浙江大学熊蓉教授：仿人机器人研究的三大关键技术
日本福岛核电站事件的时候，日本、美国、德国都曾派机器人过去，希望能关闭阀门，探测里面的情况。非常遗憾，当时派进去的都是履带式机器人，虽然有一定的爬坡能力和不平整地面适应能力，但是在任务执行过程中还是失败了。
所以，2012年美国DAPRA启动了RoboticsChallenge比赛，要求机器人开着车到事故地点，下车找到阀门进行关闭。机器人需要能够找到破障工具破墙，能够越过废墟地带，并且可以上楼梯。要完成这样一系列任务，仿人外型是最能够符合的，所以基本上所有参赛队伍都采用了仿人型的机器人。成绩最好的几支队伍还结合了混合式的运动模式，提高在平整地面上的运行效率和作业时的稳定性。因为仿人机器人本质上是不稳定性系统，容易摔倒，有很大的挑战性。
机器人早期研究中，仿人的研究是分离的。最早是模拟人的手臂功能，形成了工业机器人这样一系列的应用系统。对人双足进行模拟的第一台机器人于1969年问世，由日本早稻田大学的加藤一郎研究，用液压驱动，控制、供电都在体外，行走缓慢。
上世纪90年代，日本本田研发出阿西莫机器人，于2000年实现了3公里/时的行走速度。除了日本以外，德国、韩国、中国、美国都开展了仿人机器人研究，其中最著名的是阿西莫机器人，最快可以实现9公里/时的仿人行走。另外是阿特拉斯，能够适应室外不平整地面，而且可以做后空翻的拟人运动。
对仿人机器人的要求有灵活、快速、稳定、高能效（即低能耗），并且逐步结合智能作业。围绕着这些研究目标，相关的研究内容包括仿生机构设计、关节驱动设计、身体关节的协调运动规划、对不平整地面外力扰动下的控制，智能作业、智能移动等。
浙江大学于2006年开始仿人机器人研究，2008-2011年有幸承担国家863重点课题。我们面向这样一个本质不稳定系统，需要能在线、快速、连续地跟动态运动的乒乓球实现交互。在这一作业里面，主要需要解决的是仿人机器人快速灵活的运动，全身的协调运动规划，以及在手臂加速度很大，对身体有很大的反作用力，双足的支撑力很小的情况下，实现平衡控制。
2011年10月，我们对外发布了一个仿人机器人，这个机器人身高1.65米，重56公斤，共有30个自由度，通过外部视觉对球进行识别和定位，进行精确的轨迹跟踪。视觉识别预测时间误差在4毫秒内，距离误差在1厘米内。他的手臂速度比较快，可以正反拍交替，也能适应不同的球速（从3米/秒到12米/秒）。
我们发布以后得到广泛关注，第一位来我们实验室跟它对打的老先生来自山东威海，他一开始不是很相信，跟这个机器人对打了一个多小时。
我们也做了双机器人的对打，比起与人对打，双机器人对打比较简单，人可能会忽前忽后、忽快忽慢，机器人打球的时候是无法移动的。
我们也参加了一些国家的展会，美联社、路透社、美国地理频道等都为我们做过专题报道。我们当时完成的技术，包括对运动目标的识别、预测，以及机器人在运动过程中如何确定跟球、桌之间的关系，实时自定位。还有如何做到质量轻、刚性强、速度快，如何提高机器人的控制响应能力，多关节的运动规划能力和稳定平衡控制。
仿人机器人是很好的技术平台，里面的视觉识别、手臂规划和自平衡技术都可以推广到不同的系统里。
当然，这里还存在很多问题和遗憾。第一，腿足运动方面，我们的速度还是比较低，跟国际顶尖水平相比有较大差距；稳定性和适应性也比较差，如果地面不平整或者行走过程中有人推一下，机器人会很容易摔倒。第二，有很多人问我们机器人能不能打旋转乒乓球，目前可以做到低速旋转，但如果是高速旋转，预测误差会很大。第三，机器人基本上是在固定球桌的环境里，还没有实现复杂环境的智能移动。2012年开始，我们主要围绕前面两个问题在进行研究，现在在开展第三方面的工作。
在腿足运动方面，我们主要提升的是对未知地面和外力扰动的自主适应能力，另外希望机器人从行走变成跑跳，提高行走速度。
之前系统适应性差的核心原因在于我们采用了高精度位置控制方法，这要求我们的机械结构必须具有足够的刚性，运动模型要足够精确。这种刚性结构使得地面反作用力直接传到机器人身体上面，从而导致它非常容易不稳定。我们也知道这样一个复杂的系统很难精确的建模。由于对ZMP模型的依赖，我们发现它要求支撑域很大，而且它的控制比较难以融合。
我们看一下人是怎么做的。动物运动的基础是由力控制的，人的行走并不是刚性作业，很多柔性的肌腱、韧带、脊椎，都对我们的行走起到非常大的作用。
因此，在这样的分析之下，我们2012年开始把高精度位置控制的思想完全摒弃掉，用柔性力矩控制做新一代的仿人机器人，开始弹性仿生机构研究，模拟人的力控运动规划以及运动动态平衡控制，提升稳定性，实现跑跳运动，有效降低能耗。
我们在这里用了SEA关节，这是1991年由Pratt提出的。
我们主要设计了新的平面扭簧，根据关节的弹性需求进行灵活的调整，并可以嵌入到关节中。在关节设计基础上，我们做了力位混合控制，在力矩控制基础上结合神经网络和卡尔曼滤波的方法进行位置和速度控制，特别是提高负载和相位变化自适应。
我们模仿人的腿设计单腿机器人，在小腿和大腿上，除了关节里面有弹性单元，还增加了弹簧，模拟人的肌腱，减少地面的冲击，降低对关节做工的要求。
我们首先实现了单腿的跳跃，这里借鉴了人的运动方式。对于人的运动，我们用运动捕捉仪进行数据获取和分析。我们发现人在运动的时候，各个关节的协调性有一定规律。在跳的时候，落地压缩和落地伸展过程中，膝关节和踝关节的角速度是相反的。我们模拟人的特性，以能量最优做各关节弹性最优的匹配，能够降低能耗。在轨迹规划的时候，我们也兼顾到能耗和姿态平衡。原来的轨迹比较机械，优化之后自然地形成了拟人的收腿动作。
下面是2014年实现的单腿跳跃机器人，跳跃高度达35厘米，超过了当时做的最好的ETH，人是0.2，我们单腿做到0.29。
在单腿基础上我们研究了双足的运动。我们也是用虚拟模型进行身体躯干的控制，因为人在行走过程中往往是对自己的躯干进行控制，根据躯干的控制来生成腿的运动。这也是国际上常用的一种方法，我们进一步把人的运动特性，速度和步长之间的关系融合进去，从而适应不平整地面和外力扰动。
我们根据力的规则，采用地面冲量模型，通过仿真获得冲量轮廓，再延伸到实物机器人上，用机器人学习的方法来调整冲量轮廓，在运动的时候对冲量轮廓进行跟踪。
在动态平衡控制上，我们一个主要工作是动力学模型参数在线辨识。
因为机器人在运动过程中特性总是在发生改变，这些小的改变可能对控制造成很大影响，作业时也可能产生质量变化。基于此，我们做了动力学模型参数在线辨识，适应质量的变化和外力的扰动。
在多模型融合的柔性平衡控制上，我们采用CP点+飞轮模型+虚拟力控制的方法，当存在外力扰动的时候，通过踝关节和身体关节实现平衡，在运动的过程中可以通过跨步策略实现平衡。
最后，在跑跳过程中如何去实现平衡控制，这个方法比较复杂，这里就不展开了。
我们目前实现的双足仿人机器人与前一代相比速度更快，达到3.6公里/时，在行走中融合了跑跳的模式，可以实现室内外行走，机器人现在是全盲行走，由于落脚点的调整，方向会走歪，我们有柔性控制的方法，当它走偏了，人拉一拉它，又会走回正道上。
在这个过程中我们也与企业有着合作，研发出四足机器人，并在今年春节之前为庆贺狗年进行了发布。这里有很多基础的方法和原理是类似的，不过在具体的实现设计上不同。这个机器人可以达到6公里/小时的行走速度，能够适应不平整的地面以及雪地、冰地。在人揣它的时候，它也不会倒，当然，揣得太大力还是会倒。SpotMini也有做这方面的研究，从运动的灵活性来讲，SpotMini做得非常好。
我们在高速旋转乒乓球上做了准确预测和运动决策方面的工作。航空航天的太空垃圾很难捕捉，因为这是翻滚的目标，模型非常复杂，有很多的量我们没有办法预先得到，也很难观测。我们以旋转飞行乒乓球作为类似的对象来开展这方面的研究。我们对球上的自然标记进行识别、定位、跟踪，把数据拟合起来，计算它的旋转方向和旋转速度，在国际上首次实现了对高速旋转乒乓球的准确预测和接打。
在这个基础上，我们进一步研究了不看球上的标记，只是看它的空间飞行位置来预测旋转飞行轨迹。这依赖于我们对飞行模型和碰撞模型的准确建模。我们改变了原来离散的模型，推导得到了连续的模型，再利用机器学习的方法得到模型的系数，对700多个球预测的精度（5厘米内）达到95.55%。
现在我们基于强化学习进行回球决策。
下一步，除了这些方面的工作，我们也在考虑把原来轮式移动机器人上做的一系列技术（环境感知、大范围环境地图构建、对地图中各种障碍物的识别、机器人导航、定位）跟腿足式机器人结合起来，实现在环境中的智能移动。
我的介绍就到这里。谢谢大家，也感谢我的团队。
更多CCF-GAIR大会实录文章：返回搜狐，查看更多
人与机器人的交互理论及其前景
第五方面是用户必须同时操作的独立系统的数量。典型的人机交互假设一个用户只与一个系统发生交互关系。甚至在协作系统中我们也通常认为用户与系统是一一对应的并满足该人机系统是与至少一个其他类似系统相关联这一额外特征。这就允许由计算机限制的用户间的交互以及计算机-计算机交互。在人和机器人的情况下，我们的终极目标是一个人（至少是我们划分的交互角色中的一种）同时与多个不同的机器人进行交互。
最后一个方面是一段时间内机器人自动执行任务的能力。而典型的台式电脑是以在用户命令的基础上执行编码的方式自动运行的，机器人运用计划软件来减少用户处理低级命令和决策的工作。所以机器人可以从A点移动到E点而不用当在路途中遇到障碍时每次都询问操作者如何处理。
2、背景：人机交互
人机交互最初是与工厂的机器人平台的遥控相联系。Sheridan谢里登[21]远程机器人定义为：“对机器人直接的和持续的人工控制”或“能加强一个人感应和（或）对远离自身的位置的控制能力”。无论距离的远近，他通过监控任何半自动的系统来区分远程计算机的远程机器人或监督控制。谢里登认为人机交互应包括远程机器人。人机交互通常是用来表示一个计算机应用程序及其相关文件的对象被操纵，而不是通过计算机控制一个物理系统。
人机交互（HRI）可以脱离偏远平台的遥控，并允许机器人进行一些自主行为。这可以从机器人响应来自人工调整的极其精确的命令，发展为更先进的由用户提供起点到终点的规划和执行路径的机器人系统。由于机器人（知觉，推理，规划）领域的发展，该机器人能使半自动系统可行，人机互动的概念在过去的十年成为了可能。
