机器人学概论：从自动化到自主智能 | Introduction to Robotics: From Automation to Autonomous Intelligence

机器人学概论：从自动化到自主智能

1.1 机器人学的定义与学科边界

机器人学（Robotics）作为一门交叉学科，其内涵随着技术发展而不断演变。从词源学角度看，"Robot"一词源于捷克语"robota"，意为"强制劳动"或"苦役"，由剧作家卡雷尔·恰佩克（Karel Čapek）在1920年的科幻剧本《罗梭的万能机器人》中首次提出。这一词源揭示了机器人技术最初的设计意图——代替人类执行重复性、危险性或繁重的体力劳动。然而，现代机器人学的范畴早已超越了这一朴素愿景，演变为涵盖感知认知、决策规划、运动控制、人机交互等多个维度的复杂学科体系。

从学术定义而言，机器人学是研究机器人设计、制造、应用及相关理论的科学技术领域，其核心目标是赋予机器人在复杂环境中感知环境、理解任务、做出决策并执行动作的能力。这一学科横跨机械工程、电子工程、计算机科学、人工智能、控制理论、材料科学等多个领域，形成了独特的知识生态系统。美国机器人行业协会（RIA）和国际标准化组织（ISO）均对工业机器人给出了标准化定义，但在服务机器人、医疗机器人、特种机器人等新兴领域，定义边界仍在持续扩展之中。

机器人学与相邻学科之间存在深刻的联系与区别。与人工智能（AI）相比，机器人学更强调物理世界的具身交互——机器人不仅需要"思考"，更需要"行动"，这种从虚拟智能到物理智能的跨越带来了独特的理论挑战与工程难题。与传统控制理论相比，机器人学面临的非线性、多变量、时变、强耦合的动态系统问题更为复杂，且需要在非结构化环境中实现自适应控制。与机械自动化相比，现代机器人学融入了更多的智能元素，能够在无明确编程的情况下自主完成多样化任务。这种学科交叉的特性，使得机器人学成为21世纪最具发展潜力的前沿领域之一。

1.2 发展历程：从机械自动化到智能体

1.2.1 工业机器人的诞生（1950s-1970s）

机器人技术的商业化应用始于20世纪50年代末至60年代初。1961年，美国Unimation公司推出了世界上第一台工业机器人Unimate，这一里程碑事件标志着机器人产业的开端。Unimate基于德沃尔（George Devol）和恩格尔伯格（Joseph Engelberger）的专利技术设计，重达2吨，采用液压驱动，主要用于通用汽车公司纽泽西工厂的压铸作业。该机器人能够完成将高温铸件从压铸机中取出并堆叠的重复性任务，将工人从危险、恶劣的工作环境中解放出来。

这一时期的工业机器人以"示教-再现"（Teach-and-Playback）为主要工作模式。操作员通过手持示教器引导机器人完成一次完整的任务路径，机器人控制器记录下所有关节角度和末端位置信息，随后能够精确重复这一路径。这种编程方式虽然直观简便，但缺乏环境适应能力——一旦工件位置或姿态发生变化，机器人便无法正确完成任务。与此同时，早期工业机器人采用液压驱动方式，存在响应速度慢、精度低、维护复杂等问题，限制了其在精密加工领域的应用。

1969年，川崎重工业在日本推出了第一台国产工业机器人"川崎-Unimate"，开启了日本在工业机器人领域的崛起之路。此后，ABB（当时称ASEA）、KUKA、Fanuc等公司相继进入工业机器人市场，推动了机器人技术的全球化扩散。到1970年代末，全球工业机器人装机量已突破万台，主要应用于汽车制造、电子装配、塑料成型等行业，奠定了现代制造业自动化的基础。

1.2.2 技术演进与标准化（1980s-1990s）

1980年代是工业机器人技术快速成熟的关键十年。伺服电机驱动技术逐渐取代液压驱动，使机器人的运动精度、响应速度和可靠性得到显著提升。点位控制（PTP）和连续轨迹控制（CP）技术的完善，使得机器人能够适应更多样化的工业应用场景。这一时期，基于离线编程（Offline Programming）的机器人仿真与编程系统开始兴起，显著提高了机器人部署效率，减少了生产线停机时间。

