初识机器人：从身边产品看机器人学的核心逻辑
早上七点，你刚爬起床，就听见客厅里传来“嗡嗡”的轻响——那是你家的扫地机器人正沿着沙发腿绕圈，把昨晚掉在地上的薯片碎屑扫得干干净净。周末你和同学去公园航拍，无人机在你头顶稳稳悬停，镜头对准远处的湖面拍出了你想要的延时视频。上周科技社团的学长带来的机器狗，不仅能跟着音乐跳舞，还能在你递出零食的时候准确接住，逗得全班同学哈哈大笑。你有没有想过，这些看起来“聪明”的机器人，到底是怎么做到不用人一直盯着，就能自己完成任务的呢？
很多人对机器人的第一印象是“长得像人的机器”，甚至觉得只有科幻电影里那种会说话、会走路的人形机器人才算机器人。但机器人学的标准定义远不止于此：机器人是可编程的机电系统，能够通过传感器感知外部环境和自身状态，通过算法自主做出决策，通过执行器与环境交互完成指定任务。按照这个定义，你家的扫地机器人、手里的无人机、甚至工厂里自动焊接的机械臂，都属于机器人的范畴——它们不需要人形，只要能自主完成工作，就是合格的机器人。
和普通机器的核心区别在于“自主性”：普通的洗衣机只能按照预设的程序洗衣服，遇到衣服卡住了也不会自己调整；而扫地机器人遇到障碍物会主动绕开，遇到地毯会自动调大吸力，遇到低电量会自动回去充电，这就是自主性的体现。这种自主性，正是来自机器人学最核心的“感知-规划-控制”三大模块的协作。
一、机器人百年发展：从科幻概念到走进生活
“机器人”这个词最早出现在1920年捷克作家卡雷尔·恰佩克的科幻剧本《罗素姆万能机器人》中，来源于捷克语的“robota”，本意是“苦力、劳役”。当时恰佩克笔下的机器人还是人类制造的廉价劳动力，会干活但也会反抗人类，这个设定也影响了后来几十年机器人题材的科幻作品。
真正为机器人设定“行为准则”的是另一位科幻作家阿西莫夫。1942年，19岁的阿西莫夫在短篇小说《环舞》中提出了著名的机器人三定律，这三条定律后来成了机器人伦理的基石，哪怕现在研发大模型驱动的智能机器人，全世界的工程师还在围绕这三条定律讨论技术边界： 1. 机器人不得伤害人类，或看到人类受到伤害而袖手旁观； 2. 机器人必须服从人类的命令，除非命令与第一定律冲突； 3. 机器人必须保护自己，除非与前两条定律冲突。
机器人从科幻走进现实的关键节点是1954年：美国工程师乔治·德沃尔发明了第一台可编程工业机器人“尤尼梅特”，它能按照预设的程序完成重复的搬运、焊接工作，很快就被应用到汽车工厂的生产线上，替代人类完成高重复、高危险的工作。1969年，日本早稻田大学研发的WABOT-1成为世界上第一台人形机器人，它能用日语对话、走路、识别物体，虽然走一步需要5秒钟，还经常摔跤，但它证明了人形机器人的技术可行性。
20世纪末到21世纪初，随着传感器、电机、芯片的成本大幅下降，机器人开始从工厂走向普通家庭：2002年iRobot推出第一款量产扫地机器人Roomba，2020年大疆的消费级无人机销量突破1000万台，优必选的Alpha机器人成为很多孩子的第一台陪伴机器人。根据国际机器人联合会（IFR）2023年的统计，全球工业机器人存量已经超过300万台，消费级机器人年销量突破2000万台，机器人已经从科幻概念变成了我们生活里随处可见的工具。
中国在机器人领域的发展尤其迅速：现在全球70%的消费级扫地机器人、70%的消费级无人机都是中国生产的，大疆的无人机占据了全球消费级无人机市场80%的份额，优必选、宇树科技的人形机器人和机器狗已经达到了国际领先水平。2023年，中国工业机器人年销量突破30万台，连续10年位居全球第一，机器人产业已经成为中国高端制造的核心赛道之一。