一个国家科学基金会/美国能源部的IEEE研讨会[19，2]查明了人机界面和智能机器助理的问题。这些问题包括：
人类与多个半自治机器交互的有效方法
能适应正在执行的不同功能的界面和互动
基德（kidd）[16]指出，机器人系统始终需要人的技巧。基德认为，设计者应使用机器人技术，以支持和提高人类的技能，而不是用机器人的技能代替人类的技能。他认为开发和利用机器人技术能使人类的技能和能力变得更加有效和富有成果的，就如将人类从日常的或危险的任务中释放一样。他指出，机器人的研究人员往往把重点放在由立法要求的问题，如安全，而以人为本的设计问题大多被忽视。基德认为，人机交互中以人为本的设计需要超越技术问题，并且考虑诸如人机之间的任务分配;安全;群体结构等问题。这些问题必须在技术设计的初期阶段考虑到。如果他们只考虑到最后阶段，这些问题将变得次要而且对设计思路的影响很小。Fong,Thorpe,andBauer[11]指出，很明显，如果人类和机器人相互合作，将得到益处。但是，合作伙伴们必须进行对话，询问对方，共同解决问题。他们提出了系统的协同控制，该控制提供了最好的方面的监督控制，而不需要用户在一个重要的窗口时间内进行干预。在协同控制中，人类提供建议，但该机器人可以决定如何使用人的意见。这并不是说，机器人拥有最后权力，而是机器人执行人类制定的更高层次的战略的过程中有一些自由。如果用户能够提供相关的意见，机器人可以采取这一行动。但是，如果用户无法在所需的时间内提供意见，机器人将使用默认的行为做出反应。协同控制只有在机器人具有自我意识，能自力更生，拥有对话能力和适应性的条件下才可行。因此执行协作控制系统需要对话管理和用户模型。
希尔[14]指出，重要的是，HRI的研究应包括人的因素，如多学科小组的从业人员。还应当强调指出，HRI不仅仅包括一个聪明的用户界面。要真正制定协同团队,就有必要考虑人类和机器人的技能，并且开发一个能使各方充分利用他们的技能的整体系统。今天要赋予机器人平台动态性质更具有挑战性。我们需要以这样的一种方式设计HRI，这种方式在今天是有用的，但完全有能力随着机器人性能的发展而不断发展。
机器人研究人员经常使用术语人机干预代替人机互动。对于拥有以计划为依据的能力的机器人系统，术语干预在一个人需要修改有缺陷的计划或者当机器人目前无法执行计划的某些方面的情况下使用。机器人进行预先的行为无疑是一个理想的活动（例如，清洁厨房地板，看周边，为了X检查三楼的所有房间），更加紧密地结合人类、机器人的团队同样需要自发性的互动。本文使用的“人机互动”来指整个领域的研究小组和机器人，包括对一部分人或机器人的干预。我使用“干预”来区分这些情况：机器人的预期行动没有正确得到目前的形势和用户要么修改计划；给予执行计划的指导；或者给予机器人更多具体的修改行为。
3.人与计算机的交互
在介绍中，我列举了六个方面说明HRI与传统的人与计算机的交互是根本不同的。建立HRI框架模型的第一步就是决定以往的人机交互研究中如果有的话什么是合适的。人机交互的一个模型是诺曼的交互的七个阶段。[18]诺曼考虑以下七个阶段：
1.目标的制定——考虑你想要完成什么目标。
2.意图的构想——更加明确地思考怎样才算是完成了目标。
3.行为的详细计划书——决定哪些行为是执行意图时必须的，然后一个一个的执行这些行为。
4.执行行动——实际执行这些行为。在计算机术语中这就是选择需要的命令然后具体执行。
5.对系统状态的认知——用户随后就必须评估在指定和执行的行为的基础上发生的结果。在评估部分用户必须注意发生了什么。
6.阐述系统状态——对系统状态有所认知以后，用户现在必须运用他对系统的知识来解释发生了什么。
7.成果评估——现在用户要像认知和解释系统状态一样将系统状态与当初的意图作比较来确定是否在取得进步以及接下来需要做什么。
这七个阶段不断进行重复直到用户意图或目标达到或者用户决定修改意图或目标。
图1：诺曼的HRCI模型
诺曼定义了两个与这七个阶段有关的问题：执行的鸿沟和评价的鸿沟。执行的鸿沟是用户意图和系统所允许的行为的不匹配。评估的鸿沟是指系统的表现与用户期望的不匹配。这与失败发生的四个关键点相符合。用户可能会计划一个无法完成的目标或者可能不知道怎样具体执行某一特定行为或者可能不能正确定位交互对象，这些都会导致执行鸿沟。系统不恰当的或者误导性的回馈可能会使用户错误地阐述系统状态从而导致评估的鸿沟。
4.人与计算机交互的理论
4.1.互动情景的水平
首先需要一个假设。在我们的人与机器人的理论中我们关注的是独立的或是团体中的半自制移动机器人。谢里丹[21]强调了5个管理功能：计划要做什么工作以及如何去做；指导计算机去做或为其设定程序；监控自动操作以探测失误；在遇到麻烦或期望目标一旦完成用户需要对它进行控制时实行干预指定一个新的目标；从经验中学习。在我们的理论中我们关注的是干预和制定行为的依据。我们假设已经为计算机计划安排了需要执行的基本功能和干预过程中任何可能需要重复计划。因为在我们的理论最初的形式中我们没有考虑要学习机器人的部分或者是人的部分。接下来的描述解释了HRI角色。
一个护理老人的设施已经部署了大量的机器人来帮助照看居民。管理员监督着分发给全国各地的工厂的机器人，并确保该机器人的正常运作和居民要么被关注或正在照顾-无论是由一个机器人或由一个人照顾。很多护理员都是计算机操作的专家而且按照他当时的职责做一些需要的助理工作。操作者可能使用一个例如PDA之类的移动设备来调整机器人软件中的参数。老人护理设施同时需要一个在需要时调整机器人物理能力例如摄像机调整的技工。护理机器人可以帮忙完成一些常规工作，例如喂食和传递物品给居民以及协助居民在设施中的各个场所移动。监测机器人监视着居民而且有传输回录像带的功能，同时可以将紧急情况的警报发送给管理者或者附近的人类护理员。大多数情况下人类和机器人护理员作为一个团队工作。人类护理员可以覆盖预置的行为来让机器人协助一些更关键的情形，例如在紧急情况——例如驻地崩塌等——发生时将居民转移到房间的另一个位置。机器人与居民和设施拜访者等可能不清楚它们功能的人进行交互。
我们能从这个设想中得到什么？首先，交互水平之间的界限是非常模糊的。监控者可以接管操作者的角色如果监控者有必要的周期这么做的话。这可能比通知指定操作员并把任务交给他要有效率。小组成员可以在监控者的意图下命令机器人。那些只了解一点或完全不知道机器人能力和没有进过电脑显示器了解机器人数据的旁观者将与机器人具有一定水平的交互。所有不同的交互角色都可能同时出现，同一个人或者不同的人可能用时承担不止一个角色。
4.2.HRI模型
HCI模型哪些部分的改变有必要用来描述HRI模型？下面的章节包含了可能的多种HRI角色间的交互模型。
4.2.1.监控交互。监控角色具有与管理者相同的特点并控制着整个形势。这可能意味着大量的机器人都被监测着，而且监控者将会对所给的有关需要执行的目标的情况进行评估。对于那些拥有规划系统的机器人，目标和意图都已经包含在规划系统中，然后机器人软件基于对现实世界的认知生成了它的行为。监控者可以介入并执行行动或者修改计划。在每种情况下，目标和意图的一些通常的代表性是必需的，这样，监控者才能指定某个干预在长期计划中的效应。
图二包含了一个建议的监控者与机器人交互的模型，由于大部分行为都是由机器人软件自动生成的，模型中主要的环节是认知/评估环节。监控者在行为和意图层面的交互也必须被支持。注意对于一个复合的自动化系统，监控者必需管理所有平台上的数据。图2表明对于监控者来说人与机器人交互是很大程度上以感知为基础，而且交互需要同时被行为和意图层面所支持。
4.2.2操作者交互。操作者是当机器人行为不可接受时被号召来修改内部软件或者模型的。操作者主要是在行为层面处理交互——操作者允许进行的行为。指导者就有必要决定这些行为是否在被执行以及这些行为是否符合长期目标。
图2：HRI模型——监控角色
假设检测角色可以正式的改变意图或者长期目标——并非在操作层。
图3：HRI模型——操作者角色
4.2.3技工交互：技工主要处理的是物理上的交互，不过技工还是有必要决定交互是否对行为有预期影响。所以，这个模型与操作者模型很相似，所不同的是当硬件被修改时需要对软件行为测试并对软件和硬件进行观察确保现在的行为是正确的。
4．2.4同级交互：机器人的团队成员可以在较大的意图或目标下给它们下达命令，因为我们遵循同样的假设——只有监控才有更改大的目标和意图的权力。这条假设是建立在需要修改目标和计划的时候。尽管拥有好的人机界面，团队成员可能还是没有去实现这些交互的必要时间。如果有的话，他们肯定可以转换到监测角色。
图四：HRI模型-技工角色
图五：HRI模型-同伴角色
图五中的模型表明建议的同伴交互模型。我们建议这种交互模型应该在比操作者交互所允许的行为级别更高的情况下发生的。团队中的人类成员在更加高级的交互条件下相互交流——而不是在低级行为的条件下。在同级角色中，例如跟我来，向左急转弯，等我过去之类的术语是人类与机器人之间对话的合理的单位。在这种情况下，直接观察是评估中或许会使用的感性输入方法。在行为没有被正确执行的情况下，同伴角色可以选择转换为操作者模型或者是将任务移交给更加具有操作者品质的人。
4.2.5旁观者角色。最后一个角色是旁观者。前期我们有这样一个有趣的问题：当机器人适应这个角色时旁观者是否会被分配一系列的交互？由于这个模型，我们假设这个是真的。例如旁观者可能会由于在机器人前面行走而引起机器人停止。
图六：HRI模型-旁观者角色
在这个模型中，旁观者只有一个可用行为的集（集合A），她不能在目标或意图级别进行干预，反馈必须可以直接观察到，最大的挑战是怎样提醒旁观者对于在她控制下的机器人的操作能力。这儿不太可能有典型的显示，有关情感和社会的研究在这是适用的[4,5]。
4、情景认知
鉴于第四段所提到的人与机器人的交互模型，一个问题是如何评价人--机器人的交互。在所有的模式中，知觉步骤是很有必要的。在这么多的任务中，不仅有必要了解行为发生以后的机器人系统状态，也有必要了解对诺曼的七个阶段的阐释和部分评价。这有助于我们了解指定的行为相对于实际实施的行为时可能发生的错误匹配。
