3.6　为什么工业机器人技术如此成功

如今，工业机器人技术不再是一个研究领域，而是一个充分发展的商业提案。许多技术问题已经得到了解决，各种机器人手臂和移动设备在全球制造业中得到了应用。现在这是一个成熟的市场，2018年的年产值为328亿美元，五年内翻了一倍多。当然，对制造技术的研究仍在继续，例如使用视觉的精密检测技术，以及处理灵活生产运行的自适应编程方法。但是，在工厂取得的进步已经刺激了机器人技术的研究，使之转向在约束较少的环境中发现的更具挑战性的问题。

现代高效制造工厂的成功秘诀在于组织严密的结构，这种结构支撑着一切。所有对象和过程的物理组织和基于计算机传感的结合，使得几乎所有的东西都可以通过工厂范围内的软件进行控制和监控。信息是由计算机捕获和保存的，这些计算机了解生产过程中有关材料、工具和组件的所有信息。所有东西都被跟踪和记录了。这样就可以对蛋糕厂中每个蛋糕的空间位置，以及其当前状态的一系列参数进行测量和分析，并快速处理任何误差。

将机器人集成到制造系统中的关键就是这种结构化的环境方法。工厂是一个设计和控制的工程环境。机器人可以访问大量的在线基础设施数据，并决定它们需要做什么：将部件从一台机器移动到另一台机器；安装汽车挡风玻璃；或者在一批蛋糕上涂上巧克力糖衣。

然而，我们一走出工厂，就会遇到现实世界里的各种可变性、不确定性和巨大的刺激可能性。对于机器人来说，这种非结构化环境让事情变得更加困难，尤其是因为没有现成的关于这些环境的数据，也没有指示如何更好地处理它们。

换句话说，随着机器人所处环境的结构程度的降低，混乱程度增加，生活变得更加困难。我们可以用四个特征来描述混乱程度。不确定性是指在环境中可能发现的怀疑或不可靠程度，这将表明需要多少传感器。新奇事件是指以前从未经历过的意外事件和情况，因此会导致问题，需要额外的工作才能从错误情形中恢复。现有知识涉及用于为任务设计系统和/或可被机器人直接利用的先验信息量。这可能是关于自然物理特性的知识，如重力或阳光，也可能是人为制定的规则，如道路标记和驾驶公约。秩序是指在环境中发现的规则性和结构的程度，从精确清洁到随意堆放的垃圾。

使用这些特性，我们可以估计一些机器人示例的价值（见表3.1）。我使用七个定性值：可忽略、非常低、低、中、高、非常高和最大[22]。

表3.1　评估机器人应用的困难程度

我们可以通过将定性值映射到数值尺度上并将它们相加来总结这些环境中的总体混乱程度[23]。结果是每个应用的整体混乱分数，在表3.1的倒数第二列给出。

从表中可以看出，工厂的情况是最适合机器人应用的环境，因为设计工程师有这么多有用的信息，而且环境本身可以被设计成良性的。割草机器人也有受限的工作环境（它们根本不在其他地方工作），但它们仍然能够感知任何障碍物或干扰。运输托盘的仓库机器人有明确的路线和任务，但人类可能会妨碍它们，所以这只是稍微有点混乱。

由于医学实践非常注意安全，机器人的操作总是由人来监督，而混乱因素主要是由生物变异引起的。挤奶机器人在处理不同奶牛的行为变化方面稍有一些不确定性，尽管挤奶过程的其余部分是可控的。服务机器人必须在建筑物和内部障碍物周围行走，保安机器人也是如此。但是保安机器人需要处理更多的意外事件。

农业涉及广泛的问题，有些任务已经实现了令人满意的自动化（例如，联合收割机）。在这里，我们考虑农作物监测、除草和采摘，这些功能还没有走出研究实验室——但快了。

简单的伙伴机器人，在这里归为“娱乐”类，可能有非常复杂的环境，但复杂性通常可以通过限制对话或交互行为的范围来降低。

自动驾驶汽车面临着不同程度的困难，这取决于它们在哪里行驶。车道宽阔、标志清晰、没有行人的开放的高速公路不像越野道路那么复杂，在越野道路上必须避开岩石和树木。在市中心行驶是最危险的，有骑自行车的人、行人、儿童、不起眼的路标（如“单行道”）、救护车和其他复杂情况。这需要驾驶员采取更困难的操作，例如倒车，来躲开交叉路口的拥堵。箱中取物机器人和家庭护理机器人得分如此之高可能令人惊讶，但与无人驾驶汽车一样，这些都是现实世界中存在的大量的不确定性问题领域。

最后，仿人机器人得到最高的混乱分数，因为我们假设这些是通用机器，因此它们将不得不处理几乎未知的环境，以及人类，包括所有的新奇、交互、未知和无序。

表3.1中的大多数例子都定义得很好，但是有四个应用领域比较难以确定：医药、农业、娱乐和家庭护理。这些实际上是任务的类别，而不是任务定义，它们包含许多子领域，难度从相当容易到非常困难。例如，如果水果必须单独摘，而不是从树上摇晃下来，那么收获水果的任务规范将很难实现！当我们面对研究挑战时，该表假设了每个应用类别的最高难度。

当然，即使在困难的环境中，任务有时可能是容易的。例如，一个监控机器人可以维护传感器来测量一些局部变量：温度、能见度、压力和污染，而不需要执行任何非常复杂的操作。因此，我们可以将整个任务难度视为衡量和分类机器人应用的另一种（相当粗糙的）方法。使用7分制，表3.1的最后一列给出了对这些例子任务难度的粗略评估。毫不奇怪，难度会随着混乱而增加，因为任务往往会变得更加复杂和不明确。仿人机器人仍然被评为最高分，因为它可能需要执行大量的任务：这就是通用的意思。