本文選自中國工程院院刊《Engineering》期刊2018年第4期
來源：Robotics: From Automation to Intelligent Systems[J].
Engineering,2018,4(4):446-448.
●機器人專題 ●
《Engineering》2018年第4期“機器人”專題發表了5篇關於機器人研究方面的論文。
本文簡述了在過去的幾年中我們在自動機器人研製領域所取得的進展，並介紹了在工業環境中，為成功實現機器人自動化部署所解決的基本問題。本文還將為我們描述在更復雜的場景中，自動化技術落地應用所面臨的一些挑戰，如城市車輛自動化等。
機器人操作器最初在20世紀50年代末期取得應用，它率先被人們引入汽車製造領域。在隨後的發展中，液壓系統逐漸被電動機取代，這使得機器人更加靈活可控。起初，機器人僅在極其受限的使用場景中被用於如焊接等高重複性的工作，它們的操控設計完全從機器人內部的運動學角度出發，並不涉及其所處環境狀況的感知信息。
該領域的首次創新始於20世紀80年代初期，我們引入了由相機提供的視覺反饋，並添加了幾種不同模式的傳感器以監測環境並與環境相互作用，如激光與力傳感器等。然而，由於上述機器人操作器大多情況下均在固定區域進行作業，故機器人位置的不確定性幾乎為零，對我們而言，其外部環境也可以被輕易模型化並深刻理解。
當機器人需要在其作業環境中移動時，情況便截然不同了。為解決這個問題，
定位與感知這兩項新的核心能力就變得至關重要。在作業區域內移動的機器人需要被定位，即確定其相對於導航參考系的位置和方向。此外，我們更需對相鄰作業域的情況進行準確的展現，以確保機器人可以安全移動而不與其他物體發生碰撞。我們在室內環境中首次成功實現了地圖測繪以及機器人定位演示，並主要對超聲波傳感器的信息進行處理以獲得高清晰度地圖。此過程包含了在手動操作下，在作業環境中移動機器人以構建導航地圖，以及在隨後的自動作業中通過該地圖對機器人進行定位等。而下一個突破則體現在上述兩個過程的同步實現中，該技術開拓了一個非常活躍的研究領域，即我們所熟知的即時定位與地圖構建（simultaneous localization and map-ping, SLAM）。這些新算法支持在探索新區域時同時進行地圖構建以及定位，這在很大程度上促進了大型室內自動設備的部署。
戶外環境中，自動技術的首例重要應用為野地機器人，它涉及了諸如裝卸（圖1）、開採以及防禦等領域的大型機器的自動化。
圖1. 在澳大利亞布里斯班港口運行的全自動跨運車
在野地機器人學中成功應用該技術需要確保機器始終處於受控狀態，即使在某些部件出現故障時亦是如此。這需要開發基於各種不同模式傳感器（如雷達和激光）的新傳感技術。這些概念對於高完整性導航系統的開發至關重要。該系統如參考文獻中所述，包含了多套基於不同物理原理的傳感器，這可以確保不會有兩種傳感器同時發生故障。類似的設計理念在其他領域亦有應用，如在採礦機器人中，我們運用自動化孤島的設計理念，即開發一個只允許自動化系統運行的區域以實現局部優化。這種基本約束對於在眾多工業實踐中自動化系統的成功開發及應用至關重要。
機器學習技術已開始在野地機器人的自動化中發揮重要作用。在過去的5年裡，我們已經見證了大量不同種類的有監督學習和無監督學習的機器學習算法取得成功。其中，它們在農業領域中取得的應用更令人印象深刻（圖2）。現如今，基於視覺所開發的系統已經取得了廣泛應用。它們能夠將作物與雜草進行分類並加以區別，亦可以監測作物的健康狀況並遠程自動監測土壤條件。
圖2. 智能機器人在農業領域的應用
自動化機器人與人類以及其他手動操作機器之間的交互是一個更為複雜的問題。該研發領域的一個熱門課題便是城市環境中無人駕駛汽車（autonomous vehicle，AV）的運行（圖3）。
一輛AV必須以一種可預見程度高且非常安全的方式與其周圍動態變化的世界進行交互。其感知系統負責在所有可能出現的環境條件下提供車輛周圍的完整信息感知，這包括車輛附近的所有固定、移動物體的位置。此外，安全的AV運行還需要估計其他駕駛員和行人的意圖，以便能夠對突發情況進行預測並相應地制定應對策略。
圖3. 在大學校園內運行的AV電動汽車
大多數汽車製造商及相關研究機構目前正在投入大量資源，以期在未來幾年內引入這項技術。這加速了與自動化相關的所有領域的進展，包括新算法的開發以及低成本傳感能力和計算能力的構建。
通過利用各種傳感器，如激光器、雷達、照相機和超聲波裝置等，我們在機器人的感知方面取得了重大進展。每種模式的傳感器都有其優點和缺點，任何強大的設計都必須對不同的傳感器類型進行組合才能實現功能的完整性。