第二个问题是人与机器人交互系统性能从用户交互设计性能和实际界面中的分离。由于机器人的物理性能和融合了感知、学习和规划的先进软件，执行中的失败不可能归因于用户的交互问题而可能归因于机器人软件系统或者机器人的感官系统故障。
所以我们计划分两个阶段完成对人--机器人交互的评价。我们将对从交互设计里的干预部分中分离出来的模型感知部分进行评价，也将从实际的人--机器人系统的实现中分离出这两项内容。本文没有干预部分的评价因为它是基于当前的可用性评价方法。对于模型中感知部分的评价将以评估情景意识为基础。
然而，交互中的每个阶段都需要一个不同的角度和不同的情景意识。这些问题将在详细设计被提及的人--机器人交互系统任务的章节中进行讨论。作为背景，有必要了解情景意识以及评估情景意识的方法和测量工具。
情景意识[9]是发生在你周围的认知。在这里定义的含义是，你知道为了获取情景意识哪些重要信息是要去注意的。试想你晚上驾车回家，行驶在高速公路和市区街道上时，有很多你药注意的信息。你很可能没有注意到有人给他们的房子漆了一个新颜色，但是如果一辆车停在那座房子前面准备驶到公路上，你就会注意到。情景意识[8]里有三个情景意识阶段，它们与诺曼的人--计算机交互模型中的不同评估阶段相对应。
情景意识中的第一阶段是以知觉暗示为基础。你必须感知到重要信息，以便能够继续进行。感知信息的失败可以是系统的不足造成的，也可以归因于用户的认知失败。
情景意识中的第二阶段是理解或整合多种信息并确定用户想要实现其目标的相关性的能力，这在诺曼的七个阶段里面也相当于理解和部分评价内容。
如果能够基于对现状的知觉和理解预测未来局势和动态就能进入第三阶段，这对应着评估和制定迭代以及诺曼理论的规范阶段。
当性能和情景认知有关系时，并不是直接相关的。有人到达第三阶段情境认知但仍然不能表现良好是完全可能的。这在诺曼的行为阶段里非常明显——当然没有正确执行的其他理由也是可能的。这些原因可能是由于系统设计不佳也有可能是用户的认知失误。直接的对系统的在特定情景背景下的表现测量是测量情景认知的一种方法，但只有在表明表现只依赖于情景认知时适用。可以克服这点的直接系统测量方法是将一些中断引入系统，例如一个完全不切实际的格局，然后测量用户发现异常的时间。
最常用的测量情境认知的方法是利用查询直接进行实验[8]。任务被冻结，一些问题决定了用户当时的情境认知，然后任务被恢复。情境认知全球评估技术(SAGAT)工具作为这种方法的测量仪器被开发出来了[6]。SAGAT工具运用一种针对目标的工作分析建立一个对整个领域或者针对特定目标和分目标的情境认知需求的列表。接下来就需要提出问题，用这种方法来时操作者的责任最小。例如，如果用户被问到特定机器人的身份，问题中可能用位置来显示机器人而不是回答用户一个名字或者一段特定描述。多种身份的选择可以用选项的方式来显示而不是依靠用户来制定一个反应，而这个反应可能不包含在多变的需求中。
5.2情景意识对人与机器人交互角色的要求
正如前文所述，不同的人与机器人交互准则对情景意识有互异的要求。在以下各节，我们将动议假设为适合多种准则的信息，同时使用数种资源作为指导。首先，将
试图寻找相应的域和使用成功的互动设计作为第一基础。其次，我们将为每个角色使用主题专家（如可用）来核实相关信息。在特定情况下（特别是节点和旁观者的角色）我们将进行一些实验来收集必要的信息。基于此等知识，我们将组建情景意识评估工具和用户接口。使用情况意识评估工具，我们将导出一个基本标准来应对若干情况。人与机器人交互研究人员将能够利用我们的用户接口和评估工具，以评估他们工作。
5.2.1
监控角色
我们假设监控接口位于远程位置。监控者需要下列信息：
-局势概述，包括多平台进展状况
-任务或工作计划
-目前的机器人的任何行为，包括可能需要中断的偏差
-其他在她控制下与机器人的交互，包括机器人之间的交互
一个相应的人机交互领域是较为复杂的监控设备[22]。其源于物理显示设备。起初的设备只是对应与一个传感器或执行器的灯或开关。然后再显示在物理面板中。当这些显示器切换到基于计算机的显示屏，一个单一的显示器便无法显示的所有信息。这产生了锁孔效应——即问题是最有可能出现在一个当前未观察的显示设备中。
复杂的监测设备的另一个问题是如何说明什么“正常”的。这在系统的物理能力发生变化且监控者需要知道任何时间下机器人的“正常”状态也是十分必要的。另一个问题是：单一的设备可能没有，而现有的设备相互间的问题。显示器应支持不仅是问题驱动的监测，而且当监控者积极寻求现状或任务的信息时知识驱动监测的相关知识内容。
由于在复杂监控装置中包含大量信息，用户应有适当策略来以减少认知的需求。这些策略包括关掉无意义报警来降低噪声，记录底限状况，创造外部线索，并提醒监控各个部分。复杂系统的基于计算机的显示器为用户提供更大的灵活性来以不同形式浏览信息。但是，操纵接口时间和任何为因为灵活性增大致使的性能提升需要由一个折中策略。
我们认为在产生复杂监控系统时的所学到的经验可以作为人与机器人交互的监控接口的起点。此外，不涉及到复杂系统的基础人与机器人交互所研究的问题包括：
-需要哪些信息来给予机器人队伍一个概述
-是否可以创建一个机器人队伍通用模型，且其是否有用
-什么（如果有的话）形式的个体机器人通用模型是有用的
-当其他交互角色发生时如何提醒
-中断分配策略
情境意识的标识将基于监控者在一系列情况下的角色（如前所述）来制定。一个初步关于可能的情景意识的标识的假设包括：
-哪些机器人有其他的交互进行
-哪些机器人的工作能力降低
-机器人目前正在进行的任务和行为的类型
-任务现状
5.2.2操作者交互
我们假设这将是一个远程交互或一个发生在交由用户的认知要求在任何情况下均为透明的环境中。我们也将假设操作者有外部设备来作为与机器人交互的接口。操作者必须是一个熟练的用户，懂得机器架构知识和机器编程。如果机器人具有被遥操作的能力，则
操作者可有控制权。这是最常规的人与机器人交互角色。同时，随着机器人能力和角色的扩展。此角色可支持在更复杂环境中的交互。
我们假设操作者需要如下信息：
-机器人的通用模型
-机器人的计划
-任何机器人传感器的现状
-其他正在发生的交互
-任何等待操作者处理的工作（可能涉及多个机器人）
-任何对计划或交互的调整所带来的影响
-任务概况和任何时间限制
墨菲和罗杰斯[17]说明无线系统的三个缺点：
-操作者的预知和中断需要一个高交流带宽
-源于重复任务的认知疲劳
-给处理器的海量数据和大量同步操作
墨菲和罗杰斯提出的无线协助模式包括一个基本的合作援助架构，加入传感器融合的影响来支持，有着眼于用户注意的使用相关技术的知识的视觉交互自主机器人的的运动行为。
5.2.3机械工角色
因交互着重于机器人平台的物理特性，机械工必须与机器人相互联系。机械工将需要调整一些机器人物理方面的问题，然后检验相关行为来确定问题是否已经得到解决。机械工需求下列信息：
-什么是失败的行为，以及如何
-机械部件和传感器的任何设置信息
-关于各种传感器的行为的相关软件设置
此外，机械工需要一种在机器人“离线”的时进行测试的方式。此处的一个问题时接口的性质。应使用外部设备还是机器人硬件支持来获取信息？我们已经推知，自动诊断和修复域都可能在检测相关方式时有用。目前我们还没有在文献上确认其有用，但我们计划在将来这一领域进行有关观察统计。
5.2.4同伴角色：我们假设交互是面对面发生的，这是交互最常见的类型。我们运用同伴、队员等术语并不是为了暗示机器人和人人是平等的而是说每一个都对应于他们的能力对团队有贡献。最终的控制随着用户—团队成员或者监控者—而停止。问题是用户（这儿是指同伴角色）怎样从机器人得到关于它对环境的认知和正在执行的行为的反馈。在人与人组成的团队中这种反馈是通过交流和观察进行的。现有的研究[4,5]着眼于机器人该怎样显示信息并反馈给使用者。Bruceet.Al强调普通人应该能够解释机器人给予的信息而且机器人必须以社会中正确的行为方式来在社会中进行可用的交互。BreazealandScassellati[4]应用感性输入并利用其对刺激的不同反应将其分为社交刺激和非社交刺激。
有关服务性机器人的早期工作说明了为了成功进行同伴交互必须调查的一些问题。[10]着眼于对移动远程机器人使用指令和控制词汇，包括自然语言界面。他们发现用户需要随时知道可以使用哪写指令。如果我们确定想要用能用于显示机器人的难以用机器人的姿势来显示的附加信息的分离的设备是不可能的，这将是富有挑战性的。
我们打算进行调查研究结果融合了倡议口语系统作为机器人与用户之间的交流和理解的基础。我们假设团队成员需要的信息包括：
²其他还有什么交互正在发生
²机器人现在的状态和角色是什么
²机器人的工作模型是什么
²什么行为对现在的机器人是可能执行的
另外的有趣的挑战还包括团队可以操作的机器人的距离。我们运用其他交流设备来在远处使人—人团队运转。机器人队员的限制和需求是什么？
5.2.5.旁观者角色：这也许是交互中最困难的角色，即使旁观者只拥有最有限的交互。正如我们的场景描述中所说，旁观者角色原则上关注的是与机器人同时存在相同的环境。一个旁观者可能是搜索和营救机器人在瓦砾中发现的。受害者可能发现机器人给他提供水和空气并将它的位置报告给营救队。或者一个旁观者可能就是一个简单的从自动驾驶汽车前经过的驾驶员。什么是这些旁观者需要知道的？在这种情况下的大部分司机需要得到确定这个自动机器与大部分有执照的司机一样拥有娴熟的技术。对旁观者的界面最有可能受到行为迹象形式限制：一个机器人“微笑”或者机器人某部分的行为，例如在高速公路上保持在正确的车道，给了旁观者一个权限说明[4，5]。我们需要有关机器宠物和服务性机器人（例如修剪草坪机器人）的新实验来帮助确定要使与机器人处于同一环境中的旁观者感到舒适需要哪些信息。
旁观者可能拥有的是一个非常有限的情景评估。我们要确定旁观者是否了解：
²什么引起了机器人现在的行为（环境因素，旁观者行为，外加力）
²机器人接下来要做什么，特别是对旁观者执行的行为
²机器人可以实现的行为范围