> [📖 纸书提示] 本章首页的趣味时间线图展示了机器人发展的12个关键节点，你可以用荧光笔标记出你印象最深的事件，想想这个事件和你平时用的机器人产品有什么关系。 > [📱 电子版交互] 点击时间线上的“1969年WABOT-1”节点，可以观看WABOT-1的原始运行录像，对比现在机器狗的运动能力，感受技术的进步。
二、感知-规划-控制：机器人的三大核心模块
不管是什么形态的机器人，它的核心逻辑都可以拆解为三个环环相扣的模块：感知模块是机器人的“眼耳口鼻手”，负责采集环境和自身的信息；规划模块是机器人的“大脑”，负责处理信息、做出决策；控制模块是机器人的“手脚”，负责把决策变成实际的动作。三个模块每秒要循环几十上百次，形成闭环，才能让机器人稳定工作。
我们可以用最熟悉的扫地机器人为例，拆解每个模块的具体职责：
2.1 感知模块：机器人的“感官系统”
感知模块的核心是各类传感器，它们的作用是把物理世界的信息（距离、光线、声音、姿态等）转换成机器人能理解的数字信号。不同机器人会根据功能需求搭载不同的传感器，常见的机器人传感器包括：
（1）视觉传感器：机器人的“眼睛”
摄像头是最常见的视觉传感器，相当于人的眼睛，能采集颜色、形状、纹理等视觉信息。现在很多扫地机器人、无人机还会搭载深度相机，能直接测出物体的距离，不需要额外的计算。深度相机测距的原理和蝙蝠探路类似：发射一束红外光或者激光，接收物体反射回来的信号，通过计算光往返的时间差就能算出距离，对应的数学公式非常简单： $$d = \frac{c \cdot \Delta t}{2}$$ 其中$d$是距离，$c$是光速（约$3 \times 10^8 m/s$），$\Delta t$是光发射到接收的时间差。比如深度相机测到$\Delta t$是10纳秒（$10^{-8}$秒），那么对应的距离就是1.5米。
视觉传感器的优点是成本低、信息量大，能识别物体、读取文字、识别人脸；缺点是受光线影响大，晚上或者强光下成像质量会下降，透明的玻璃、吸光的黑色物体也可能拍不清楚。
（2）激光雷达：机器人的“高精度尺子”
激光雷达是现在扫地机器人、自动驾驶汽车最常用的传感器之一，它通过高速旋转发射激光束，每秒能扫描周围环境几十次，测距精度能达到厘米级，测距范围从几米到上百米不等。扫地机器人一般用单线激光雷达，测水平方向的障碍物，自动驾驶汽车会用多线激光雷达，同时扫描水平和垂直方向的环境，生成3D地图。
激光雷达的优点是测距精度高、受光线影响小，缺点是成本比摄像头高，透明的玻璃、吸光的黑色物体对激光的反射率低，可能会出现测距不准的情况。
（3）惯性测量单元（IMU）：机器人的“内耳前庭”
IMU是惯性测量单元的缩写，包含陀螺仪和加速度计两个核心部件：陀螺仪能测机器人绕三个轴的旋转角度，加速度计能测机器人在三个方向的加速度。它的作用和人的内耳前庭一样，能感知机器人自身的姿态变化，比如无人机飞的时候向左倾斜，IMU马上就能测到倾斜角度，把信息传给控制模块调整姿态。
IMU的优点是响应速度快（每秒能采集上千次数据）、不受外界环境干扰，缺点是时间长了会有累积误差，比如单独用IMU测位置，过几分钟就会差几米，所以一般会和其他传感器融合使用。
> [📖 纸书提示] 本章的“传感器小百科”表格列出了12种常见机器人传感器的原理、优缺点和适用场景，你可以对照家里的机器人产品，看看它用了哪些传感器。 > [📱 电子版交互] 点击“激光雷达”条目，可以观看激光雷达扫描周围环境的3D动画，直观理解它是怎么生成环境地图的。
除了以上三种，常见的机器人传感器还有：碰撞传感器（相当于皮肤，撞到障碍物就会触发信号）、轮速编码器（测轮子转动的圈数，计算机器人移动的距离）、麦克风（采集声音，用于语音交互）、温湿度传感器（感知环境温湿度，用于环境监测机器人）等。
