相比，我国起步较晚，总体研究方向以北京理工大学机器人研究所研发的BHR系列仿人机器人为代表。而BHR系列本质上也是属于ASIMO这类位置控制的机器人类型，外形别无二样。但现阶段仍然无法达到ASIMO机器人的稳定运动能力，这不仅是控制算法的落后，基本组成部件如驱动器、伺服电机、传感器和减速器等的研发能力也有很大差距。据我所知在实验室研究阶段还是通过进口国外公司器件进行研究，成本高也是这项技术不能转化成果的原因之一。随着近期机器人行业的发展，我国也涌现出诸如优必选、钢铁侠等以仿人机器人为主要产品的创业公司，然而由于专业性和人才匮乏等原因，技术不足以支撑其成为国内国际上行业的领军者，也只是靠一点没有实质性技术突破的卖点艰难生存。整个行业也在寻求生存的方式，但由于如今仿人机器人技术的不完善，让人们不能在实际应用中找到它的应用环境，所以该项技术在国内还只是技术储备，在实验室研究的阶段。
未来展望2019年，本田公司宣布ASIMO停止研发，转向开发更加实用的服务机器人领域。而波士顿动力公司也宣布将于2019年正式将四足仿生狗商业化，并开源部分Atlas代码推进行业的发展。正在此时，华为5G的出现也将信息传输的速度提升数百倍，在将来必将影响云计算、互联网和物联网的发展和应用。智能家居、智能穿戴的理想目标也将出现转机，仿人机器人发展也会出现新的应用领域，从物联网的角度出发，这个行业也将吸引更多人的关注和资金的推动。当然，仿人机器人还需要完善基础功能，其实更复杂的动作在仿真中都已经有所研究，并可以完美的复现人体的灵活性如跳舞、跑酷等。但在实物研制方面受到驱动和结构的限制，所以未来在能源供应方面、关节驱动形式上需要多个领域的共同努力。当在机械和驱动方面释放限制后，诸如视觉、触觉、情感和自我学习的研究才能够实质性应用在仿人机器人身上，到那时将实现所有研究人员共同的理想目标，而仿人机器人也将趋于完美，融入人们的生活，带来便利，带来新科技。
上述言论属一家之言，如有不妥请批评指正。
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