²如果有的话，哪些行为可以由旁观者引起
5.结论
我们建议将人与机器人的交互分为5种类型，每种需要不同的信息并适于五种不同用户使用。在我们的研究中，我们将建立一系列特定的场景，然后对每一个设想建议的人机交互类型做一个基于任务的分析。然后我们将要建立一个为不同角色设计的基线界面和一个情景评估测量工具。我们建议进行大量的用户实验然后使结果广泛可用。其他HRI研究可以再次使用相同的实验设计，使用户界面或者用户可用的信息不同，然后将这些结果与基线结果相比较。最初我们的工作将集中在驾驶领域中监控角色，研究的一个挑战是不同领域间能产生什么。例如我们是否能将在驾驶领域所学的东西应用到搜寻或营救工作中。
我们在这个领域的工作是学科。我们不仅需要考虑用户界面的问题，而且必须确定必要的信息对用户是可用的。这就需要计算机、软件以及建筑学专家的协调。我们在本文中集中于用户和他需要的信息。然而，要达到一个成功的协调团队，向机器人提供用户的信息以及为团队交流建立对话空间是必要的。我们将从集中于用户信息调查开始，但是将要将我们的研究拓展到同时包含用户信息的捕获和利用。
鸣谢
这项工作由DARPAMARS计划赞助。
参考文献【略】
本文来源：人机认知与实验室
C2返回搜狐，查看更多
软体机器人前沿技术及应用热点
图1超冗余度机器人
之后产生了一类能够沿其长度不断弯曲、产生平滑曲线的机器人。这类机器人没有刚性链接或明显的旋转接头，对更为多变的工作环境有着较强的适应能力，被称之为连续型机器人。美国克莱姆森大学的Walker和Gravagne等对连续型机器人深入研究，研制了仿象鼻子机器人，该机器人结构上分为4段，采用四线驱动的方式，通过各关节的协调控制，可在三维空间内灵活弯曲并具有一定的负载能力，能实现对一定质量与形状的柱体和球状物体的握取。
自然界中的生物利用自身软体结构能够有效地适应复杂多变的环境。这些软质部分同它们的身体结构与中枢神经系统形成一个完全集成的控制系统。这些柔性组织具有众多的优势，帮助动物克服和适应不断变化的外界条件环境：一方面，柔性组织可以形成柔软表面，在较大的面积上分布应力、增加接触时间，从而最大程度地降低冲击力；另一方面，具有高度灵活和可变形的结构为动物提供额外的功能优势，如使身体进入狭小的空间中寻求庇护或进行狩猎。研究人员通过模仿自然界中软体生物的生物力学特性，设计制造了由新型软体材料构成的软体机器人。软体机器人具备了无限自由度和连续变形能力，对于传统机器人无法到达或正常工作的特殊环境有着极强的适应能力，柔软的构型材料使机器人具备更强的人机交互能力。随着人们在医疗、野外勘探等领域对机器人的特殊应用需求日益增长，软体机器人技术逐渐成为学界研究的热点之一。
科学家从20世纪便开始了对软体机器人的探索。1989年，日本冈山大学软体机器人实验室完成了早期的软体机器人——小型柔性机械手（图2（a））该机械手采用白色硅胶材料浇筑而成，使用压缩气体驱动方式，具有7个自由度能够完成基本抓持动作。此后，冈山大学研究室又先后完成了仿蠕虫自主推进式内窥镜（图2（b））及气动蝠鲼（图2（c））两种采用硅胶材料和气动驱动模式的软体机器人。2007年，美国国防部高级研究计划局综合应用了材料化学以及机器人学，研制出能够通过改变自身形态来通过狭小空间的化学机器人Chembots（图2（d）），开辟了软体机器人在勘探领域的运用。
图2软体机器人
近年来，得益于材料科学、控制、机电等学科的发展进步，软体机器人技术飞速发展。为提升机器人在野外勘探中的灵活性和工作能力，无拖缆软体机器人成为新的研究热点并取得重大进展：2014年，哈佛大学自主研制了一款仿海星软体机器人（图3）。此机器人由高弹性硅胶材料构成，并使用电动空气压缩机提供动力，可以自主行进长达2h，能够承高强度冲击、碾压等作用，甚至具备在严寒气候、大风、水坑、火焰炙烤等恶劣条件下工作的能力。意大利BioRobotics研究所于2015年设计出一款防生章鱼则在成型材料及驱动方式上有所突破：该机器人利用硅胶包裹网状的SMA结构进行耦合变形，以此获得了触手抓取的动力，机器人触手的爬行、游动则由曲柄摇杆机构带动。
图3仿海星软体机器人
2016年，美国哈佛大学仿生机器人实验室自主研发的软体机器人Octobot（图2（e））发表于《Nature》，引发学术界广泛关注。Octobot是世界上首个全软体的机器人，其基体由3D打印技术制造而成，由化学反应提供所需动力，采用流体驱动的行进方式。在此之前，电池、电路板等刚性电子器件都在制约着机器人朝着全软体、无限自由度的方向发展，造成机器人在实践运用领域的局限性。而Octobot所需的燃料储存、电源及驱动模块均采用3D打印技术由软体材料打印完成。Octobot可以完成爬、游泳等基本活动并与外界环境进行互动，是一款自主性极高的软体机器人。更重要的是，全软体机器人的成功为软体机器人发展带来了跨时代的突破。
国内软体机器人近几年发展势态迅猛。2016年，中国科技大学计算机学院陈小平团队的气动蜂巢网络软体执行器（图2（f））在国际软体机器人研究领域引起极大反响。气动蜂巢网络是一种天然的刚柔合一型结构，具备大幅变性、高灵活度、高负重比和低成本4大特性，为消除刚性机器人的本质局限性开辟了一条具有巨大潜力的新途径。2017年，北京航空航天大学王田苗、文力团队与德国自动化技术商Festo合作完成了OctopusGripper（图4）的研制，这是中国软体机器人领域发展的又一次突破。OctopusGripper是一款防生章鱼软体触手，由气动的软硅胶结构构成，其具备的柔性抓取特性可以实现对多种不同形态、大小的物体稳定、无损地抓持。这种对不同形态大小物体抓取的普适性，在工业制造、医疗康复等领域有着广阔的运用空间。此外，上海交通大学谷国迎课题组研发的三爪纤维增强型气动软体抓手具有良好的气密性和抓取能力，能够实现对不同形状和尺寸物品的精确抓持；浙江大学李铁风、黄志龙课题组开发出的软体仿生机器鱼在水中的速度刷新了世界已出现的同类型软体机器鱼的极限。在我国，越来越多的大学开始了对软体机器人领域更为深入的研究。
图4防生章鱼软体触手
随着人们对自然更加深入了解、对软体动物及其特有结构的认识更加清晰，可以预见，软体机器人领域必将迎来新一轮快速发展。
02
智能材料前沿研究
为了达到更好的运动灵活性，软体机器人的基体大多采用硅胶等柔软的高弹性材料。随着材料科学的进步，一批新型合成材料进入了软体机器人领域，如multigait软体机器人使用弹性聚合物为材质实现了更大的灵活性。此外，由于传统电机不适合直接用于软体机器人的制动，形状记忆合金（shapememoryalloys，SMA）也被广泛选择为柔性致动器。以下详细介绍了硅胶、SMA、离子聚合物-金属复合材料（ion-exchangepolymermetalcomposite，IPMC）软体、水凝胶等常见软体材料及特性（表1）。
表1常见软体材料性能比较
橡胶。橡胶是软体机器人发展历程中使用最早且运用最广的材料。橡胶的化学成分和物质构造，令其具有了优于其他同类型材料的特点：吸附能力强、热稳定性好、化学性质稳定等。橡胶10~80HA邵氏硬度的宽广范围给予研究者充分的自由选择所需硬度，其优异的拉伸强度、撕裂强度以及伸长率为软体机器人的运用提供了条件。
形状记忆合金。形状记忆合金SMA是一种新型的功能性材料，加热后能够恢复原始形状，消除在低温状态下所发生的变形，具有形状记忆、超弹性和可变刚度等特性。由于具有这些显著特性，形状记忆合金已经成为结构振动控制研究中一种优越的传感和驱动材料，并大量运用于软体机器人的开发研究中，在软体机器人成型及驱动中发挥着重要作用。
IPMC。IPMC是一种电致变形的智能材料（离子型），具有驱动电压低（10Hz）、低功耗、密度小、柔韧性好等优点。而采用IPMC材料制作水下软体机器人的推进器具有扰动小、无污染、无噪音、无需润滑等特点。这些特点都是许多传统刚性机械装置所不具备的。
响应水凝胶。凝胶拥有独特的基于化学键或物理作用交联形成的三维网状结构。响应水凝胶在外界环境变化时通常展现出独特的响应性溶胀行为，如一些水凝胶能因外界pH值、温度、光电信号、特殊化学分子等微小变化，而产生相应结构的变化。由于智能水凝胶有着能够随外界环境变化而产生形变的特性，所以其常用作智能驱动材料应用于软体机器人外形塑造与驱动等领域。
03
驱动方式前沿研究
对研究者而言，为使软体机器人发挥作用并达到预期效果，选择合适的驱动方式便成为一项重要课题。软体机器人因其材质与结构的特殊性，对驱动方式的选择也有着更高的要求，如追求更大的自由度、灵活性、伸展性等。软体机器人的驱动方式大致可分成物理驱动、流体驱动和电活性聚合材料（electro-activepolymer，EAP）驱动等。
物理驱动。通过内置形状记忆合金驱动器使软体机器人运动是当前较为流行的物理驱动方法，如意大利仿生机器人研究所研制的仿生章鱼（图5）。机器人全身由硅胶薄膜包覆网状形状记忆合金浇筑而成，通过网状形状记忆合金耦合变形实现触手的抓取，曲柄摇杆机构带动触手做出相应的爬行、游动等动作。此机器人的灵感来自自然界中章鱼的全柔性触手，样机受控变形效果近似生物原型，具有运动可仿真预测、环境自适应游动等优点。但仿生章鱼机器人仅触手开发较成熟，整机完成度低，驱动控制仍需拖缆辅助，存在着较大的提升空间。
图5仿生章鱼
流体驱动。流体驱动方式利用气、液等流体，通过其变形结构使软体机器人内部腔体收缩、膨胀，以达到受控变形和运动的目标。气动人工肌肉（PAM）是一种早期的流体致动器，是由纤维套筒包裹可变形弹性管体构成的一种柔软的线性执行器。软体机器人使用PAM驱动的典型案例是哈佛软体机器人实验室研制的人工心脏（图6）。人工心脏外体为硅胶浇筑，内部螺旋状埋设人工肌肉。人工心脏通过气动人工肌肉（PAM）控制自身运动，选择性激活或关闭人工肌肉单元，进而模拟心脏肌肉收缩规律，并使用软件进行数值仿真。
图6人工心脏
