从科幻到现实机器人还需攻克哪些技术难关?

很多业内人士认为，机器人现在已经由蚂蚁进化成了猴子，它在工业领域逐步取代了传统工人。但是，一些人还是会认为它非常傻，他们渴望的是更高层次的类似于科幻电影里的机器人。那如果把科幻变成现实，需要攻克哪些技术门槛呢?今天笔者就和大家一起来看下。

大致来说，机器人主要分为三个部分：观测、分析、执行。其所对应的技术分别为：传感器技术、计算机技术以及自动控制技术。

传感器最初的发展主要是为了服务于工业自动化，通过控制各个生产节点上加速度、压力、温度、物位等物理类传感器参量，大幅提高工业生产的效率。目前这类技术已较为成熟，根据不同应用，其产品体系也比较丰富。但对于服务机器人而言，其与工业机器人的一个本质区别就在于，工业机器人的工作环境都是已知的，而服务机器人所面临的工作环境绝大多数都是未知的，这就意味着服务机器人需要有更好更丰富的传感器。比如，这种传感器需要能够全面模拟人类五官。

而目前传感器对于视觉、听觉、触觉、嗅觉、味觉等人类真实感觉的信息探测还不是非常完善。以深度感知传感器举例，其对服务机器人的重要性是不言而喻的，虽然目前测量深度信息的方法不少，但主流的还属于激光雷达与双目视觉方案。激光雷达方面，目前最出名的要数谷歌无人车所使用的 Velodyne 激光雷达，但由于其主要靠手工打造，想大规模量产与降价都不容易。而在双目视觉方面，庞大的数据计算量便是其面临的最大问题之一。

此外，对中国企业而言所面临的问题更大。有资料显示，中国中高档传感器产品几乎 100%从海外进口，90%的芯片依赖国外，国产传感器可靠性比国外同类产品低 1 到 2 个数量级。而且更重要的是我国传感器企业 95%以上的都属于小型企业，规模小，研发能力弱，效益差。

在分析方面(即机器人大脑)，虽然机器人在诸如人脸识别等领域已经达到甚至超过了人类，但总体来说，目前市面上最好的机器人大脑也仅仅只相当于人类几岁小朋友的智力。是的，人类需要的是一台“颠覆人类生活方式的机器”而非一台“不够聪明的机器”。

虽然现在人工智能技术的突破性发展主要归功于深度学习与大数据技术的成熟，市面上也因此认为只要给予机器足够多的数据，其便能深度学习出更高甚至达到或者超过人类的智能。但动点科技曾与一位人工智能领域的从业者交流，对方认为人工智能技术要想进一步发展，仅仅依靠更多的数据已经不够了，而是需要在算法上进行革新。又有观点认为，大数据的极限只是优化的机械智能，而非人们想象中的人工智能。

最后在运动控制方面，目前大多数机器人公司都将人形机器人的研发作为其技术能力的展示，可见人形机器人的难度之大。而机器人包括人形机器人在运动控制方面最核心的组成部分便是电机、伺服系统、驱动系统以及减速机。零部件所涉及的技术含量高，国内基本靠进口。其中减速机更是如此，减速器能将电机的高速运速降低到机器人所适用的速度，因此其对机器人而言至关重要。据了解，一台机器人本体上一般有 6 个减速机，但目前国产的减速机还不能批量生产。

目前机器人仅仅减速机就占机器人成本的 35%左右(国内企业购买减速机的价格是国外企业价格的将近 5 倍)，电机、控制器部分占 10%左右。因此，机器人成本下降的关键在于核心零部件尤其是减速机能率先实现国产化。国内机器人使用的减速机、电机及驱动还是以国外供应为主，核心技术主要掌握在 abb、kuka 等几家国际巨头手中，其中日本为最大的减速机出口国。

另外，上述核心部件大多有不同厂商分别生产，以致于整个系统在集成化与小型化方面仍有很大不足，这在工业机器人领域尚不是什么大问题，但在“寸土寸金”的人形机器人等小型机器人领域便是一个大问题。

最后，即使有了聪明的大脑和完善的运动控制硬件，我们也还需要有优秀的运动规划算法来辅助，运动规划算法主要功能就是教机器人如何走路，如何避过各种障碍物等。目前稳定行走的控制理论，在实际的机器人的测试和运行过程中不是很理想。

波士顿动力算是人形机器人领域的佼佼者了吧，但其最终还是被谷歌抛弃了，原因据称是谷歌认为未来几年不可能推出商业化产品，谷歌不想再供养了。另外，美国的著名企业家、投资人和工程师 Yobie Benjamin 也表示，虽然大家看到的波士顿动力的视频中机器人/狗没有倒，但实际情况远不是这么顺利：首先是噪音太大，在实验中可以听到很大的响声;其次是稳定性不够，虽然在视频中看到它在山地中也能如履平地，但在实际测试中，即便在平地上也是经常会摔倒的，而且不能够自己站立。

总之，机器人还有一段很长的路要走。