美国服务机器人技术路线图（上）

服务机器人是一类用以辅助人们日常工作、生活、休闲，以及帮助残疾人与老年人的机器人系统。在工业机器人系统中，机器人的任务是完成高质量、高一致性的生产任务。服务机器人与之不同的是，工业机器人通常工作在有人的空间或者会直接同人类协作工作,服务机器人通常从事专业服务和个人服务两种工作。

服务机器人的专业服务主要应用于农业、应急反应、管道、基础设施、林业、运输、专业清理等作业领域。（专业服务机器人也服务于军事领域，但不将其列入本报告）。 这些系统增强了人们在上述领域的作业能力。根据IFR/VDMA的报告, 当前有超过110000台专业机器人分布在世界各个领域，并且其市场规模还在逐年急速扩大。图1中列出了几种专业机器人。

而个人服务机器人，则在家庭中用以协助普通人的日常生活，或用以补足相关人士的生理和心理缺陷。到目前为止，最大数量的个人服务机器人是家用真空清洁机器人（扫地机器人），超过600万台iRobot公司的Roomba机器人遍布在世界各地。同时,这个市场正在以每年超过60%的速度增长。此外，越来越多的机器人正用于个人娱乐，如人工宠物（AIBO）和玩偶等。在过去5年中，全球售出的个人娱乐机器人超过400万台，这个市场正以指数倍增长，并有望成为机器人领域最具潜力的增长点之一。图2列出了部分个人服务机器人系统。在2011年，服务机器人市场总值超过42亿美元。

服务机器人专家组均来自专业和个人服务机器人领域，其研究领域覆盖了非常广泛的机器人应用问题。

科学和技术挑战
一部分与会学者集中讨论并确定了同前述几节应用和商业化紧密相关的科学与技术挑战。本节重点在描述挑战，并没有提出如何解决这些挑战的路线图，路线图梗概将在下节中提出。

移动能力
移动能力是机器人研究中的一个成功范例。这种成功在许多现实环境中展示性能的系统上均有所体现，包括博物馆导游和DARPA机车挑战赛以及城市挑战赛中的自主驾驶汽车。但是，与会学者一致认为还有大量重要的问题仍旧悬而未决。在移动领域找到这些问题的答案将对机器人相关领域实现自主控制和多用途相当重要。

与会学者认为三维导航是移动领域最重要的挑战之一。目前，大多数映射定位和导航系统都依赖于地球的平面表示，比如地面任务中涉及的街区地图。但是,当机器人应用的复杂性增加，且每天都有新的机器人部署的情况下，在未建模的缺少控制的拥挤环境中，这些二维表示不足以捕捉必要的信息。因此，对于支持导航和操作的三维世界模型的获取将是非常重要的（见下一节）。这些三维表示不应当包括世界的几何布局；相反，地图一定要包含涉及环境中物体及其特征的任务相关的语义信息。

目前，机器人已经能够很好地理解物理世界中物体的位置，但是还不了解或很少知道物体是什么。当涉及抓取和环境表示的服务执行移动功能时，环境表示也应当包括对象情景支持（即机器人能用某个物体干什么的信息）。实现语义三维导航将需要传感、感知、地图匹配、定位、对象识别、情景支持识别和规划的新方法。这些要求中的一些内容将在后续章节中进行更为详细的讨论。

与会学者提出的一项有前途的语义三维映射技术是用不同种类的传感器构造地图。目前，机器人依赖高精度的、基于激光测量系统或游戏控制距离传感器，如微软的Kinect或PrimeSense来获取环境信息，采用被称为“SLAM”的映射算法。与会学者提出要脱离激光测量系统，进一步开发“视觉SLAM”（VSLAM）领域。这种技术依赖于相机（鲁棒性高、低廉、易于获得的传感器），用于在三维世界中的映射和定位。目前，VSLAM系统已经展示出令人印象深刻的性能。因此，与会学者相信VSLAM 可能在开发具有充分信息，且价格承受得起的三维导航功能方面发挥重要作用。