逐渐地，软体机器人开始使用弹性更为强大的流体致动器FEA（fluidicelastomeractuator）。FEA是一种新型的具备高变形性和适应性的柔性致动器，它具有合成材料构成的弹性体层和具备较大变形能力的加压流体扩大嵌入式通道，这类独特的结构通常被称为气网（PN）。FEA中使用的压力可以是气动或液压。由于自然环境中的空气具备易获取、质量轻、无污染等性质，因此气动系统通常优于液压系统。波动蛇形运动软体机器人由4个双向FEA制动器串联构成，机器人从头部到尾部沿其身体曲率曲折前进，身体带有刚性被动轮，被动轮之间产生侧向摩擦提供前进运动的分力。通过躯体不断扭曲，蛇形机器人最快可以达到19mm/s的速度。iRobot公司的干扰皮肤机器人则采用另一种气动驱动方式。内部气囊膨胀引起未受干扰的部分变形为机器人提供动力，由此带动机器人整体滚动前进。
除了控制气体引起软体躯体形变获得动力外，研究者们还通过压缩气体产生冲量推动机器人前进。美国斯坦福大学DenilaRus等最新研制的尾鳍推进机器鱼（图7）利用硅胶浇筑机器鱼的头部与尾部，用3D打印技术打造连接架部分。尾鳍推进机器鱼采用压缩空气或二氧化碳等气体产生推理前进，整体式人工肌肉（尾部2组空腔）进行方向控制，无需拖缆、遥控，自备动力源自主游动，可快速机动躲避障碍物。然而，压缩空气驱动使得废气不断冒出，不利于机器鱼水底作业隐蔽。
图7尾鳍推进机器鱼
内燃爆炸驱动是气动驱动中的特例。哈佛大学Tolley等研制出自主跳跃软体机器人（图8）。该机器人外部躯体结构由硅胶树脂组成，依靠爆炸产生高压燃气进行推进。简单来说，就是一种“充气”再“放气”进而产生动力的跳跃方式。机器人底部设计了一个致动装置，装置内部加入了氧气和丁烷，通过火花点燃气体使气体爆炸后膨胀，而利用躯体膨胀的程度不同则可以控制机器人弹跳的方向。“放气”后的机器人弹跳高度可以达到0.6m，所有步骤的实行不需外界控制系统的辅助。机器人运用3D打印技术打印刚性材料与软体材料混合的骨架，并采用刚性部件拼装，所有刚性部件如PCB、气瓶、气阀、电池等内置处理，可以很好保护机器本身适应剧烈形变而不致损坏。
图8自主跳跃软体机器人
EAP驱动。电活性聚合材料EAP是一类在外加电场刺激下产生大幅度形变的新型柔性材料。与形状记忆合金等传统功能材料相比，EAP具有形变能力强、功耗低、响应迅速、柔韧性好等众多优点，因此常被用作软体机器人的驱动材料，并相应地衍生出一种新的驱动方式。根据换能机制的区别，EAP驱动可以分为离子型（IPMC）和电场型（DE）两种驱动模式。
离子型EAP驱动是在电化学的基础上，以化学能作为过渡实现电能到机械能的转化，而IPMC材料的运用是这种驱动方式的典型代表（图9）。当对IPMC材料的厚度方向施加电压时，IPMC会向阳极弯曲，产生较大的变形。反之，当IPMC受到弯曲变形时，IPMC也会在厚度方向产生电压。通过这种特殊性质，IPMC材料可以构成一个机电耦合系统。研究人员使用IPMC软体材料基于仿生学制造软体机器人，如蛇形游泳机器人或多自由度微型机械手。通过切割IPMC致动器表面电极，可单独控制每个躯体身段，以便实现蛇形或多自由度弯曲运动。
图9EAP驱动人工肌肉原理
电场型EAP驱动是由电场驱动产生电效应力，直接将电能转化为机械能，进而在宏观上表现出电致动特性。这种驱动方式可产生较大输出力，但激励电场电压较高。介电高弹体材料（dielectricelastomers，DE）常运用为此驱动方式的驱动器材料。Kofod等基于介电高弹体材料制作了软体三角状抓手，可抓起轻质的柱状物体。Jung等以蠕虫为仿生原型，设计出以DE材料为单元的驱动器，以6个基本单元为一组，形成一个二级的柱形单元，并将一组组合成后的二级单元连接成尺寸大小不同的蠕虫机器人，实现了1mm/s的爬行速度。
04
应用热点领域
软体机器人在生产生活中具有极其广泛的应用。根据其使用场景可分为以下3种主要运用领域。
人机交互康复机器人。相比于传统刚性机器人，软体机器人柔软的机体使其可以更高效、安全地与人类和自然界进行交互。如同人体灵活的躯干与肌肉，软体机器人柔软的机体、弯曲的形态和不规则的表面令其在不同环境中能够更为灵活的运动。因此，将软体机器人与可穿戴设备结合用以帮助特殊人群完成生理活动。哈佛大学的软体机器人手套（图10）利用软体致动器组成的模压弹性腔与纤维增强，诱导特定的弯曲，能够使肌肉或者神经受损的患者独立把握物体。研究者们对这些软致动器进行机械编程，以匹配和支持使用者个别手指的精确运动。与此相似的还有拇指柔性康复手套。除小型的穿戴设备外，还出现了步态协助软机器人exosuit这样覆盖全身的大型可穿戴设备。它可以像正常的衣服一样佩戴，最大限度减少与穿着者的相互干涉，对穿戴者起到辅助作用。目前，中国已经成为世界上老年人口最多的国家，也是人口老龄化发展速度最快的国家之一。中国正逐步进入老龄化社会，加之社会经济的稳步发展，大众对于服务机器人的需求日益增长，而软体机器人作为此类型机器人中的佼佼者，在人机交互和康复领域有着广泛运用，更应受到更加广泛的关注。因此，大力发展软体机器人应用技术，提高研发水平，早日实现其在人机交互及康复领域的运用和普及，满足社会发展及市场的需求。
图10软体机器人手套
勘探、野外运动。在地震、洪水等自然灾害发生时，抑或遇到悬崖、岩洞、海底等复杂未知环境，用机器人代替人类工作就显得十分必要。传统的刚体或超冗余度机器人对复杂环境的适应能力不足以承担日趋精密的勘探任务，而软体机器人则可以利用自身柔软、弯曲程度高、自由度大等优势很好地适应不同的复杂环境，承担起勘探、救援、侦查等工作。一种柔软可变形机器人（图11）可以通过爬行、跳跃等方式在崎岖的地形中轻松自如地移动。此外，利用内燃爆炸驱动的方式，机器人可以不受限制地跳跃通过各种障碍。在水下，柔软的尾鳍推进机器鱼可以像鱼一样潜水、摆尾、游动，进而完成水底勘探、搜寻等工作。而仿生章鱼机器人运用仿生学原理，可以通过狭小的通道并利用非结构化的触手在曲折的地面前进或作出抓取动作。此外，斯坦福大学研发了一款新的软体机器人Vine-linkrobot（图12）。此机器人全身由薄的软塑料包裹而成，形成类似于管状的躯体，且有部分向内折叠。科学家通过固定端往机器人的躯体内注入压缩空气，通过流体驱动的方式将内部折叠部分展开膨胀，致使躯体延伸并按照设定方向前进。在研究人员公布的资料中，Vine-linkrobot可以举起100kg的木箱，以各种蜿蜒曲折的姿态通过不同的障碍物，并可以抵御火焰的高温。在Vine-linkrobot顶端安装摄像头，可以通过实时的画面传输获取机器人所在环境信息，配合机器人柔软躯体带来的灵敏性，完成相应勘探或救援任务。在未来勘探救援领域，软体机器人可发挥重要作用。
图11软体可变形机器人
图12会生长的软体机器人
医疗和手术应用。软机器人天生具有与生物体的自然组织兼容的优势。微创外科手术（MIS）为软体机器人提供了一个巨大的舞台。软体机器人能够突破传统微创外科手术方法的局限，如低自由度的操作设备给手术带来的限制。伦敦大学研制的刚度可控的章鱼状微创外科手术机器人手臂（图13）运用了仿生学原理，根据手臂机械性能的需要通过控制机械手臂的刚度更好地配合手术进行，柔软的材质将手术的伤害降到最低。此外，哈佛大学实验室研发的气动人工心脏，冈山大学的仿蠕虫自主推进式内窥镜可用于检查病人身体内部情况，这种柔软的内窥镜对人体伤害几乎为零。在手术室中，机器人系统广泛运用于软、硬组织手术。而软体机器人依靠自身的优势特性，能够有效地辅助外科医生的实际操作，使得手术更加精确、伤口更小、流血更少，术后恢复所需时间更短。当下，在“互联网+”这一新的经济形态推动下，现代通信技术同医疗领域结合已成为推动医疗卫生改革发展的重要环节。而软体机器人同现代通信技术的结合与应用，将极大改善医生手术时的设备条件，使远程手术的现实与普及成为可能，更将推进国民医疗卫生保障体系的建设，为看病难、医疗资源分布不均等问题的解决提供了新的思路。
图13刚度可控的章鱼状微创外科手术机器人手臂
05
结论及展望
软体机器人这一全新的研究思路，开启了一个令人兴奋的机器人技术新方向，在近年来取得了长足的进步。但是，作为一门新兴技术，软体机器人技术的发展涉及材料科学、生物工程、机电、控制等多个学科，从材料选择、动力输出、模型构筑、实际运用等方面还有着许多问题等待着研究者深入探讨。
现有的软体材料如SMA、水凝胶、IPMC等已经趋近成熟，并推动软体机器人的发展，但这些材料在应力、应变、寿命、价格等方面仍然存在缺陷，不能满足软体机器人高速发展的现状。软体机器人通过仿生学实现其适应性、弹性与流变特性，可考虑将其与生物材料直接联系，通过合成材料与生物材料联合、材料科学与生物工程科学有机结合，开发出更具生物相容性和生命性的新型软体材料。可以预见，由天然肌肉组织和软体电子材料等组成的合成细胞将代替现有的软体材料进一步推动软体机器人的发展。
理论上，软体机器人可以实现无限自由度的运动，这也是相较于传统刚性机器人的优势所在。然而，受限于驱动方式和致动器数量，要精确控制机器人的运动需要大量传感器数据反馈与处理，在实际运用中难以保证控制实时性。因此，强化仿生智能控制算法研究成为软体机器人研究的新热点，通过有效计算控制机器人移动、机体刚度与形变程度，更好地适应多变的环境，构建更加智能的机器人。
在中国，软体机器人在勘探、医疗、养老等多个领域有着重要的用途与发展前景，但高昂的生产成本依旧制约着这项新技术的普及。为了实现商业上的可行性和在实际运用中的普及，软体机器人还应朝着廉价与大规模化生产的方向发展。随着激光微加工、计算机数字化控制（CNC）数控加工和3D打印等新技术新工艺的蓬勃发展，这些方法正逐步运用至软体机器人的制造加工中，将极大地降低机器人的生产成本。此外，人工肌肉、皮肤和支持机械运用的神经系统可以通过模板光刻、喷墨打印等技术运用在机械生产中，也为软体机器人的商业化发展带来了新的思路。
在世界经济整体低迷的时代背景下，中国经济面对着较大的下行压力，经济增速变缓，但是经过长时间发展的国内制造业水平已经获得明显提升，以软体机器人为代表的高端制造行业正准备迎来快速增长期，并极有可能成为引爆中国经济的又一个切入点。
随着软体机器人向着更深更远的方向发展以及智能化水平的提高，其应用将对医疗卫生、养老康复、勘探救援等领域产生颠覆式的影响。由此来看，中国软体机器人产业大有可为。
参考文献（略）
返回搜狐，查看更多【2018国家奖提名公示】仿人机器人关键技术及应用