2.2 规划模块：机器人的“决策大脑”
规划模块的核心是算法，它的作用是把感知模块采集到的原始信息，转换成机器人能执行的决策。规划一般分为三个层级：任务规划、全局路径规划、局部路径规划，我们可以用送快递的机器人为例理解这三个层级：
- 任务规划：决定“先做什么后做什么”，比如快递机器人要先从仓库取货，再规划到小区的路线，最后送到用户家门口，就是最高层级的任务规划。
- 全局路径规划：根据已有的地图，规划从起点到终点的最优路线，比如快递机器人知道小区里1号楼在东北角，3号楼在西北角，就会提前规划好走哪条路不绕路，避开已知的施工区域，常用的算法是A*算法、Dijkstra算法，本质就是找“两点之间的最短/最快路径”。
- 局部路径规划：处理突发情况，比如快递机器人正沿着规划的路线走，突然有个小朋友跑到了它前面，全局规划的路线被挡住了，局部规划就会临时生成一条绕开小朋友的路线，等小朋友走远了再回到原来的路线。
规划模块的另一个核心能力是建图定位，也就是机器人要一边知道自己在地图的哪个位置，一边画出周围的环境地图，这个技术叫SLAM（同步定位与建图，Simultaneous Localization and Mapping）。比如扫地机器人第一次进你家的时候，就是一边走一边用激光雷达扫描周围的环境，生成你家的户型图，同时把自己在地图上的位置标出来，后续打扫的时候就能知道自己已经扫了哪块，还没扫哪块。
> [📖 纸书提示] 本章的“算法小故事”板块讲了A*算法的发明故事：这个算法是1968年斯坦福研究院的工程师Peter Hart发明的，最初是为了给机器人规划移动路线，现在已经被广泛应用到游戏开发、自动驾驶、导航软件里，你手机里的高德、百度地图找最快路线的功能，核心就是A*算法的变种。
2.3 控制模块：机器人的“运动系统”
控制模块的核心是控制器和执行器，执行器就是机器人的“手脚”，比如轮式机器人的轮子、机器人的关节电机、无人机的螺旋桨、机械臂的夹具等；控制器的作用是把规划模块的决策转换成执行器能懂的控制信号，同时实时调整动作，保证动作的准确性。
控制模块的核心逻辑是反馈控制：机器人先执行一个动作，然后感知模块采集实际动作的结果，和规划的目标对比，如果有误差，控制模块就马上调整执行器的参数，直到实际结果和目标一致。比如扫地机器人规划要走直线，但是轮子打滑了，实际走歪了5厘米，控制模块马上就会把右轮的速度调快一点，左轮的速度调慢一点，把机器人掰回直线。
我们可以用最简单的轮式机器人为例，理解控制模块的数学原理：假设机器人有两个驱动轮，左右轮的距离（轮距）是$L$，左轮的速度是$v_l$，右轮的速度是$v_r$，那么机器人的线速度$v$（前进/后退的速度）和角速度$\omega$（转圈的角速度）可以用以下公式计算： $$ \begin{cases} v = \frac{v_l + v_r}{2} \\ \omega = \frac{v_r - v_l}{L} \end{cases} $$ 比如要让机器人原地转圈，只需要让左轮和右轮的速度相反（$v_l = -v_r$），此时线速度$v=0$，机器人不会前后移动，角速度$\omega$最大，转圈速度最快；如果要让机器人走直线，只需要让$v_l = v_r$，此时角速度$\omega=0$，机器人不会转弯。
控制模块的精度直接决定了机器人的动作质量：比如机器人的关节电机需要每秒调整1000次角度，才能完成翻跟头、跑步这种高难度动作；而扫地机器人的轮速控制精度只需要到厘米级，就能完成打扫任务。
> [📱 电子版交互] 点击“轮式机器人运动学”条目，可以打开交互式模拟器，拖动滑块调整左右轮的速度，实时看到机器人的运动轨迹，直观理解公式的含义。
