欢迎来到机器人星球 | Welcome to Robot Planet

当你睁开眼睛，清晨的第一缕阳光正从窗帘缝隙溜进房间。伸了个懒腰，你下意识地看向床头柜——那里放着的不是什么闹钟，而是一个圆滚滚的扫地机器人，正安静地等待今天的任务指令。你伸手摸了摸它的“脑袋”，金属外壳还带着昨晚工作后的余温。就在几秒钟前，它已经用内置的传感器扫描了整个房间的地面，规划出了今天最优的清洁路径，而你甚至不需要按任何一个按钮。

这个场景，对今天的我们来说，已经再平常不过了。

Welcome to Robot Planet.

欢迎来到机器人星球。

在这本书里，我们要一起踏上一段关于机器人学的奇妙旅程。不管你是刚刚对机器人产生兴趣的学生，还是希望系统了解这个领域的爱好者，又或者只是想搞清楚家里那个扫地机器人为什么会撞墙的好奇宝宝——这本书就是为你准备的。我们会从最基础的概念讲起，一步一步深入，直到你能真正理解机器人是如何“看”世界、如何“想”问题、如何“做”动作的。

在正式开始之前，让我先问你一个问题：你觉得什么是机器人？

是一只有手有脚的金属人？是一个会说话的铁盒子？还是那些在工厂里挥舞着焊枪的机械臂？如果你脑海中浮现的是这些画面，那么恭喜你，你的直觉没有大错。但机器人学告诉我们的，远比这丰富得多。

---

什么是机器人学 | What is Robotics

机器人学（Robotics）是一门研究如何设计、建造、操作和应用机器人的综合性学科。它横跨机械工程、电气工程、计算机科学、人工智能等多个领域，可以说是现代工程技术和智能科学的集大成者。机器人学的目标很简单：创造能够感知环境、进行思考和判断、执行物理动作的智能机器。

机器人（Robot）这个词，最早出现在1920年捷克作家卡雷尔·恰佩克（Karel Čapek）的科幻戏剧《罗素姆的万能机器人》（Rossum's Universal Robots）中。在这部作品里，“Robot”来自捷克语“robota”，意思是“强迫劳动”或“苦工”。恰佩克笔下的机器人是被制造出来为人类服务的工具，但故事的结局却令人深思——机器人最终崛起，推翻了它们的主人。

这个富有预言性的开端，似乎从一开始就为机器人与人类的关系定下了复杂的基调。在将近一个世纪后的今天，当我们再谈论机器人时，已经不再是纯粹的科幻想象。机器人已经走进了工厂、医院、家庭，甚至走进了太空。它们可以完成精密的手术操作，可以独立完成物流仓库的分拣工作，可以在地毯上自动躲避障碍物——就像文章开头那个扫地机器人做的那样。

从本质上说，机器人是一种能够完成以下三件事的机器：

感知（Perception）——通过传感器获取周围环境的信息，就像我们用眼睛看、用耳朵听、用皮肤感受温度一样。

规划（Planning）——基于感知到的信息进行分析和决策，想出应该怎么做、接下来做什么，就像我们的大脑在思考。

控制（Control）——根据决策结果驱动电机、执行器等物理部件产生动作，就像我们的手去拿杯子、脚去走路一样。

这三个词——感知、规划、控制——将贯穿我们整本书。它们是机器人学的三大支柱，也是理解一切机器人技术的钥匙。现在，让我们暂时放下这些专业术语，先来看看机器人是如何从科幻走进现实的。

---

从科幻到现实：机器人的百年进化 | From Fiction to Reality

机械梦工厂 | The Mechanical Dream Factory

人类对“自动机械”的向往，可以追溯到几千年前。

古希腊神话中，有技艺精湛的锻造之神赫菲斯托斯（Hephaestus），他用金、银、铜打造了许多会自动运作的机械装置，其中最著名的是两个金铸的祭司女仆，能够帮助他行走和说话。虽然这只是神话，但它反映了人类早期对“会自己动的机器”的想象。

到了18世纪，欧洲出现了许多精妙的自动机械装置。这些发条驱动的“人偶”能够写字、画画、弹琴，看起来就像微型机器人。1770年，瑞士钟表师皮埃尔-雅克·德罗兹（Pierre-Jaques Drojat）制造了著名的“写字机器人”——一个身穿东方服饰的机械小孩，它能够蘸墨水、在纸上书写。这一时期的机械玩偶虽然只是预设程序的自动装置，没有真正的“智能”，但它们展示了人类对机械自动化的早期探索。