该项目取得的成果得到国际同行高度肯定。发表SCI、EI论文120余篇，其中发表在国际机器人顶级期刊IEEET-RA上的仿人机器人运动规划论文SCI单篇他引255次，是该刊近15年来仿人机器人方向他引次数最高的论文。获IEEE-IROS等国际机器人会议8篇优秀论文奖和提名奖。项目第一完成人“因对仿人机器人设计和控制方面的贡献”当选IEEEFellow。
该项目申请国家发明专利61余项，其中已授权42项。从关键技术发明、核心部件研发到应用创新，形成了一整套技术成果，已在载人航天国家重大工程、国家公共安全等领域得到应用，在多家军民口企业实现了成果转化与应用，近3年创造经济效益超亿元，取得重大社会、经济效益。
客观评价
1.成果鉴定
2014年8月11日教育部主持的“仿人机器人的仿生控制技术及系统”成果鉴定会，鉴定委员会鉴定意见：“从仿生角度系统地研究了仿人机器人的仿生运动规划、控制及系统集成，攻克了核心技术”、“研制的仿人机器人在国内率先实现了独立行走，在国际上首次完成了刀术、太极拳等一系列高难度运动，被选为国家863计划重大科技成果，并作为标志性成果在国家高新区建设二十周年成就展展出，产生了良好的社会反响，部分技术在国家重大工程中得到应用”、“整体技术达到了国际先进水平，在复杂动态动作的仿生规划与传感反射控制技术方面处于国际领先水平”
2.项目验收意见
2012年8月6日863计划重点项目课题“仿人机器人移动作业协调关键技术和系统集成”的验收专家组意见评价：“实现了仿人机器人具有高度感知与运动能力的演示验证”、“实现部分核心器件替代进口；仿人机器人平台目前已经实现示范应用。小型高功率密度驱动器，实现了初步产业化”、“相关技术与系统对机器人技术的发展起到了引领和示范作用”。
3.同行评价
日本著名学者K.Kaneko等2005年发表在机器人顶级会议IEEE-IROS中的论文评价该项目的平衡控制方法：“所提出的动态步态实时调节平衡控制方法使仿人机器人能适应未知环境，保持稳定行走”。日本AIST的学者Y.Guan等2006年发表在机器人顶级期刊IEEET-RO上的论文评价该项目提出的规划方法：“解决了仿人机器人难以在不平整地面及存在障碍等复杂环境中行走的问题，使仿人机器人能适应不平整地面及障碍等复杂环境”。项目在机器人顶级期刊IEEET-RA上的“仿人机器人运动规划”论文，单篇SCI他引255次，是该刊近15年来发表的仿人机器人方向单篇SCI他用次数最多的论文。
4.国际学术影响力
项目第一完成人“因在仿人机器人设计和控制方面的贡献”当选2016年IEEEFellow，第18届IEEE-Humanoids国际学术会议大会总主席。项目获2005年IEEE-IROS、2007年IEEE-ROBIO、2004年ICIMA等国际学术会议优秀论文奖，获2010年IEEE-ICAL、2011年IEEE-ICMA、2014年IEEE-ICIA、2016IEEE-ARM年、2017IEEE-ARM优秀论文提名奖。黄强任IEEETrans.onRobotics（2004-2007）、AdvancedRobotics(2007-至今)、Intl.J.ofSocialRobotics（2013-至今）等国际著名期刊AssociateEditor。
推广应用情况
该项目在已成功应用于载人航天工程空间站大型机械臂、某型号舱内操作的人机系统。在山东帅克机械制造公司、华创机器人制造有限公司等企业实现成果转化与应用，创造经济效益超亿元。
主要知识产权证明目录
主要完成人情况
1.黄强，排名1，教授，工作单位：北京理工大学，完成单位：北京理工大学，是该项目主要负责人，对发明点1、2、3均有重要贡献，如发明了仿人机器人动作相似性评价方法、着地控制方法、姿态实时检测系统等。
2.余张国，排名2，副教授，工作单位：北京理工大学，完成单位：北京理工大学，对发明点1、2、3有重要贡献，如发明了仿人机器人身体姿态补偿方法、多模态运动转换方法等。
3.张伟民，排名3，副教授，工作单位：北京理工大学，完成单位：北京理工大学，对发明点1、2、3有重要贡献，如发明了仿人机器人防止机器人前后倾斜的运动规划方法、足部冲击吸收机构等。
4.高峻峣，排名4，副研究员，工作单位：北京理工大学，完成单位：北京理工大学，对发明点2、3有重要贡献，如发明了仿人机器人脚着地控制方法、变刚度关节等。
5.陈学超，排名5，讲师，工作单位：北京理工大学，完成单位：北京理工大学，对发明点2、3有重要贡献，如发明了仿人机器人ZMP自主标定方法、消除上身姿态晃动控制方法、不平整地面行走控制方法等。
6.汤承龙，排名6，高级技师，工作单位：山东帅克机械制造股份有限公司，完成单位：山东帅克机械制造股份有限公司，对发明点3有重要贡献，发明了机器人变刚度关节等。
完成人合作关系说明
本项目第一完成人黄强与其它主要完成人长期合作，共同承担国家自然基金、863计划等项目，获多项授权国家发明专利，并一起实现项目成果转化。
本项目第二完成人余张国、第三完成人张伟民、第五完成人陈学超曾分别在第一完成人黄强的指导下攻读学位。本项目前五完成人目前在同一单位工作，长期合作从事仿人机器人的研发工作，共同申请并获授权多项国家发明专利。
本项目前五完成人与第六完成人汤承龙从2010年起先后在机器人关节一体化设计与控制方面合作至今，共同获授权国家发明专利多项。返回搜狐，查看更多
智能机器人4大类关键技术和应用
2)能够靠自动控制实行作业；
3)能够重新编程作业内容
只具有第1项功能的装置是操作机，操作机再加上第2或第3项功能的为准机器人。
人们通常把机器人划分为三代
第一代是可编程机器人。这种机器人一般可以根据操作人员所编的程序,完成一些简单的重复性操作。这一代机器人是从60年代后半叶开始投入实际使用的,目前在工业界已得到广泛应用。
第一代是可编程机器人。这种机器人一般可以根据操作人员所编的程序,完成一些简单的重复性操作。这一代机器人是从60年代后半叶开始投入实际使用的,目前在工业界已得到广泛应用。
图：世界上第一台可编程的机器人
第二代是“感知机器人”,又叫做自适应机器人。它在第一代机器人的基础上发展起来的,能够具有不同程度的“感知”周围环境的能力。这类利用感知信息以改善机器人性能的研究开始于70年代初期,到1982年,美国通用汽车公司为其装配线上的机器人装配了视觉系统,宣告了感知机器人的诞生,在80年代得到了广泛应用。
第二代是“感知机器人”,又叫做自适应机器人。它在第一代机器人的基础上发展起来的,能够具有不同程度的“感知”周围环境的能力。这类利用感知信息以改善机器人性能的研究开始于70年代初期,到1982年,美国通用汽车公司为其装配线上的机器人装配了视觉系统,宣告了感知机器人的诞生,在80年代得到了广泛应用。
图：美国RethinkRobotics公司的自适应型低成本机器人
第三代机器人将具有识别、推理、规划和学习等智能机制,它可以把感知和行动智能化结合起来,因此能在非特定的环境下作业,称之为智能机器人。1956年在达特茅斯会议上，马文•明斯基提出了他对智能机器的看法：智能机器能够创建周围环境的抽象模型，如果遇到问题，能够从抽象模型中寻找解决方法”。这个定义一直影响着智能机器人的研究方向。
第三代机器人将具有识别、推理、规划和学习等智能机制,它可以把感知和行动智能化结合起来,因此能在非特定的环境下作业,称之为智能机器人。1956年在达特茅斯会议上，马文•明斯基提出了他对智能机器的看法：智能机器能够创建周围环境的抽象模型，如果遇到问题，能够从抽象模型中寻找解决方法”。这个定义一直影响着智能机器人的研究方向。
智能机器人与工业机器人的根本区别在于,智能机器人具有感知功能与识别、判断及规划功能。而感知本身,就是人类和动物所具有的低级智能。
因此机器的智能分为两个层次:
①具有感觉、识别、理解和判断功能;
②具有总结经验和学习的功能。
所以,人们通常所说的第二代机器人可以看作是第一代智能机器人。
智能机器人是一个在感知-思维-效应方面全面模拟人的机器系统，外形不一定像人。它是人工智能技术的综合试验场，可以全面地考察人工智能各个领域的技术，研究它们相互之间的关系。还可以在有害环境中代替人从事危险工作、上天下海、战场作业等方面大显身手。
二、智能机器人涉及的理论、技术
简单来说，智能机器人就是以人工智能决定其行动的机器人。目前研制中的智能机器人智能水平并不高，只能说是智能机器人的初级阶段。智能机器人研究中当前的核心问题有两方面：一方面是，提高智能机器人的自主性，这是就智能机器人与人的关系而言，即希望智能机器人进一步独立于人，具有更为友善的人机界面。从长远来说，希望操作人员只要给出要完成的任务，而机器能自动形成完成该任务的步骤，并自动完成它。另一方面是，提高智能机器人的适应性，提高智能机器人适应环境变化的能力，这是就智能机器人与环境的关系而言，希望加强它们之间的交互关系。
智能机器人涉及到许多关键技术，这些技术关系到智能机器人的智能性的高低。这些关键技术主要有以下几个方面：
多传感信息耦合技术，多传感器信息融合就是指综合来自多个传感器的感知数据,以产生更可靠、更准确或更全面的信息，经过融合的多传感器系统能够更加完善、精确地反映检测对象的特性,消除信息的不确定性,提高信息的可靠性；
导航和定位技术，在自主移动机器人导航中，无论是局部实时避障还是全局规划，都需要精确知道机器人或障碍物的当前状态及位置，以完成导航、避障及路径规划等任务；
路径规划技术，最优路径规划就是依据某个或某些优化准则，在机器人工作空间中找到一条从起始状态到目标状态、可以避开障碍物的最优路径；机器人视觉技术，机器人视觉系统的工作包括图像的获取、图像的处理和分析、输出和显示,核心任务是特征提取、图像分割和图像辨识；
智能控制技术，智能控制方法提高了机器人的速度及精度；人机接口技术，人机接口技术是研究如何使人方便自然地与计算机交流。
多传感信息耦合技术，多传感器信息融合就是指综合来自多个传感器的感知数据,以产生更可靠、更准确或更全面的信息，经过融合的多传感器系统能够更加完善、精确地反映检测对象的特性,消除信息的不确定性,提高信息的可靠性；
