机器人学导论

机器人学导论

机器人的定义与概念溯源

机器人（Robot）一词源自动捷克语“robota”，意为“强制劳动”或“苦役”，由科幻作家卡雷尔·恰佩克（Karel Čapek）于1920年在其剧本《罗梭的万能机器人》中首次提出。这一术语的创造初衷描绘了一种被设计用来替代人类从事繁重、危险劳动的机械存在，而近百年后的今天，这一愿景已在全球制造业、服务业乃至日常生活的各个角落成为现实。理解机器人的本质特征，对于系统掌握机器人学的理论基础至关重要。

从工程学的角度审视，机器人是一种具有拟人化或自动化特性的机械系统，它能够感知环境信息、进行信息处理与决策，并在此基础上执行物理动作。从更为学术化的定义出发，国际标准化组织（ISO）将工业机器人定义为“一种具有自动控制功能、可重新编程的多功能机械臂，具有三个或三个以上可编程轴，能够在工业自动化应用中定位或移动材料、零件、工具或专用装置”。这一定义虽然主要针对工业应用场景，但揭示了机器人概念的三个核心要素：感知能力、决策能力和执行能力。

值得注意的是，机器人与一般自动化机械的本质区别在于其“可编程性”和“适应性”。传统自动化设备通常针对特定任务进行优化设计，其运动轨迹和操作序列在设计阶段即已固定；而机器人则具备根据环境变化和任务需求动态调整行为的能力。这种灵活性源于机器人系统所具备的感知-决策-执行闭环结构，使其能够在一定程度上应对非结构化或半结构化的工作环境。美国机器人协会（RIA）的前副主席德尔·迈耶斯（Del T. Myers）曾指出：“机器人的本质不在于其外在形态，而在于其内在的智能与适应性”——这一论断精准地概括了机器人区别于其他机械系统的根本特征。

在现代语境下，机器人的概念已远远超越早期工业应用的范畴，涵盖从精密手术的医疗辅助系统到深空探测的星际漫游器，从家庭服务的智能清扫机器人到军事侦察的无人飞行器。然而，无论应用场景如何多样，现代机器人的技术架构始终遵循感知、规划与控制的基本范式，这正是本书所要系统阐述的核心内容。理解这一共性架构，将为读者后续深入学习机器人学的各个专门领域奠定坚实的概念基础。

机器人学的历史演进与技术革命

机器人学的诞生与发展是人类追求机械自动化漫长历程中的重要里程碑。这一历程大致可划分为机械自动化时代、示教再现时代、感知适应时代和智能自主时代四个阶段，每个阶段都代表着人类对机器人技术认识的深化和技术能力的跃升。

机械自动化的思想萌芽可追溯至古代。公元前4世纪，古希腊数学家欧几里得在《几何原本》中记载的自动机械装置、公元前2世纪亚历山大城的赫伦发明的自动门和投币式自来水装置，以及中国东汉时期张衡发明的地动仪和记里鼓车，都体现了人类利用机械装置替代或延伸人体功能的早期探索。然而，这些装置严格意义上属于自动化机械而非机器人，因为它们缺乏感知、决策与反馈的核心能力。现代意义上机器人的发展始于20世纪中叶。1954年，美国发明家乔治·德沃尔（George Devol）申请了第一项工业机器人专利，描述了一种“程序化物品传输”的可编程机械装置。1961年，基于德沃尔专利授权、美国Unimation公司制造的世界上第一台工业机器人“尤尼梅特”（Unimate）被应用于通用汽车公司新泽西工厂的压铸生产线，用于从压铸机中取出高温铸件并堆叠存放。这标志着工业机器人从实验室走向实际工业应用的起点，开启了机器人学的工程化时代。

1970年代至1980年代是工业机器人技术快速成熟的关键时期。示教编程（Teach-and-Playback）技术成为这一时期工业机器人的主流编程方式。操作员通过示教盒或手动引导机器人完成一次完整的任务动作，机器人控制器记录下各关节的角度序列和末端执行器的姿态信息，然后通过回放这些记录实现任务的重复执行。这一技术范式使机器人具备了基本的“可编程性”，但其局限性也十分明显：机器人完全依赖预录制的轨迹运行，无法根据环境变化做出实时调整；每次任务变更都需要重新示教，生产柔性较低。尽管如此，示教再现技术在当时极大地推动了制造业的自动化升级，至今仍在某些简单重复性应用中发挥重要作用。