与会学者们对于满足特定应用的三维导航的额外需求，即户外三维导航，也提出需要明确处理的一系列重要挑战。在这些挑战中存在的事实是，当前二维环境表示方式不能捕捉到户外环境的复杂信息，同时也不能获取户外的光线条件, 而光线条件是引起传感器性能变化的因素。与会学者同时表示，如何在人群中实现导航也是一个重要的挑战。
操作在前几章中，几乎所有的服务机器人都需要在操作性能上取得实质性进展。这些应用需要机器人与环境进行物理交互，包括开门、拾取物体、操作机器和设备等。目前，自主操作系统在精确工程化和高度受控环境中发挥良好，比如工厂组装单元，但对于开放、动态和未建模环境中的变化和不确定性却显得力不从心。所以，来自三个前沿讨论组的与会学者认为，“自主操作”是其关键领域。虽然没有确定具体的研究进展方向，但学者们的讨论揭示，大多数已有操作算法的基本假设不能在实际应用中得到满足。无论是否可能，适合开放、动态，以及未结构化应用场合的抓取和操作，应该利用先验知识和环境模型。而在没有先验知识的情况下，不应当导致灾难性的后果。作为推论，当环境模型不存在的时候，真正的自主操作将依赖于机器人获取足够的、与任务相关环境模型的能力。与大多数强调规划和控制的现存方法比较而言，这意味着感知将成为自主操作研究日程表中的一个重要的研究问题。
与会学者建议，“拾取和放置”操作可以提供足够的功能基础，用于许多目的明确的应用操作要求。因此，增加复杂性和通用性的拾取和放置操作能够为自主操作的研究工作提供路线和基准。
规划运动规划领域的研究在过去十年中取得了长足的进步，其中的算法和技术影响了很多不同的应用领域。然而,与会学者认为鲁棒性、动态三维路径规划仍旧是尚未解决的问题。涉及该问题的一个重要因素是机器人位置感知的概念（即机器人能采用“适当的”传感与建模方法进行自主整合、交叉，以及集成行为规划）。“适当”是指完整和准确的环境模型不能由机器人实时获取。相反，作出关于对象、环境、感知和机器人电机行为的推理是非常有必要的。这就会导致规划和运动规划之间的界限逐渐模糊。要规划一个运动，规划者需要协调传感和任务施加约束的运动。要鲁棒、可靠地实现任务目标，规划需要考虑任务环境的支持。这意味着，规划者需要考虑环境及环境当中对象之间的交互，将其作为规划过程的一部分。
比如，要拾起一个物体，可能有必要打开一扇门，进入一个不同的房间，推开椅子到达橱柜，打开橱柜门，推开障碍物。在这种新的规划范式内，任务以及任务与环境所形成的约束是关键所在；“运动规划”之中的“运动”是到达终点的一种方式。规划过程中考虑的约束来自于目标抓取、运动（比如脚步迈动规划）、机构的运动学和动力学、姿势约束，以及避障，在这些约束下的规划需要机器人系统具有实时性。
机器人的运动很容易由传感器的反馈导致约束条件的增加。最明显的例子就是接触约束和避障。因此，反馈规划和控制与规划的集成是满足与会学者提出的规划需求的重要研究内容。反馈规划器生成一种策略，直接将状态映射到行为，而不是生成特定路径或轨迹。这就保证了传感器、执行器和模型的不确定可以通过传感器的反馈得到解决。
在这种情况下，规划复杂性的增加要求多种新方法用于准确理解任务。在传统运动规划中，起始和终止两个配置状态就能对任务进行完全的描述，而现在需要进行的规划，则需要面对更加丰富的任务形式、操作任务，以及丰富的环境交互。
与会学者也认为，我们需要验证和确认规划结果的正规方法，并且保证机器人在人群密集区的安全操作。
传感和感知对于机器人的几乎所有方面来说，传感和感知都具有相当的重要性，包括移动、操作、和人机交互。与会学者一致认为，在传感和感知方面的创新将根本地影响机器人学发展的速度。