1898年，著名发明家尼古拉·特斯拉（Nikola Tesla）在纽约曼哈顿的麦迪逊广场花园，展示了世界上第一艘无线电遥控的小船。特斯拉称之为“远程控制的小艇”，观众可以通过无线电信号操控它的方向和速度。虽然这只是一艘模型船，但它证明了“人类可以隔空控制机器”这一大胆设想，为后来的机器人遥控技术奠定了基础。

科幻黄金时代的机器人想象 | The Golden Age of Sci-Fi Robots

20世纪上半叶，科幻小说迎来了黄金时代，而机器人则成为了最受欢迎的题材之一。

1942年，美国科幻作家艾萨克·阿西莫夫（Isaac Asimov）在短篇小说《转圈圈》（Runaround）中提出了著名的“机器人三定律”（Three Laws of Robotics）：

> 第一定律：机器人不得伤害人类，也不得因不作为而使人类受到伤害。 > > 第二定律：机器人必须服从人类的命令，除非这些命令与第一定律相冲突。 > > 第三定律：机器人必须保护自己的存在，只要这种保护不与第一或第二定律相冲突。

这三定律看似简单，却触及了机器人伦理学的核心问题：如果机器人能够自主行动，人类应该如何确保自己的安全？机器人应该服从命令到什么程度？机器人是否有自我保护的权利？阿西莫夫的贡献不仅在于他创造了一个引人入胜的科幻设定，更在于他提前预见了机器人时代可能面临的伦理挑战。

与此同时，好莱坞也开始将机器人搬上大银幕。1927年的德国电影《大都会》（Metropolis）中，出现了一个经典的女机器人形象——Maria，她有着金属质感的躯壳，却能模仿人类的一切举止。这部电影不仅创造了电影史上最具标志性的机器人形象之一，还深刻探讨了“机器是否可以拥有人性”这一永恒命题。

工业革命：机器人走进工厂 | The Industrial Revolution

如果说20世纪上半叶的机器人还停留在想象和实验阶段，那么20世纪下半叶则见证了机器人真正走进现实世界——尤其是走进工厂。

1961年，美国通用汽车公司（General Motors）在其位于新泽西州的工厂里，安装了世界上第一台工业机器人——Unimate。这台由德沃尔（George Devol）和恩格尔伯格（Joseph Engelberger）发明的机器，重达2000磅（约900公斤），被用来从压铸机中取出炽热的金属零件并堆叠起来。这项工作原本由人类工人完成，高温、危险、重复性高，是典型的“苦活”。Unimate的出现，不仅解放了工人的双手，还大幅提高了生产效率和产品质量。

恩格尔伯格后来被尊称为“机器人之父”。他深知机器人技术想要获得商业成功，不能只靠技术突破，还需要让公众接受这一新事物。因此，他积极参与科普宣传，用通俗易懂的语言向公众解释什么是机器人、机器人能做什么。1978年，他的公司Unimation推出了另一款革命性产品——PUMA（Programmable Universal Machine for Assembly），这是一种可编程的通用装配机器人，能够完成更加复杂的组装任务，很快就成为了世界各地实验室和工厂的标准设备。

到了20世纪80年代，日本成为全球机器人产业的领导者。丰田（Toyota）、松下（Panasonic）、索尼（Sony）等日本企业大规模采用工业机器人，建立了高度自动化的生产线。这一时期，日本甚至出现了专门的“机器人餐厅”，用机器人服务员招待顾客，将机器人文化融入了日常生活。

服务机器人时代 | The Service Robot Era

进入21世纪，机器人开始走出工厂，走向更加多元化的应用场景。

2000年代，以iRobot公司推出的Roomba扫地机器人为代表的服务机器人进入千家万户。不同于工业机器人所处的受控环境，家庭环境复杂多变：地面上可能有玩具、电线、宠物粪便，家具的摆放可能随时变化，地毯和地板的材质各不相同。面对这些挑战，Roomba采用了随机碰撞和局部地图重建相结合的策略——虽然看起来有点“笨”，但它确实能在不需要人工干预的情况下，把房间打扫干净。

2010年代，随着深度学习技术的突破，机器人的“智能”水平有了质的飞跃。2016年，波士顿动力（Boston Dynamics）发布的Atlas机器人展示了令人惊叹的运动能力——它能够在不平坦的地形上行走、跳跃，甚至完成后空翻。Atlas的成功背后，是强化学习（Reinforcement Learning）和仿真训练（Simulation Training）技术的综合应用。工程师们先在虚拟环境中让机器人进行数以百万计的“尝试”，让它自己学会如何在各种情况下保持平衡、执行动作，然后再将训练成果迁移到真实的物理机器人上。