进入1990年代，随着传感器技术的进步和计算能力的提升，机器人开始具备感知环境的能力，这一阶段被学界称为“感知适应时代”。力觉传感器的应用使机器人能够感知末端执行器与环境之间的接触力，从而实现精密装配、抛光打磨等需要力反馈控制的任务；视觉系统的发展则使机器人能够识别工件的位置和姿态，实现基于视觉引导的抓取和放置操作。1999年，瑞典ABB公司推出的IRB 6600系列机器人集成了先进的力觉和视觉接口，成为这一时期技术进步的典型代表。2000年代，以iRobot公司的Roomba扫地机器人为代表的服务机器人开始进入家庭，标志着机器人技术从工业场景向日常生活场景的拓展。这一时期的机器人虽然仍主要依赖预编程逻辑，但已开始具备一定的环境适应能力。

2010年代至今，以深度学习和强化学习为代表的人工智能技术为机器人学带来了革命性变革。2013年，伯克利大学的谢尔盖·莱文（Sergey Levine）团队提出的深度视觉伺服控制方法，使机器人能够通过端到端学习直接从图像输入映射到关节控制指令。2016年，谷歌旗下DeepMind开发的AlphaGo击败世界围棋冠军，标志着人工智能在复杂决策领域的能力已超越人类专家。机器人领域也出现了类似的技术突破：2018年，OpenAI的研究人员展示了Dactyl机械手通过强化学习自行学会还原魔方的能力；2020年，斯坦福大学的移动操作机器人通过视觉语言模型理解自然语言指令并执行复杂操作任务。这些成果表明，机器人正在从“感知适应”向“智能自主”的更高阶段演进。

纵观机器人学六十余年的发展历程，可以清晰地看到一条从“刚性自动化”到“柔性可编程”，从“单一感知”到“跨模态融合”，从“程序驱动”到“数据驱动”的技术演进主线。每一个阶段的跨越，都建立在数学理论、传感技术、计算能力和软件算法的协同进步之上。本书后续章节将系统介绍支撑这一演进过程的数学基础，帮助读者理解机器人智能控制的理论内核。

机器人系统的基本架构与功能模块

现代机器人系统是一个典型的信息物理融合系统（Cyber-Physical System，CPS），其核心特征是在物理世界中实现感知、决策与执行的有机闭环。从系统论的角度审视，机器人可被解构为三个相互耦合的子系统：感知系统（Perception System）、决策系统（Decision System）和执行系统（Actuation System）。这三个子系统通过信息流和能量流的交互形成紧密耦合，共同支撑机器人完成感知-认知-决策-执行的完整行为链。

感知系统是机器人获取外部环境和内部状态信息的通道。根据所获取信息类型的不同，感知系统可分为外部感知和内部感知两大类。外部感知使机器人能够理解其所处的工作环境，主要包括视觉感知、距离感知、触觉感知、听觉感知等模态。视觉感知通过摄像头获取二维图像或通过深度相机获取三维点云数据，是机器人感知外部环境最重要的通道。据统计，人类大脑约50%的神经资源用于处理视觉信息，这一比例在机器人系统中虽然难以精确量化，但视觉传感器的数据带宽和计算复杂度在机器人感知系统中确实占据主导地位。距离感知通过激光雷达（LiDAR）、超声波传感器或毫米波雷达测量机器人与周围物体之间的距离关系，为导航和避障提供关键信息。触觉感知使机器人能够感知与物体接触时的力、压力和温度分布，对于精细操作任务（如抓取易碎物品）至关重要。

内部感知系统监测机器人自身的运行状态，主要包括关节位置感知、关节速度感知、关节力矩感知和末端力感知等。关节位置传感器（通常为编码器）测量每个旋转关节的当前角度，是运动控制的基础反馈信号；关节速度传感器测量各关节的旋转角速度，与位置信号结合可用于速度控制和加减速规划；关节力矩传感器测量驱动电机输出的力矩，使机器人能够实现力控操作和碰撞检测；末端力传感器则测量安装在机器人末端的工具与环境之间的交互力，为精密装配和表面加工提供力反馈。