三、三大模块的协作闭环：从感知到行动的完整流程
三大模块不是孤立工作的，而是形成了“感知-决策-执行-反馈”的闭环，我们可以用无人机悬停的例子，完整走一遍这个流程： 1. 感知阶段：无人机的传感器每秒采集上百次数据：GPS模块知道无人机的经纬度位置，IMU知道无人机的倾斜角度、上升/下降速度，视觉传感器知道无人机距离地面的高度，超声波传感器知道无人机距离障碍物的距离。 2. 规划阶段：规划模块把感知的数据和悬停目标对比：当前高度是10米，目标是保持10米悬停，当前姿态是向左倾斜5度，目标是保持水平，然后把调整指令发给控制模块。 3. 控制阶段：控制模块计算四个电机的转速：左倾的电机调慢一点，右倾的电机调快一点，把姿态掰回水平；如果高度比目标低0.2米，就把四个电机的转速整体调高一点，让无人机上升。 4. 反馈阶段：无人机执行动作后，感知模块再次采集数据，发现高度变成了9.95米，姿态水平了，就把新的数据传给规划模块，规划模块再调整控制指令，直到高度稳定在10米，姿态完全水平。
整个过程每秒要重复几十次，哪怕有风吹过，无人机也能在零点几秒内调整姿态，保持稳稳悬停。这个闭环的逻辑可以用下面的流程图清晰展示： ```mermaid graph LR A[环境输入] --> B[感知模块<br/>(传感器采集环境与自身状态信息)] B --> C[规划模块<br/>(处理信息，生成决策与目标指令)] C --> D[控制模块<br/>(计算控制参数，驱动机器人执行动作)] D --> E[机器人执行动作] E --> A %% 样式设置，纸书印刷时也能清晰区分 style A fill:#f9f,stroke:#333,stroke-width:2px style B fill:#9f9,stroke:#333,stroke-width:2px style C fill:#99f,stroke:#333,stroke-width:2px style D fill:#ff9,stroke:#333,stroke-width:2px style E fill:#f99,stroke:#333,stroke-width:2px ```
我们再来看另一个例子：机器狗跟着音乐跳舞。当音乐响起的时候，机器狗的麦克风（感知模块）采集到声音信号，识别出音乐的节奏是120拍/分钟；规划模块把节奏转换成动作指令：第1拍抬左前腿，第2拍抬右前腿，第3拍转圈，第4拍趴下；控制模块计算每个关节电机的转动角度和时间，让机器人的动作和节奏完全对齐；执行动作后，感知模块的IMU会采集机器人的姿态，如果发现转圈的时候歪了，控制模块马上调整关节
整个过程只需要0.1秒，比人眨眼睛还快10倍，所以你看到机器狗的舞蹈是连续流畅的，不会出现“跳错一拍再纠正”的卡顿感。如果三大模块里有一个环节出错，整个系统就会失效：比如机器狗的麦克风坏了，感知模块采集不到音乐节奏，规划模块就不知道什么时候该做什么动作，最后跳得乱七八糟；如果规划模块的算法错了，把“抬左前腿”的指令发成了“抬右前腿”，控制模块再准也没用；如果控制模块的电机坏了，哪怕指令是对的，关节也动不了，机器人就像“瘫痪”了一样。
3.1 复杂机器人的三大模块协作：以人形机器人为例
我们再用现在热度很高的人形机器人举个更复杂的例子，比如2023年小米发布的CyberOne，它能走路、上下台阶、递东西、甚至能做简单的家务。它的三大模块比机器狗复杂得多，因为要处理的信息更多，动作也更精细：
- **感知模块**搭载了3个视觉摄像头（相当于两只眼睛加一个“后视眼”）、多个IMU分布在头部、躯干、四肢，还有触觉传感器分布在手掌和脚底，总共能采集上百种不同的环境信息和自身状态信息：比如摄像头识别出台阶的高度、水杯的位置，IMU感知到自身的倾斜角度、有没有要摔倒的趋势，触觉传感器感知到手里杯子的重量、有没有拿稳。