2020年代，自动驾驶技术成为机器人领域的最大热点。Waymo、Tesla、百度Apollo等公司都在争相研发L4级甚至L5级的完全自动驾驶汽车。自动驾驶汽车本质上就是一种特殊的机器人——它需要感知周围环境（其他车辆、行人、交通标志）、规划行驶路径、控制方向盘和油门刹车。只不过，这个“机器人”的尺寸是一辆汽车，它的工作环境是开放的公共道路，安全性要求极高。

与此同时，手术机器人、仓库物流机器人、农业采摘机器人、外卖配送机器人等专业服务机器人也在快速发展。机器人学正以前所未有的速度渗透到人类社会的各个角落。

中国机器人产业的发展 | China's Robot Industry

作为世界工厂和科技大国，中国在机器人领域的发展速度令全球瞩目。

2013年起，中国就成为全球最大的工业机器人市场。根据国际机器人联合会（International Federation of Robotics, IFR）的数据，2022年中国安装了约29万台工业机器人，占全球新装机量的50%以上。在工业机器人密度（每万名工人拥有的机器人数量）这一指标上，中国也在快速追赶韩国、日本、德国等传统强国。

除了工业领域，中国的服务机器人产业同样蓬勃发展。在餐饮行业，已有超过10万台送餐机器人在各大餐厅服役；在酒店行业，服务机器人承担起了迎宾、送物、导览等任务；在医疗领域，国产手术机器人开始进入三甲医院，协助医生完成泌尿外科、普外科、骨科等多种手术。

更重要的是，中国在机器人核心零部件的国产化方面取得了显著进展。减速器、伺服电机、控制器是工业机器人的三大核心零部件，长期被日本和欧洲企业垄断。如今，国产减速器企业绿的谐波、来福谐波已经能够提供与日本HD（Harmonic Drive）相当的产品；伺服电机领域，汇川技术、埃斯顿等企业也在快速崛起；控制器方面，国产系统已经能够支撑完整的机器人运动控制需求。

中国在机器人学领域的学术研究同样不甘落后。近年来，中国学者在机器人顶级会议（如ICRA、IROS、RSS）和期刊（如IEEE Transactions on Robotics）上发表的论文数量和质量都在稳步提升。在足式机器人、软体机器人、仿生机器人、人机交互等前沿方向上，中国研究团队已经做出了世界领先的成果。

机器人从科幻走进现实，经历了近百年的漫长历程。每一个里程碑——无论是德沃尔的可编程机械臂、Roomba的随机导航算法，还是Atlas的强化学习控制——都是人类智慧和技术积累的结晶。现在，这些技术正在你我身边发挥作用，而它们的背后，是三个核心问题的不懈求解：机器人如何感知世界？如何规划行动？如何控制身体？

接下来，就让我们深入了解这三大核心问题。

---

机器人的三大核心问题 | The Three Pillars of Robotics

想象你正站在一个陌生的星球上，四周是你从未见过的奇异景色：天空是淡紫色的，地面上长满了发光的地衣，远处的山峰似乎在缓慢移动。你需要在这里生存下去——寻找食物和水源，躲避可能的危险，找到回家的路。

你会怎么做？

首先，你需要睁大眼睛、竖起耳朵，用你的一切感官去观察周围的环境。你要看清楚地形、辨别方向、感知温度和风速。你要判断远处那个移动的东西是动物还是植物，是威胁还是机会。这一步，就是感知。

然后，你需要思考：根据观察到的信息，接下来应该往哪里走？哪条路最安全？哪里可能有水源？如果遇到危险应该怎么应对？你要权衡利弊、制定计划、决定优先级。这一步，就是规划。

