Chapter 1: Welcome to the World of Robotics: What Robots Can (and Can’t) Do

想象一下你早上的日常routine：闹钟响了你按掉，拿起手机用刷脸解锁，刷完脸去食堂刷脸支付买了豆浆，放学去快递柜扫二维码拿了快递，晚上玩Roblox的时候，你设置的NPC自动跟着你跑、帮你打怪，甚至你写的Python脚本每天自动帮你整理电脑桌面上的文件。你有没有想过，这些你天天用、甚至自己做过的东西，背后都有机器人的影子？如果你觉得机器人就是电影里那种会走路、会说话、甚至会“造反”的人形金属家伙，那你就真的out了——现在的机器人早就不是科幻电影里的专属道具了，它们藏在你生活的每一个角落，小到你手机里的输入法预测，大到火星上的祝融号探测车，都是机器人的一种。

到底什么是机器人？

先别急着翻到下一章找定义，我们先来做个小测试：下面这些东西里，你觉得哪些是机器人？ A. 家里的扫地机器人 B. 手机里的人工智能助手Siri/小爱同学 C. 玩Roblox时自动寻路的NPC角色 D. 工厂里焊接汽车的机械臂 E. 你写的自动整理文件的Python脚本 F. 你手里拿的智能手机

如果你选了A、B、C、D、E，那你已经抓住了机器人的核心特点；如果你没选E，那说明你对机器人的印象还停留在“必须是金属做的、有实体的东西”的误区里。其实我们可以用一个非常简单的定义来概括所有机器人：机器人是能感知周围环境、自主做出决策、并执行动作来完成特定任务的系统，不管是物理存在的，还是纯数字的，都算机器人。这个定义里有三个缺一不可的关键词：感知、决策、执行，也就是我们后面要讲的机器人的三大核心支柱，是每一个机器人不管大小、不管功能，都离不开的核心部分。

很多人会把机器人和AI混为一谈，其实它们是包含关系：AI是机器人的“大脑”的一部分，而机器人是完整的系统，除了大脑，还有“感官”（传感器）和“身体”（执行器）。比如你手机里的人工智能助手Siri，它的AI部分是能听懂你的话、理解你的意思、组织回答，但完整的Siri机器人，还包括你说话的时候它用来收音的麦克风（感知），还有用来播放回答的扬声器（执行），少了任何一个部分，它都不能算完整的机器人。再比如你写的自动整理文件的Python脚本，它的AI部分是能识别文件的类型、规划整理规则，而完整的数字机器人，还包括感知文件位置和属性的功能（感知），还有执行移动、删除文件的操作（执行），它没有实体的“身体”，但依然是完完整整的机器人。

机器人的三大核心支柱：感知、规划、控制

不管是什么样的机器人，都逃不开这三个核心部分，我们可以用人来类比，帮你快速理解：

• **感知（Sensing）**：就像人的眼睛、耳朵、皮肤，是机器人用来接收外界信息的“感官”。机器人用的不是视网膜、耳膜，而是各种传感器：摄像头、麦克风、激光雷达、红外传感器、IMU（惯性测量单元，就像人的内耳，能感知倾斜、加速度）、温湿度传感器等等。比如你刷脸解锁的时候，手机前置摄像头就是你的“眼睛”，拍下你的脸，提取脸部的特征点（眼睛位置、鼻梁高度、脸型轮廓等等），这就是感知的过程。
• **规划（Planning）**：就像人的大脑，是机器人的“决策中心”。它会把感知到的信息处理掉，然后决定下一步要做什么。比如你刷脸的时候，手机会把你当前脸部的特征点和之前储存的你的脸部特征对比，判断“是不是你”，如果匹配度超过95%，就决定“解锁手机”，如果匹配度不够，就决定“提示密码解锁”，这个判断和决策的过程就是规划。
• **控制（Control）**：就像人的手和脚，是机器人把决策变成实际动作的“执行系统”。它负责让机器人的动作足够准确、足够稳定，不会多也不会少。比如你规划要“拿起桌上的水杯”，控制就是让你的手准确地移动到水杯的位置，力度刚好，不会捏碎也不会拿不住；比如扫地机器人规划要“转弯90度”，控制就是让左右两个轮子一个转一个停，刚好转90度，不会转多了撞墙，也不会转少了走歪。

我们可以用你天天见的扫地机器人来举个例子，完整走一遍三大支柱的流程： 1. 感知：扫地机器人前面的红外传感器发射红外线，碰到沙发腿反射回来，感知到“前面有障碍物，距离还有10厘米”；底部的悬崖传感器发射红外线，没有反射回来，感知到“前面是台阶，不能往前走了”；顶部的陀螺仪感知到机器人现在是倾斜的，在爬坡。 2. 规划：机器人的控制主板（也就是大脑）收到这些信息之后，开始决策：前面有障碍物，不能往前，那应该怎么办？哦，左边没有障碍物，那就左转90度，然后继续往前扫；现在是斜坡，功率要调大一点，不然会上不去。 3. 控制：规划好左转之后，控制模块命令右边的轮子转，左边的轮子停，刚好转90度；然后两个轮子一起转，速度刚好能爬上斜坡，不会太快冲下去，也不会太慢爬不上去。

整个流程是循环的：感知到新的信息→规划新的决策→执行新的动作→再感知新的信息，不断循环，让机器人能适应变化的环境。我们可以用下面这个Mermaid图来清晰地表示三大支柱的关系：

```mermaid graph LR A[感知<br/>（机器人的眼睛、耳朵、皮肤）] --> B[规划<br/>（机器人的大脑）] B --> C[控制<br/>（机器人的手和脚）] C --> A ```

如果你玩Roblox做过NPC自动寻路，那你也已经 unconsciously（无意识地）用过三大支柱了：你给NPC设置的碰撞检测规则，就是让NPC能感知到地图里的墙、坑、玩家；你设置的寻路算法，就是让NPC规划出到目标点的最短路线，避开障碍物；你设置的角色移动、跳跃、攻击的动画，就是控制部分，让NPC的动作看起来自然，不会穿模、不会卡在墙里。你看，机器人根本不是遥不可及的东西，你早就接触过了。

机器人现在能做什么？（还有不能做什么？）

讲完定义和核心原理，我们再来看看现在的机器人到底有哪些能力，不要被科幻电影误导，也不要低估机器人已经能做到的事。

机器人现在已经能做的事

机器人早就不是实验室里的玩具了，它们已经渗透到你生活的方方面面，甚至很多你以为是“人类专属”的工作，机器人已经能做得比人还好：

• **日常家用**：扫地机器人、擦窗机器人、智能音箱、人脸解锁的手机、刷脸支付的快递柜、甚至你游戏手柄里的震动反馈，都是机器人的应用。全球每年售出的家用机器人超过3000万台，其中扫地机器人的普及率已经超过10%，很多