与会学者相信，新的传感器，包括比当前传感器更先进、更高分辨率，以及低成本的版本，将成为发展更快的领域。举例来说，与会学者认为在抓取、移动以及稠密三维数据传感，包括激光雷达和颜色深度传感器传感等方面会有更大的进展。大范围环境场信息的鲁棒性和准确性对于机器人的进一步发展十分关键。灵巧抓取的进展可能在机械手用的类皮肤触觉传感器和更专业化的用于短程探测的深度和外观传感器等领域取得。与会学者也讨论了其他类型的传感器，如声学传感器和促进安全的传感器。这些传感器具有多种形式，比如距离传感器和温度传感器检测人体的存在；也有传感器作为驱动机构的一部分，如力矩传感器，同时也能够探测机器人和环境之间难以预计的接触，布置于整个机器人的类皮肤传感器也属于此类。
传感器的数据需要采用近乎实时的方式进行处理和分析，由于复杂和高度动态变化的外在环境受多种因素影响（包括昼夜的差别、雾、霾、刺眼的阳光等），需要提供能长期自适应感知的方法。与会学者认为，高层次物体建模、探测和识别、改进的场景理解，以及改进的探测人类行为和意图，需要使用多模式信息，如声音、三维距离数据、RGB图像和触觉数据的集成算法。同时，他们认为任务定制的算法（即整合规划算法与考虑动力学物理约束的算法）是最为迫切需要的。举例来说，关联识别的新算法对于在有人环境执行复杂抓取任务非常重要，在机器人感知算法中创造位置感知的环境模型也相当重要。
体系结构、认知能力关于移动、操作、规划和感知等主题的讨论揭示了这些问题不能被单独解决，而必须考虑到他们之间的内在关联。一个系统如何工程化，有效地整合来自不同领域的特定技巧，实现安全、稳定、与任务关联，甚至是智能的行为，仍旧是机器人领域非常重要的开放性问题。在体系、认知和编程范式的名义下，以方**甚至哲学观点的多样性，开展面向上述目标的研究，反映出了机器人研究群体对于如何处理这些挑战，缺乏足够的理解。观点的多样性也反映出当前解决这些问题工具的多样性，比如模仿学习，以及所谓的“认知体系显式编程”。一些与会学者感觉到，要实现期望的结果，可能需要将这些方面的知识与技术进行结合。
面向解决生成鲁棒自主行为的首要问题的经典方法之一，是传感/计划/行为环，通常由现代控制系统实现。在过去几十年中, 当传感/计划/行为环成为机器人研究的常用方法时，一些与会学者认为，一些新方法将从上述最简单的方法中诞生。可能的替代方法是多层嵌入或分层循环结构与行为基本方法，多种方法的组合有可能成为全新的方法。
所有与会学者一致认为本领域的调查需要对自主机器人相关研究给予密切的关注。
人-机交互（HRI）如果要实现移动机器人和灵巧机器人在有人环境与人共存和协作，那么就 需要人机交互领域取得重要的进展。这些人机交互也将成为方**的重要部分，以实现机器人行为的鲁棒性。机器人可以通过与人类的交互来学习新技能，但不论在何种条件下，机器人都应该知道与人通信的特性和要求。
除了讨论通信模式（语言的、非语言的、手势及面部表情等），与会学者确定了一系列研究问题，包括社交关系、表情（识别、表示、社交表情识别与建模）、肯定及信任。对人机通信多方面的理解应该导致人与机器人之间交互的自动建构，机器人系统能够依据任务与人类管理者之间交互的改变，而对自己的行动作出调整。
朝向这些目标的进步依赖于有效的输入设备和直观的用户界面。与会学者提议开发多种平台用于研究HRI，包括仿人机器人、移动操作平台、外骨骼，以及运载器。与会学者确定了一种设计/建造/部署循环。其中，设计过程应该考虑来自相关群体的输入，包括基本研究群体和终端用户。建造过程应该整合大量研究线索，使其成为一个系统。此系统中存在着工业合作和技术转移的机会。最后，整合的系统将部署在真实的环境中。与会学者提出了机器人城市的概念（见下一子节），将其作为一种前瞻性的方法，在现实世界环境中评估HRI。这一循环通过整合终端用户反馈和下一设计/建造/部署循环的迭代实验设计构成闭环。