- **规划模块**要处理的信息是机器狗的几十倍：首先要做任务规划，把“递水杯给用户”这个高层任务拆解成“走到桌子边→识别水杯位置→伸手抓杯子→转身走到用户身边→递出杯子”五个子任务；然后是全局路径规划，规划从当前位置到桌子边的最优路线，避开地上的障碍物；然后是局部路径规划，如果走到半路有个小朋友跑过来，马上临时调整路线绕开；还要做动作规划，计算每个关节在每一步该转到什么角度，才能保证走路平稳、抓杯子不碎、倒水不洒。
- **控制模块**要控制全身20多个关节电机，每个电机的转动精度要达到0.1度，每秒要调整1000次以上，才能保证走路的时候不会摔跤，递杯子的时候不会把水洒出来。如果控制精度差一点，比如关节角度误差有1度，走路的时候误差会累积，走10步可能就会摔跤。
2024年，宇树科技的人形机器人H1在杭州亚运会上担任了火炬手，它能稳稳地拿着火炬走完100米的接力路线，还能和观众挥手互动，背后的核心就是三大模块的稳定协作：感知模块每秒采集上百次姿态和环境数据，规划模块每秒生成几十次动作决策，控制模块每秒调整上千次关节电机的参数，整个闭环的延迟不到10毫秒，比人的反应速度还快。
> [📖 纸书提示] 本章的“人形机器人拆解图”标注了CyberOne的12个核心传感器和20个关节电机的位置，你可以对照图数一数，想想每个部件分别属于感知、规划还是控制模块。 > [📱 电子版交互] 点击“人形机器人H1火炬传递”的节点，可以观看完整的火炬传递录像，同时打开慢动作回放，观察机器人每一步的关节动作和姿态变化。
3.2 你身边的“隐形机器人”
很多人以为机器人只能是像机器狗、无人机那样“看得见摸得着”的大家伙，但其实你每天接触的很多电子产品，本质上也是小型机器人，只是它们的外形不像传统机器人而已。我们可以拆解几个你每天都会用到的产品，看看它们的“机器人属性”：
（1）智能电动牙刷：入口级的小型机器人
你每天刷牙用的智能电动牙刷，是最常见的“隐形机器人”：它的感知模块是压力传感器和加速度计，能感知你刷牙的力度（太重会伤牙龈，太轻刷不干净）、刷牙的位置（有没有刷到每一颗牙齿）、刷牙的时间（有没有刷够2分钟）；规划模块会根据你之前的刷牙习惯，生成专属的刷牙方案：比如你经常刷左边的大牙，就会自动增加左边的震动时长，如果你刷牙力度太大，就会提醒你放轻；控制模块会调整刷头的震动频率和角度，保证既刷得干净，又不会损伤牙齿和牙龈。飞利浦的旗舰款电动牙刷，每秒会采集100次压力数据，调整10次震动频率，本质上就是一个微型机器人。
（2）智能手表：腕上的健康监测机器人
现在的智能手表不仅能看时间，还能测心率、血氧、睡眠质量，甚至能检测你有没有摔倒、有没有心律失常，这些功能的核心也是机器人的三大模块：感知模块是光学心率传感器、加速度计、陀螺仪，能采集你的心率、运动姿态、睡眠时的翻身次数等数据；规划模块会用算法分析这些数据，判断你是不是处于睡眠状态、有没有摔倒、心率是不是正常；控制模块会触发对应的功能：比如检测到你摔倒了，就会自动给紧急联系人发消息，检测到你心率过高，就会提醒你休息。苹果的Apple Watch的摔倒检测功能，准确率已经达到了95%以上，每年能救回很多摔倒后无法呼救的用户。
（3）AR智能玩具：交互式的小型机器人
现在很多青少年玩的AR智能地球仪、AR识字卡片，本质上也是机器人：感知模块是摄像头，能识别你指的地球仪上的位置、卡片上的文字；规划模块会根据你指的位置，调用对应的3D模型、语音讲解，生成交互内容；控制模块会驱动屏幕显示对应的内容，驱动扬声器播放讲解。比如你指一下地