导航和定位技术，在自主移动机器人导航中，无论是局部实时避障还是全局规划，都需要精确知道机器人或障碍物的当前状态及位置，以完成导航、避障及路径规划等任务；
路径规划技术，最优路径规划就是依据某个或某些优化准则，在机器人工作空间中找到一条从起始状态到目标状态、可以避开障碍物的最优路径；机器人视觉技术，机器人视觉系统的工作包括图像的获取、图像的处理和分析、输出和显示,核心任务是特征提取、图像分割和图像辨识；
智能控制技术，智能控制方法提高了机器人的速度及精度；人机接口技术，人机接口技术是研究如何使人方便自然地与计算机交流。
智能机器人的关键技术
(一)智能机器人的智能
在人工智能研究方面，人们一直沿着模拟脑方向做出努力，研究的内容主要包括：
①理解自然智能（特别是人类智能）的认知机理与决策机理；
②探索各种模拟和实现自然智能工作机理（包括认知的机理和决策的机理）的方法与途径；
③根据经济与社会发展的需要，研制具有一定智能水平的机器系统；
④把智能系统应用于国家经济建设与社会服务各领域，促进科学技术和经济社会发展的智能化。
(二)智能机器人的能源
机器人的能源问题是机器人能否得到广泛应用的基础。要让机器人走出工厂，走出房门，就必须考虑机器人的能源问题。现在的高能电池要么十分昂贵，要么体型巨大，而很多机器人都注定是一个高耗能的机器。因此，能源问题，几乎是机器人的一道门槛。迈不出门槛，机器人就只能是室内插电源线的“室内机器人”。
智能机器人的机动性要求动力源轻、小、出力大。而现有的移动机器人无一例外地拖着“辫子”。以动力源的重量/功率之比为例,目前电池约达到60g/W(连续使用小时),汽油机约为1.3g/W,都不理想,而且使用有局限性。到目前为止,尚未见到改善动力源的有效办法。电机仍然是智能机器人的主要驱动器。要使智能机器人的作业能力与人相当,它的指、肘、肩、腕各关节大致需要3-300Nm的输出力矩和30-60r/min的输出转速。传统伺服电机的重量/功率之比约为30g/W,而人在百米跑和投掷垒球时腿、肩、臂的出力大约为1g/W,相差甚大。
总之,智能机器人性能指标的改进是无止境的,对驱动器的要求也越来越高。什么是客观的衡量标准呢?一个容易接受的办法就是把它与人的体能加以比较。从这个角度来看,智能机器人驱动技术目前差距还相当大。
(三)智能机器人的运算速度
在人们对智能机器人的期望中，都希望机器人能够在极端环境下完成复杂的工作。有的机器人可能需要很小，而且需要完成的工作又极其复杂。这就对现代芯片集成工艺提出了挑战。这种机器人需要集成度更高，运算速度更快，而且能够在极端环境下正常工作的芯片。由于运算器速度的限制，导致许多人类可以轻易完成的任务，而在机器人身上几乎是无法完成的。
解决运算速度的方法有二：
其一是芯片制造工艺上的发展。就像前面说的那样，提高芯片的集成化。但是在现在看来，芯片的集成技术似乎发展到了一个瓶颈的地步。微型的芯片似乎已经到了一个很高的地步。
第二种解决方法就是采用物联网的方式来管理机器人。用一个终端服务器来对机器人遇见的问题进行统一运算。这就是把机器人的“脑袋”统一管理，这样就不需要把用于运算的芯片做得很小了。只要网络传输的速度能符合要求就够了。随着物联网的推广，以后给每一个机器人分一个IP地址也不是问题。所以这种解决方法也是很有前景应用价值的。即运算速度的关键问题，就是远程控制通讯问题以及芯片制造工艺问题。
其一是芯片制造工艺上的发展。就像前面说的那样，提高芯片的集成化。但是在现在看来，芯片的集成技术似乎发展到了一个瓶颈的地步。微型的芯片似乎已经到了一个很高的地步。
第二种解决方法就是采用物联网的方式来管理机器人。用一个终端服务器来对机器人遇见的问题进行统一运算。这就是把机器人的“脑袋”统一管理，这样就不需要把用于运算的芯片做得很小了。只要网络传输的速度能符合要求就够了。随着物联网的推广，以后给每一个机器人分一个IP地址也不是问题。所以这种解决方法也是很有前景应用价值的。即运算速度的关键问题，就是远程控制通讯问题以及芯片制造工艺问题。
近年来，传感器技术发展迅速。一些普通的传感器的价格也越来越便宜。但即使这样，运行了先进传感器技术的现代机器人在一些问题上，任然无法达到人类感触外界的能力。
人类的“传感器”很小，一个神经细胞就是人类的传感器。人的身体外部皮肤，几乎处处都可以起到温觉传感器和压力传感器的作用。人类的耳朵结构也不是话筒就可以简单代替的。人类的眼球里，就有很多“光敏传感器”。这些“光敏传感器”协同工作能力，以及两个眼睛的协同工作能力，也不是简单的两个摄像头可以解决得了的。相对于智能生物---人类而言，现有的传感器技术还远远不够。
智能机器人身上的传感器，应该需要满足以下特点：
①体积小，能耗低或者不耗能。
②初步具有一些物理处理事件的能力。不能把所有的问题都传给“大脑”来处理。
③传感器与传感器之间需要能够互相通信。当一个范围内的传感器都接收到信号时，那个范围内的传感器可以经过通信处理后，决定发送一个统一的信号给计算机处理。
(五)智能机器人驱动方式
到目前为止，现有的大部分机器人和机器的驱动几乎都是依靠电机进行驱动的。我们知道电机可以提供扭矩，可以驱动旋转副。然而人类肢体运动的驱动方式是依靠肌肉的伸缩来完成的。这种驱动方式比电机耗能要低得多。现有的技术中，气压和液压似乎是可以代替人工肌肉来实现伸缩的功能。但是这两种方式都需要气压泵或者液压泵。如果真用气压和液压来驱动机器人，那么要么机器人背着一个气压泵或者液压泵走，要么让机器人脱着一根管子走。这两种方式都不大理想。除非解决了气压泵或者液压泵的重量，体积，以及能耗问题。
必须寻找能够替代气压和液压的东西来解决驱动方式的问题。伸缩的驱动方式在理论上磨损要比旋转的驱动方式要低。现有的智能机器人，比如说日本的一款用来模拟人类表情的机器人。这种机器人的脸上几乎就布满了微型电机。以这种发展趋势看，目前几乎没有完美的解决智能机器人驱动方式的方法。依靠电机的小型化来实现一连串合成且又复杂的动作，必定会增加控制上和能耗上的负担。好比是饮鸩止渴。
三、智能机器人的广泛应用
现代智能机器人基本能按人的指令完成各种比较复杂的工作，如深海探测、作战、侦察、搜集情报、抢险、服务等工作，模拟完成人类不能或不愿完成的任务，不仅能自主完成工作,而且能与人共同协作完成任务或在人的指导下完成任务，在不同领域有着广泛的应用。
智能机器人在各种具体场合可以为人们提供智能化服务：可以在工业生产流水线上执行一定工作流程任务（比如车钳铣刨等操作、设备保养、产品装配、产品检验、材料供应与管理）的智能机器人，可以完成农业生产特定作业（比如选种、育种、播种、施肥、收割、运输）的智能机器人，可以提供特定社会服务（比如文化教育、景点导游、语言翻译、售票检票、宾馆服务、医疗监护、清洁卫生）的智能机器人，可以执行特定家政服务（比如家庭保安、家务劳作、看护老人、照看婴儿、菜肴烹调、餐具清洗）的智能机器人。
在国防领域中，军用智能机器人得到前所未有的重视和发展。近年来,美英等国研制出第二代军用智能机器人，其特点是采用自主控制方式，能完成侦察、作战和后勤支援等任务，在战场上具有看、嗅等能力,能够自动跟踪地形和选择道路，具有自动搜索、识别和消灭敌方目标的功能。如美国的Navplab自主导航车,SSV自主地面战车等。在未来的军事智能机器人中，还会有智能战斗机器人、智能侦察机器人、智能警戒机器人、智能工兵机器人、智能运输机器人等等，成为国防装备中新的亮点。
在服务工作方面，世界各国尤其是西方发达国家都在致力于研究开发和广泛应用服务智能机器人，以清洁机器人为例，随着科学技术的进步和社会的发展，人们希望更多地从繁琐的日常事务中解脱出来，这就使得清洁机器人进入家庭成为可能。
日本公司研制的地面清扫机器人，可沿墙壁从任何一个位置自动启动，利用不断旋转的刷子将废弃物扫入自带容器中；车站地面擦洗机器人工作时一面将清洗液喷洒到地面上，一面用旋转刷不停地擦洗地面，并将脏水吸入所带的容器中；工厂的自动清扫机器人可用于各种工厂的清扫工作。
美国的一款清洁机器人“Roomba”具有高度自主能力，可以游走于房间各家具缝隙间，灵巧地完成清扫工作。
日本公司研制的地面清扫机器人，可沿墙壁从任何一个位置自动启动，利用不断旋转的刷子将废弃物扫入自带容器中；车站地面擦洗机器人工作时一面将清洗液喷洒到地面上，一面用旋转刷不停地擦洗地面，并将脏水吸入所带的容器中；工厂的自动清扫机器人可用于各种工厂的清扫工作。
美国的一款清洁机器人“Roomba”具有高度自主能力，可以游走于房间各家具缝隙间，灵巧地完成清扫工作。
瑞典的一款机器人“三叶虫”，表面光滑，呈圆形，内置搜索雷达，可以迅速地探测到并避开桌腿、玻璃器皿、宠物或任何其它障碍物。一旦微处理器识别出这些障碍物，它可重新选择路线，并对整个房间做出重新判断与计算，以保证房间的各个角落都被清扫。
瑞典的一款机器人“三叶虫”，表面光滑，呈圆形，内置搜索雷达，可以迅速地探测到并避开桌腿、玻璃器皿、宠物或任何其它障碍物。一旦微处理器识别出这些障碍物，它可重新选择路线，并对整个房间做出重新判断与计算，以保证房间的各个角落都被清扫。
甚至在体育比赛方面，也得到了很大的发展，近年来在国际上迅速开展起来足球机器人与机器人足球高技术对抗活动，国际上已成立相关的联合会FIRA，许多地区也成立了地区协会，已达到比较正规的程度且有相当的规模和水平。
机器人足球赛目的是将足球(高尔夫球)撞入对方球门取胜。球场上空(2m)高悬挂的摄像机将比赛情况传入计算机内，由预装的软件做出恰当的决策与对策，通过无线通讯方式将指挥命令传给机器人。机器人协同作战，双方对抗，形成一场激烈的足球比赛。在比赛过程中,机器人可以随时更新它的位置每当它穿过地面线截面，双方的教练员与系统开发人员不得进行干预。机器人足球融计算机视觉、模式识别、决策对策、无线数字通讯、自动控制与最优控制、智能体设计与电力传动等技术于一体，是一个典型的智能机器人系统。