感知系统的设计需要在精度、采样率、可靠性、成本和计算复杂度之间进行权衡。以视觉感知为例，高分辨率相机的图像质量优异，但带来的数据传输和图像处理计算量也相当可观。在实际工程中，需要根据具体应用需求选择合适的传感器配置。一个典型的工业机器人视觉系统可能包括一台工业相机（分辨率约1280×1024，帧率60Hz）和一套边缘检测算法，实时计算工件的二维位置和旋转角度，引导机器人进行抓取和放置操作。

决策系统是机器人的“大脑”，负责根据感知信息进行任务理解、状态估计、行为规划和指令生成。决策系统通常包含多个功能层次，从底层到顶层依次为：运动控制层、行为规划层、任务规划层和任务理解层。运动控制层直接与执行系统交互，根据期望的关节位置或末端位姿生成电机控制指令，实现对机器人运动的闭环控制。行为规划层负责生成从当前状态到目标状态的运动轨迹或行为序列，回答“机器人应该如何移动”的问题。任务规划层将高层任务分解为可执行的行为序列，回答“机器人应该做什么”的问题。任务理解层则解析用户输入的自然语言指令或任务描述，将其转化为机器人可执行的内部任务表示。

决策系统的核心技术挑战在于如何处理环境的不确定性和任务的复杂性。不确定性来源于传感器的测量噪声、环境的动态变化、模型的近似误差以及执行机构的不完善。经典的卡尔曼滤波器和贝叶斯估计方法为处理传感器噪声和状态估计问题提供了理论框架；马尔可夫决策过程（MDP）和部分可观测马尔可夫决策过程（POMDP）为在不确定环境下进行序列决策提供了数学模型。任务复杂性的处理则涉及规划算法的设计，包括运动规划、任务规划以及两者的层次化集成。后续章节将对决策系统的理论基础进行深入阐述。

执行系统是机器人的“躯体”，负责将决策系统的控制指令转化为物理运动。执行系统主要由机械本体、驱动系统和传动系统三部分组成。机械本体提供支撑结构和运动链，工业机器人通常采用串联链式结构，由多个旋转关节和连杆依次串联而成，关节数量（自由度数目）决定了机械臂的运动能力；协作机器人则可能在构型设计上采用模块化理念，通过增减关节模块适应不同的负载和工作空间需求。驱动系统为关节运动提供动力，常见类型包括液压驱动、气压驱动和电机驱动。电机驱动因其控制精度高、响应速度快、维护简便等优点成为现代机器人最主流的驱动方式，其中交流伺服电机凭借其高转矩密度和良好的调速性能在工业机器人领域占据主导地位，而无框力矩电机和中空关节电机则在协作机器人中得到越来越广泛的应用。传动系统将驱动电机的旋转运动转换为关节的期望运动形式，常见的传动机构包括齿轮减速器、谐波减速器、带传动和丝杠传动等。

一个值得关注的技术趋势是执行系统与感知系统的深度融合。传统的控制架构假设执行器是理想的（控制输入能够精确实现），感知器是带有噪声的（测量值存在误差）。然而，现代柔性机器人的设计理念打破了这一假设：刚度可控的关节驱动器（如串联弹性驱动器SEA和可变刚度驱动器VSA）使执行器本身具备了力感知和力控制能力；触觉传感器阵列的引入使机器人的“皮肤”能够感知接触力分布；本体感觉传感器精度的提升使机器人对自身状态的估计更加准确。这种感知-执行一体化设计的思路，正在催生新一代具有更佳人机交互能力和环境适应能力的机器人系统。

机器人的分类体系与应用领域

机器人的应用场景千差万别，技术形态也相应呈现多样化特征。根据应用领域、结构特点和运动方式的不同，机器人可有多种分类方式。从本书的编写目的出发，我们主要依据应用场景进行分类，将机器人划分为工业机器人、服务机器人、移动机器人和无人机四大类。这一分类体系既反映了机器人技术发展的主流方向，也便于读者针对特定领域深入学习。