研究架构与会学者强烈地感受到，面向确定科学目标的快速进展将严重依赖于研究基础设施的普及程度（包括硬件和软件）。要解决上述研究挑战，有必要构建机器人平台，组合多种高级且具有交互性的机械构件，提供足够的移动、操作及传感的能力。这些平台将通过许多独立开发的，但相互关联的操作及软件进行控制。最终，这些集成机器人平台一定会超过一般独立研究群体那种容易设计、开发、测试和维护的复杂度。缺少软硬件平台的标准化也可能会导致一些研究成果的碎片化，影响评估的有效性，以及发表成果的难度，以及不必要的工程与集成工作的重复。
要克服这些挑战，与会学者提议，协调领域内的研究工作，进行软硬件系统开发。这些工作应该包括开发一个开放的实验平台，一方面使该平台能够以低成本支持广泛的研究项目，另一方面可以保证研究群体之间技术和软件的重复使用。例如ROS，一个由Willow Garage开发的机器人操作系统。该系统能保证代码的重复使用，并提供普通操作系统能提供的服务，比如底层设备控制、通用功能的共用、任务之间的消息传递等。在理想情况下，这种平台可以通过物理模拟软件的方式支持算法的早期开发和测试，而不用在研究人员的安全与硬件系统之间进行折中。开发工作也能从机器人整合开发环境（IDEs）中获益；这些IDEs增强了软件开发的模态，因而有助于代码复用和文档工作。
与会学者注意到，机器人研究几乎没有做过非常彻底的评估，也没有通过任何定义明确的、可重复实验的测试。在其他领域，比如机器视觉，由于有公共数据库，有助于给出在多种算法和系统之间相对客观的比较。因此与会学者建议，要建立并扩大实验数据库，将其作为本领域的基准。然而，由于机器人研究集中于机器人和环境之间的物理交互，电子数据集不足，应该通过由物理实体构成的特定技巧标准以获得补充，比如一些现成的实体可以作为抓取研究的基准。进一步来说，整个基准环境应该对开发、评估、以及与特定应用和实施进行比较。这样的环境应该涵盖大尺度和复杂性, 从简单的工作台（办公桌或者吧台）到整个房间、一栋房屋，以至整个街区。讨论中提出了机器人城市的概念：一个常规的市区环境，所有居民都是实验的一部分，同时他们也能够辅助评估过程，涵盖有关居民日常应用环境足够需求的定义。
目前，许多提议的工作和软硬件整合的工作都不在现有的基金支持项目之内。与会学者认为，根据此次会议的讨论结果进行相关政策调整是有必要的，可以保证研究基础设施的供给不会成为日常环境中运行的机器人系统发展的瓶颈。
机械硬件安全是机器人工作在有人环境中的一个关键因素。本质上讲，安全的机器人使人机交互可以顺利开展，同时增加机器人技术在日常生活中的接受程度。因此，与会学者认为具有更高力量重力比，本质更安全的电机和执行机构将代表一种重要的科技创新。对于这类机构，柔性将是一种令人期待的属性。柔性是指执行机构具有这样的一种能力，其能够根据接触外界环境时反作用力的大小调整自身行为。这些反作用力由于任务不同而发生变化。这种机构保证了安全操作，尤其是在与人交互时的安全性。同时还能保证与外界接触时的柔性、鲁棒性，以及行动的有效性。进一步来说，能量效率对于许多应用而言是关键考虑因素之一。户外环境经常展现高度变化的地形属性，而户外可能包括楼梯、梯子、坡道、自动扶梯或电梯。
高度灵巧的和便于控制的机械手是一个重要的研究领域。机械抓取和操作的进展与新型手机构的开发密切相关。与此同时，与会学者感觉当前机械手的潜能并未通过现存的抓取和操作算法得到充分挖掘。因此，可以想象，许多令人感兴趣的和相关的应用可以通过现有的抓取和操作硬件解决。

这个贴子不错，真心很好啊

谢楼上支持；