任何種類的傳感器都可能會出現故障，這可能是由天氣或其他環境因素等多種情況所造成的。正如我們所熟知的，儘管相機可以獲取優質的適宜分類的紋理信息，但是在大雨、大雪以及極端霧霾天氣下，它的表現總是不盡如人意。而激光可以為我們提供良好的距離信息，對於雨水環境也更具魯棒性。然而蒸汽、重塵、煙霧等環境對它的影響是災難性的。眾所周知，雷達在各類天氣情況下均表現穩定，但它卻缺少其他感知方式所具有的分辨率以及判別能力。目前，我們的主要研究方向即是致力於融合不同模式的傳感器，以保證在所有可能的作業條件下其傳感能力的完整性。
另一個取得巨大進步的領域是深度學習。大量計算和內存資源的使用使得我們可以訓練具有大量數據的高維模型。深度學習的最大優勢在於我們不需要設計特徵以訓練模型。該技術中的視覺傳感自動標定技術，也就是我們通常所說的語義標註技術令人印象深刻（圖4）。上述方法使用大量數據來訓練卷積神經網絡以實現自動地對圖像中的每個像素進行分類，並與可能集合內的類進行對應。上述網絡的一個突出優勢在於它們可以被重新訓練並在計算量相對較低的其他場景中取得應用。這通常被稱為“學習轉移”。這些技術是現今最先進的高級駕駛輔助系統（advanced driver-assistance system, ADAS）和AV的重要組成部分。
圖4. 原始圖像（左）、對象的語義標註（右上），以及車輛路徑預測（右下）
AV技術的發展仍然存在重大挑戰，如定位、感知完整性、與手動駕駛車輛及行人的交互以及AV技術本身的安全認證等。
（1）定位。AV技術需要一定的定位精度，這隻能通過使用預先製作的高清地圖來實現。構建和維護這些地圖的過程非常具有挑戰性，因為這類地圖必須具有魯棒性，並且其使用應當在全國或世界範圍內具有普適性。
（2）高完整性感知。目前，有關技術的嘗試只能在特定的良好天氣及環境條件下進行，用於感知的典型傳感器，如視覺和激光傳感器，在濃霧、雪或灰塵下操作時可能會產生災難性的故障。
（3）學習如何駕駛。駕駛是一個多模塊協同作用的過程，不同的組塊交互影響、協同工作以達到同一個目標。這種能力對於機器人而言仍然非常困難，因為這需要推斷所有交互參與者的意圖並施以一定的溝通技巧，以便通過安全高效的方式做出決策。
（4）AV的認證。AV的發展現狀表明，在城市道路環境下，AV的運行是可行的。但我們很難證明在所有可能的交通環境下AV均可安全運行。參考文獻為我們介紹了該領域的一項綜合性研究，作者承認將始終存在涉及AV的交通事故。然而這些作者提出將上述事故識別為一組正常的車輛行為，這樣便可確保AV技術永遠不會成為造成事故的罪魁禍首。
本文簡要概括了機器人自動化發展的歷程。過去的幾年見證了新的大型計算機和內存資源的出現，見證了感知能力的更新與提升以及機器學習方面的重大發展。顯而易見，在不遠的將來，這些技術將使得一整套全新的自動化設備融入我們的生活。
本期的文章將為我們展現機器人自動化在車輛以及未來的類生命機器人中的廣泛應用。還將為我們帶來與執行機構以及智能製造相關的論文。
注：本文內容呈現形式略有調整，若需可查看原文。
本期“機器人”專題的文章有：
（可掃描二維碼查看文章相關內容，且本刊網站提供文章中/英文全文PDF下載）。
類生命機器人發展與未來挑戰
Development and Future Challenges of Bio-Syncretic Robots
張闖，王文學，席寧，王越超，劉連慶
基於駕駛腦的智能駕駛車輛硬件平臺架構
A Hardware Platform Framework for an Intelligent Vehicle Based on a Driving Brain
李德毅，高洪波
降低自行車運動中股四頭肌消耗的無動力膝關節外骨骼研究
Unpowered Knee Exoskeleton Reduces Quadriceps Activity during Cycling
Ronnapee Chaichaowarat，Jun Kinugawa，Kazuhiro Kosuge
基於共點映射的無人車可行駛區域檢測方法
A Co-Point Mapping-Based Approach to Drivable Area Detection for Self-Driving Cars
劉子熠，餘思雨，鄭南寧
速度約束條件下基於步進電機驅動的Hilare機器人航點導航的控制
Control of Velocity-Constrained Stepper Motor-Driven Hilare Robot for Waypoint Navigation
Robins Mathew，Somashekhar S. Hiremath
Eduardo Nebot.Robotics: From Automation to Intelligent Systems[J].Engineering,
2018,4(4):446-448.
李德毅院士談未來汽車：會學習的輪式機器人
機器人：一個方興未艾的研究領域
中國工程院院刊
工程造福人類
科技開創未來
微信公眾號ID ：CAE-Engineering
注：論文反映的是研究成果進展，不代表《中國工程科學》雜誌社的觀點。
閱讀更多 中國工程院院刊 的文章