工业机器人是机器人技术最成熟、应用最广泛的一类。国际机器人联合会（IFR）的数据显示，截至2023年，全球工业机器人存量已超过350万台，其中中国、日本、美国、韩国和德国是全球工业机器人应用的主要市场。工业机器人按照坐标系构型和运动自由度可分为直角坐标机器人、SCARA机器人、关节型机器人和并联机器人等类型。直角坐标机器人沿三个正交轴线运动，结构简单、定位精度高，适用于搬运、码垛和简单的点对点运动任务。SCARA机器人（Selective Compliance Assembly Robot Arm）具有四个自由度，水平旋转关节使其能在平面上快速定位，垂直移动关节实现升降运动，特别适用于电子元器件装配和小型零件搬运任务。关节型机器人是工业应用中最常见的类型，通常具有6个旋转关节，能够在三维空间中实现任意位姿，灵活性高、工作范围大，是焊接、喷涂、装配等复杂任务的首选构型。并联机器人（如Stewart平台）采用多条运动链同时支撑末端平台，具有高刚度、高精度和高速的特点，常用于模拟飞行器、手术定位和高速分拣等应用。

服务机器人是近年来发展最为迅速的机器人类别，其应用范围涵盖家庭服务、医疗健康、公共服务、商业服务等多个领域。根据中国电子学会发布的《中国机器人产业发展报告》，2023年全球服务机器人市场规模约400亿美元，预计到2027年将超过900亿美元。家庭服务机器人的典型代表是扫地机器人和擦窗机器人，这类产品以较低的价格进入千家万户，成为智能家居的重要组成部分。扫地机器人通常采用轮式移动平台，配备激光雷达或视觉传感器进行环境建图和自主导航，通过边刷、主刷和吸尘电机的协同工作实现地面清洁。医疗机器人是服务机器人中技术含量最高、社会价值最大的类别之一，手术机器人（如达芬奇手术系统）能够辅助外科医生完成精细的微创手术，康复机器人能够帮助中风患者进行运动功能恢复训练，药物配送机器人则承担医院内部的物资运输任务。

移动机器人是具有自主移动能力的机器人系统的统称，包括地面移动机器人、水下机器人和空间机器人等子类。地面移动机器人按照运动方式可进一步分为轮式、履带式、足式和复合式等类型。轮式移动机器人结构简单、能源效率高、稳定性好，是室内物流、仓储运输和园区配送等应用场景的主流选择。典型的轮式移动机器人采用差速驱动或全向轮驱动构型，通过两个或多个独立控制的驱动轮实现直行、转弯和原地旋转等运动形式。履带式移动机器人具有越障能力强、接地比压小等特点，适用于松软地面、斜坡和崎岖地形，在野外勘探、灾害救援和军事应用中有独特优势。足式移动机器人（尤其是双足人形机器人和四足机器人）能够在非结构化环境中实现高机动性行走，能够跨越障碍、上下楼梯、适应不平整地面，但控制复杂度高、能耗大，目前仍处于技术发展和商业化探索阶段。

无人机（Unmanned Aerial Vehicle，UAV）是一种由地面控制站或自主导航系统控制、在大气层内飞行的无人员搭载航空器。按构型分类，无人机可分为固定翼无人机、多旋翼无人机、垂直起降固定翼无人机和无人飞艇等类型。多旋翼无人机（如四旋翼、六旋翼、八旋翼等）因其结构简单、控制灵活、垂直起降能力而成为近年来发展最快、应用最广的无人机类型。多旋翼无人机的飞行控制需要协调多个旋翼的转速以产生期望的推力和力矩，其控制问题涉及非线性系统控制、姿态估计和容错控制等核心技术。按应用领域分类，无人机可分为军事侦察与打击无人机、民用航拍无人机、物流配送无人机、农业植保无人机和测绘勘探无人机等。无人机与地面移动机器人的结合正在催生空中机器人这一新兴研究方向，其应用涵盖城市空中交通、应急物资投送和三维环境监测等领域。