现代智能机器人不仅在上述方面有广泛应用，而将渗透到生活的各个方面：像在煤炭工业在矿业方面，考虑到社会上对煤炭需求量日益增长的趋势和煤炭开采的恶劣环境，将智能机器人应用于矿业势在必行。在建筑方面，有高层建筑抹灰机器人、预制件安装机器人、室内装修机器人、擦玻璃机器人、地面抛光机器人等。在核工业方面，主要研究机构灵巧、动作准确可靠、反应快、重量轻的机器人等等。智能机器人的应用领域的日益扩大，人们期望智能机器人能在更多的领域为人类服务，代替人类完成更多更复杂的工作。
一网打尽系列文章，请回复以下关键词查看：创新发展：习近平|创新中国|创新创业|科技体制改革|科技创新政策|协同创新|成果转化|新科技革命|基础研究|产学研|供给侧热点专题：军民融合|民参军|工业4.0|商业航天|智库|国家重点研发计划|基金|装备采办|博士|摩尔定律|诺贝尔奖|国家实验室|国防工业|十三五预见未来：预见2016|预见2020|预见2025|预见2030|预见2035|预见2045|预见2050|前沿科技：颠覆性技术|生物|仿生|脑科学|精准医学|基因|基因编辑|虚拟现实|增强现实|纳米|人工智能|机器人|3D打印|4D打印|太赫兹|云计算|物联网|互联网+|大数据|石墨烯|能源|电池|量子|超材料|超级计算机|卫星|北斗|智能制造|不依赖GPS导航|通信|MIT技术评论|航空发动机|可穿戴|氮化镓|隐身|半导体|脑机接口先进武器：中国武器|无人机|轰炸机|预警机|运输机|战斗机|六代机|网络武器|激光武器|电磁炮|高超声速武器|反无人机|防空反导|潜航器|未来战争：未来战争|抵消战略|水下战|网络空间战|分布式杀伤|无人机蜂群领先国家：俄罗斯|英国|日本|以色列|印度前沿机构：战略能力办公室|DARPA|Gartner|硅谷|谷歌|华为|俄先期研究基金会|军工百强前沿人物：钱学森|马斯克|凯文凯利|任正非|马云专家专栏：黄志澄|许得君|施一公|王喜文|贺飞|李萍|刘锋|王煜全|易本胜|李德毅|游光荣|刘亚威|赵文银|廖孟豪全文收录：2016文章全收录|2015文章全收录|2014文章全收录其他主题系列陆续整理中，敬请期待……返回搜狐，查看更多机器人技术
目录1机器人技术2机器人方面3机器人技术的应用4职业安全与健康影响机器人技术编辑机器人学是计算机科学与工程的跨学科分支。机器人技术涉及机器人的设计、建造、操作和使用。机器人技术的目标是设计可以帮助和协助人类的机器。机器人集成了机械工程、电气工程、信息工程、机电一体化、电子学、生物工程、计算机工程、控制工程、软件工程、数学等领域。
机器人技术开发的机器可以替代人类并复制人类行为。机器人可以在许多情况下用于多种用途，但如今许多机器人用于危险环境（包括检查放射性物质、炸弹检测和停用)、制造过程或人类无法生存的地方（例如，在太空、水下、高温下，以及清理和遏制有害物质和辐射）。机器人可以采取任何形式，但有些机器人的外观与人类相似。据称，这有助于机器人接受通常由人执行的某些复制行为。这种机器人试图复制行走、举重、说话、认知或任何其他人类活动。今天的许多机器人都受到大自然的启发，为仿生机器人领域做出了贡献。
某些机器人需要用户输入才能操作，而其他机器人则自主运行。创造可以自主操作的机器人的概念可以追溯到古典时代，但对机器人功能和潜在用途的研究直到20世纪才大幅增长。纵观历史，各种学者、发明家、工程师和技术人员经常假设机器人有朝一日能够模仿人类行为并以类似人类的方式管理任务。今天，随着技术的不断进步，机器人技术是一个快速发展的领域。研究、设计和制造新机器人服务于各种实际目的，无论是在国内、商业还是军事上.许多机器人被设计用于执行对人类有害的工作，例如拆除炸弹、在不稳定的废墟中寻找幸存者以及探索地雷和沉船。机器人技术也用于STEM（科学、技术、工程和数学）作为教学辅助工具。
机器人方面编辑机器人的种类很多；它们用于许多不同的环境和许多不同的用途。尽管在应用和形式上非常多样化，但在构造方面它们都有三个基本相似之处：
机器人都有某种机械结构、框架、形式或形状，旨在完成特定任务。例如，设计用于穿越重泥土的机器人可能会使用履带式履带。机械方面主要是创作者完成分配任务和处理周围环境物理的解决方案。形式服从功能。机器人具有为机器提供动力和控制的电气元件。例如，带有履带履带的机器人需要某种动力来移动履带板。这种电力以电力的形式出现，它必须通过电线传输，并来自电池，一个基本的电路。即使是主要从汽油获得动力的汽油动力机器仍然需要电流来启动燃烧过程，这就是为什么大多数汽油动力机器（如汽车）都有电池的原因。机器人的电气方面用于运动（通过电机）、传感（电信号用于测量热量、声音、位置和能量状态等）和操作（机器人需要一定程度的为其电机和传感器提供电能，以启动和执行基本操作）所有机器人都包含某种程度的计算机编程代码。程序是机器人决定何时或如何做某事的方式。在履带式履带示例中，需要在泥泞道路上移动的机器人可能具有正确的机械结构并从其电池接收正确的电量，但如果没有程序告诉它移动，它不会去任何地方。程序是机器人的核心本质，它可以具有出色的机械和电气构造，但如果它的程序构造不好，它的性能就会很差（或者根本没有性能）。机器人程序分为三种不同类型：远程控制、人工智能和混合。带遥控器的机器人编程有一组预先存在的命令，只有当它接收到来自控制源的信号时才会执行这些命令，通常是带有遥控器的人。将主要由人类命令控制的设备视为属于自动化学科而不是机器人技术可能更合适。使用人工智能的机器人在没有控制源的情况下自行与环境交互，并且可以使用其预先存在的程序确定对遇到的对象和问题的反应。混合是一种编程形式，其中包含AI和RC功能。机器人技术的应用编辑随着越来越多的机器人被设计用于特定任务，这种分类方法变得更加相关。例如，许多机器人是为装配工作而设计的，可能不容易适应其他应用。它们被称为“装配机器人”。对于缝焊，一些供应商提供完整的机器人焊接系统，即焊接设备以及其他材料处理设施，如转盘等，作为一个集成单元。这种集成机器人系统被称为“焊接机器人”，尽管其离散的机械手单元可以适应各种任务。一些机器人是专门为重载操作而设计的，被称为“重型机器人”。
当前和潜在的应用包括：
军用机器人。工业机器人。机器人越来越多地用于制造业（自1960年代以来）。根据美国机器人工业协会的数据，2016年汽车行业是工业机器人的主要客户，占总销售额的52%。在汽车行业，他们可以占到一半以上的“劳动力”。甚至还有“熄灯”的工厂，比如早在2003年就实现了全自动化的德克萨斯州IBM键盘制造工厂。Cobots（协作机器人）。建筑机器人。建筑机器人可以分为三种类型：传统机器人、机械臂和机器人外骨骼。农业机器人（AgRobots）。机器人在农业中的使用与人工智能辅助精准农业和无人机使用的概念密切相关。1996-1998年的研究也证明机器人可以执行放牧任务。各类医疗机器人（如daVinciSurgicalSystem和Hospi）。厨房自动化。厨房自动化的商业示例有Flippy（汉堡）、ZumePizza（比萨）、CafeX（咖啡）、MakrShakr（鸡尾酒）、Frobot（冷冻酸奶）和Sally（沙拉）。家庭示例是Rotimatic（烤面包）和Boris（洗碗机装载）。运动机器人战斗-两个或多个机器人在竞技场中战斗以使对方瘫痪的爱好或体育赛事。这已经从1990年代的一种爱好发展到世界范围内的几部电视剧。清理污染区域，例如有毒废物或核设施。家用机器人。纳米机器人。群机器人。自主无人机。运动场划线。职业安全与健康影响编辑EU-OSHA起草的一份讨论文件强调了机器人技术的传播如何为职业安全与健康(OSH)带来机遇和挑战。
机器人技术的广泛使用所带来的xxx职业安全与卫生好处应该是替代在不健康或危险环境中工作的人。在太空、国防、安全或核工业，以及物流、维护和检查领域，自主机器人在替代人类工人执行肮脏、枯燥或不安全的任务方面特别有用，从而避免工人暴露于危险物质和条件下，并减少身体、人体工程学和心理社会风险。例如，机器人已经用于执行重复和单调的任务、处理放射性物质或在爆炸性环境中工作。未来，许多其他高度重复、风险或不愉快的任务将由机器人在农业、建筑、运输、医疗保健、消防或清洁服务等各个领域执行。
尽管取得了这些进步，但在未来一段时间内，人类将比机器更适合某些技能，问题是如何实现人类和机器人技能的最佳组合。机器人技术的优势包括具有精确性和可重复性的重型工作，而人类的优势包括创造力、决策能力、灵活性和适应性。这种结合最佳技能的需求导致了协作机器人和人类更紧密地共享一个共同的工作空间，并导致了新方法和标准的发展，以保证“人机融合”的安全性。一些欧洲国家正在将机器人技术纳入其国家计划，并试图促进机器人和操作员之间安全灵活的合作，以提高生产力。例如，德国联邦职业安全与健康研究所(BAuA)每年组织一次以“人机协作”为主题的研讨会。
未来，机器人与人的合作将呈现多样化，机器人自主性增强，人机协作达到全新的形式。当前的方法和技术标准旨在保护员工免受使用协作机器人的风险，必须进行修订。
百科AI推荐您可能感兴趣的词条认知型机器人技术认知型机器人技术（了解如何以及何时删除此模板信息）认知机器人学或认知技术是机器人学的一个子领域，关注的是通过为机器人提供一个处理架构，使其能够学习和推理如何在复杂的世界中对复杂的目标做出反应，从而赋予机器人智能行为。认知机器人学可以被认为是体现认知科学和体现嵌入式认知的工程分支，由机器人过程自动化...
雾机器人技术雾机器人技术雾机器人技术可以被定义为一种架构，它由存储、网络功能、控制与雾计算组成，更接近于机器人。雾机器人的概念主要由雾机器人服务器和云组成。它作为云的伴侣，在本地服务器的帮助下将数据推送到用户附近。此外，这些服务器是可适应的，由计算的处理能力、网络能力组成，并通过与其他机器人分享成果，以尽可能...
认知机器人技术认知机器人技术认知机器人技术致力于通过为机器人提供处理体系结构来赋予其智能行为，该处理体系结构将使其能够学习并推理出如何响应复杂世界中的复杂目标而做出的行为。认知机器人技术可以被视为体现认知科学和体现嵌入式认知的工程分支。核心问题尽管传统的认知建模方法已将符号编码方案作为描述世界的一种手段，但...
内容由匿名用户提供，本内容不代表vibaike.com立场，内容投诉举报请联系vibaike.com客服。如若转载，请注明出处：https://vibaike.com/131842/