最后，你需要行动。你要迈开双腿、挥动手臂，把计划变成现实。你要学会在复杂地形上保持平衡，要能够快速奔跑或缓慢潜行。这一步，就是控制。

这个比喻形象地说明了机器人学的三大核心问题：感知（Perception）、规划（Planning）和控制（Control）。下面，让我们逐一深入了解。

感知：机器人的五官 | Perception: The Senses of Robots

感知是机器人获取外部世界信息的过程。没有感知，机器人就是“睁眼瞎”——它不知道自己在什么位置，不知道周围有什么障碍，更不知道目标在哪里。

现代机器人配备了各种各样的传感器，就像人类拥有视觉、听觉、触觉、嗅觉、味觉一样。不同类型的传感器，让机器人能够感知不同类型的信息。

视觉传感器是机器人最常用的感知手段。普通的RGB摄像头可以获取环境的彩色图像，让机器人“看见”物体的形状和颜色；深度摄像头（如Intel RealSense、Microsoft Kinect）可以获取像素级的距离信息，让机器人知道物体离自己有多远；红外摄像头可以在黑暗中成像，让机器人在夜间也能工作；360度全景相机则能让机器人同时观察四周。

```mermaid graph TD A[摄像头类型] --> B[RGB摄像头] A --> C[深度摄像头] A --> D[红外摄像头] A --> E[全景摄像头]

B --> B1[获取彩色图像] C --> C1[获取深度信息] D --> D1[黑暗环境成像] E --> E1[全方位视野]

B1 --> F[目标识别] C1 --> G[三维重建] D1 --> H[人体检测] E1 --> I[全景感知] ```

激光雷达（LiDAR，Light Detection and Ranging）是机器人感知的另一大利器。它通过发射激光束并接收反射信号，可以精确测量物体与机器人之间的距离，构建出周围环境的三维点云图。在自动驾驶汽车上，激光雷达几乎成了标配，它能够在高速行驶中实时检测前方几百米范围内的车辆、行人、障碍物。

超声波传感器利用声波的反射原理来测量距离，类似于蝙蝠的回声定位。它的成本较低，适合近距离测量，常用于机器人的避障和定高。

IMU（Inertial Measurement Unit，惯性测量单元）是机器人的“前庭系统”，由加速度计和陀螺仪组成，能够测量机器人的姿态变化和运动加速度。对于飞行器和需要快速响应的机器人来说，IMU是维持姿态稳定的关键。

力传感器和触觉传感器让机器人能够感知“触感”。协作机器人（Cobot）通常在关节处安装力矩传感器，当它碰到人类时会立即感知到并停止动作，保证安全。灵巧手上布满的触觉传感器阵列，则能让机器人知道它抓取的物体有多软、摩擦力有多大、是否即将滑落。

GPS（全球定位系统）和UWB（超宽带定位系统）让机器人能够知道自己在地球上的绝对位置。虽然GPS在室内效果不佳，但它对于室外移动机器人（如农业机器人、配送机器人）来说是定位的基础。

```mermaid graph TD A[机器人感知系统] --> B[环境感知] A --> C[自身状态感知]

B --> B1[视觉 - 摄像头] B --> B2[距离 - 激光雷达] B --> B3[距离 - 超声波] B --> B4[位置 - GPS]

C --> C1[姿态 - IMU] C --> C2[力觉 - 力矩传感器] C --> C3[触觉 - 触觉阵列] C --> C4[运动 - 编码器]

B1 --> E[外部信息] B2 --> E B3 --> E B4 --> E

C1 --> F[内部状态] C2 --> F C3 --> F C4 --> F ```

需要特别指出的是，感知不仅仅是“获取原始数据”，更重要的是“对数据进行理解和解释”。这就涉及到一个关键环节——感知算法。

原始的摄像头图像只是一堆像素值，机器人需要通过计算机视觉和深度学习算法来识别图像中的物体、理解场景的结构。这就是为什么感知和人工智能的结合如此紧密。卷积神经网络（CNN）让机器人能够识别图像中的猫和狗、车辆和行人；语义分割（Semantic Segmentation）让机器人能够理解每个像素属于什么类别（道路、建筑物、树木）；同时定位与地图构建（SLAM，Simultaneous Localization and Mapping）让机器人在未知环境中一边移动一边绘制地图。

感知的挑战在于：真实世界是复杂多变的，光照条件、天气状况、遮挡情况都会影响传感器的性能；传感器本身也有噪声和误差；有些信息（如物体的材质、重量）甚至是传感器难以直接获取的。因此，机器人学中的感知不仅要解决“用什么传感器”的问题，更要解决“如何融合多传感器信息、如何处理不确定性、如何在恶劣条件下保持鲁棒性”等深层问题。

规划：机器人的大脑 | Planning: The Brain of Robots

如果说感知是机器人的“五官”，那么规划就是机器人的“大脑”。规划系统负责回答一个核心问题：在当前情况下，机器人应该做什么？

规划是一个层次化的过程，从最高层的“目标设定”到中间层的“路径规划”，再到低层的“运动规划”，每一层都有不同的决策逻辑。

任务规划（Task Planning）处理最高层次的决策。给定一个宏观目标，如“把桌子上的杯子拿到厨房的水槽里”，任务规划需要将这个目标分解成一系列子目标：先识别杯子在哪里，再移动到杯子旁边，伸手抓住杯子，抬起杯子，移动到水槽边，松手放下杯子。任务规划通常采用状态机、行为树或规划算法（如PDDL）来实现。

路径规划（Path Planning）解决“如何从A点到达B点”的问题。这里的关键是如何在包含障碍物的环境中找到一条可行的路径。经典的路径规划算法包括：

• **A\*算法**：在有向图中寻找从起点到终点的最短路径，通过启发式函数引导搜索方向，广泛应用于游戏寻路和机器人导航。
• **RRT（快速随机树）**：通过