每类机器人都有其独特的技术挑战和理论问题。工业机器人的核心技术挑战在于高速高精度运动控制、刚柔耦合动力学和装配作业规划；服务机器人需要解决人机自然交互、自主导航定位和任务泛化执行等问题；移动机器人面临复杂地形感知、长期自主运行和能耗优化等挑战；无人机则需要在有限载荷条件下实现长时间飞行、精确导航和可靠避障。本书后续章节将针对这些共性基础问题展开深入讨论，同时兼顾不同应用领域的特殊需求。

机器人自主性的层次结构

自主性（Autonomy）是衡量机器人智能化水平的重要维度，它描述了机器人在无需人类干预的情况下独立完成指定任务的能力范围。理解机器人自主性的层次结构，不仅有助于评估现有系统的能力边界，也为机器人技术的未来发展指明了方向。目前，学术界和工业界普遍采用分层描述的方式来刻画机器人自主性水平，不同组织提出的分层模型虽然在具体层级数量和命名上有所差异，但基本思路是一致的：从完全由人类控制到完全自主运行，构成一个连续谱系。

国际自动化学会（ISA）在其技术报告中提出了一个被广泛引用的五级自主性框架：第一级为手动控制级，机器人的所有运动完全由操作员实时控制，机器人本身不具备任何自动化能力；第二级为远程操作级，操作员通过遥控链路控制机器人，虽然实现了操作员与机器人的空间分离，但控制决策仍完全依赖人类；第三级为任务自动化级，机器人能够自主执行预定义的任务序列，但任务参数由人类设定，且任务执行过程中需要人类监督；第四级为条件自主级，机器人能够在特定环境条件下自主完成复杂任务，但遇到预设情况外的问题时需要人类介入；第五级为完全自主级，机器人能够在未知环境中自主完成人类设定的目标，无需任何人类干预。

美国国防部在其无人机系统路线图中采用了十级分层模型，这一框架虽然针对军事应用场景设计，但其思路对理解一般机器人系统也具有参考价值。十级模型从低到高依次为：人类直接控制、人类分配任务目标、人类分配任务细节、人类监督下的机器人执行、人类批准关键决策、机器人选择性拒绝执行、机器人自主执行仅需人类知情、机器人自主执行仅需人类不时被咨询、机器人自主执行仅需人类偶尔被通知、完全信任机器人自主行动。这一细化分层揭示了一个重要洞察：自主性并非简单的“有或无”二元特性，而是一个涉及控制权分配、监督强度、决策范围的多维度概念。

从技术实现的角度看，每一自主性级别都对应着特定的感知能力、认知能力和行动能力的组合。低级自主性主要依赖精确的传感测量和稳定的运动控制，技术成熟度较高；高级自主性则需要强大的环境理解能力、任务推理能力和应急决策能力，目前仍是活跃的研究前沿。例如，第三级任务自动化已在工业装配线上得到成熟应用，机器人能够按照预设的程序依次完成抓取、搬运、放置等动作；但第三级向第四级的跨越——让机器人在遇到零件位置偏差或工具故障时自主调整策略——仍是工业自动化领域的重大挑战。

自主性分层模型对于理解人机协作关系也具有重要启示。随着机器人自主性的提升，人类角色从“直接操作者”逐渐转变为“监督管理者”乃至“任务定义者”。这一转变带来了新的交互范式和安全挑战：在低自主性级别，安全性主要依赖操作员的技能和判断；在高自主性级别，必须建立可靠的故障检测、人机交接和安全停机机制。欧盟机械指令和ISO 10218系列标准为工业机器人的安全设计提供了规范框架，其中“安全监控的停止”、“手动引导”和“速度与位置监控”等功能定义了人机协作的基本安全保障措施。

值得关注的是，机器人自主性的发展并非总是追求越高越好。更高的自主性通常意味着更高的系统复杂度、更大的计算资源和更昂贵的传感器配置。在某些应用场景下，适度的自主性反而是最优选择：一个用于重复搬运同一工件的工业机器人，采用第三级任务自动化即可满足需求，过高的自主性不仅没有必要，还可能增加系统的不确定性和维护成本。因