在软件架构方面，专用的机器人编程语言逐渐标准化。VAL（Variable Assembly Language）、KAREL、RAPID等专用语言相继问世，为机器人应用开发提供了更高效的编程工具。这些语言通常包含运动指令、I/O控制、逻辑判断、通讯接口等功能，支持复杂任务程序的模块化开发。与此同时，示教编程与离线编程相结合的双轨编程模式成为主流，既保留了示教编程的直观性，又发挥离线编程的灵活性。

这一阶段的另一重要发展是工业机器人标准化体系的初步建立。ISO 8373定义了工业机器人的术语和安全要求，IEC 61508功能安全标准被引入机器人控制系统，推动了机器人应用的规范化与安全化。末端执行器（End-Effector）标准化接口的设计，使得不同厂商的机器人能够适配统一的夹具、工具系统，降低了系统集成成本，促进了产业链分工的形成。

从市场格局看，日本企业在这一时期确立了全球领先地位。Fanuc、Yaskawa（安川）、Kawasaki（川崎）、Denso等日本机器人厂商凭借技术积累和成本优势，占据了全球工业机器人市场的半壁江山。德国企业则以高精度、高可靠性的产品定位在汽车制造等高端市场保持竞争优势。这种区域竞争格局深刻影响了此后全球机器人产业的发展路径。

1.2.3 服务机器人的兴起（2000s-2010s）

进入21世纪，机器人技术开始从制造业向非工业领域快速渗透，服务机器人（Service Robot）概念逐渐成型并获得广泛认可。国际机器人联合会（IFR）将服务机器人定义为"除工业自动化应用外，为人类或设备执行有用任务的机器人"，涵盖个人/家庭服务机器人和专业服务机器人两大类别。

个人服务机器人以家务辅助为主要功能。iRobot公司于2002年推出的Roomba扫地机器人开创了家用清洁机器人的市场品类，采用随机碰撞式导航与简化的传感器配置，以亲民的价格实现了大规模商业化应用。这一产品策略的成功表明，在感知能力受限的情况下，通过概率方法和用户友好的产品设计，仍可实现有价值的商业应用。截至2023年，Roomba系列累计销量已超过4000万台，成为服务机器人商业化最成功的案例之一。

专业服务机器人在特种作业领域展现出独特价值。医疗机器人方面，达芬奇手术系统（Da Vinci Surgical System）自2000年获FDA批准以来，已在全球完成超过1000万台手术，以其精妙的力反馈控制和三维高清视觉系统，显著提升了微创手术的精度和灵活性。物流机器人方面，Amazon Kiva Systems（后更名为Amazon Robotics）于2012年收购后大规模部署的仓储搬运机器人系统，采用二维码导航与智能调度算法，实现了仓储物流效率的革命性提升。特种作业机器人方面，波士顿动力（Boston Dynamics）的BigDog四足机器人、Atlas双足人形机器人展示了复杂地形机动与全身协调控制的卓越能力，虽然尚未实现大规模商业化，却为特种机器人技术的发展指明了方向。

这一时期，无人机（Unmanned Aerial Vehicle, UAV）作为移动机器人的重要分支迅速崛起。DJI大疆创新凭借飞控系统与机器视觉技术的深度整合，占据了全球消费级无人机市场超过70%的份额。从航拍娱乐到农业植保、从电力巡检到应急测绘，无人机的应用边界持续扩展，催生了新兴的空中机器人产业。无人机技术验证了传感器融合、实时导航、自主控制等核心技术的工程可行性，为地面移动机器人的发展提供了有益借鉴。

1.2.4 自主智能的时代（2010s-至今）

2010年代后期以来，深度学习技术的突破为机器人智能带来了质变契机。2012年ImageNet竞赛中卷积神经网络（CNN）的惊艳表现，迅速波及机器人视觉领域。2015年ResNet的提出和2016年AlphaGo在围棋对弈中战胜人类冠军，向学术界和产业界展示了深度学习在复杂决策问题上的巨大潜力。机器人学开始全面拥抱深度学习，从视觉识别到语音交互，从运动控制到任务规划，深度学习技术逐步渗透到机器人系统的各个功能模块。

感知能力的飞跃是这一阶段最显著的技术进步。基于深度学习的物体检测与识别算法（如YOLO、Mask R-CNN等）使机器人能够在杂乱场景中准确识别目标物体；语义SLAM技术将传统几何地图升级为包含丰富语义信息的高层地图，支持机器人理解"去厨房拿水杯"这类自然语言指令；3D视觉传感器（RGB-D相机、激光雷达）的普及和成本下降，使环境三维感知成为移动机器人的标配能力。特斯拉Autopilot系统、Waymo自动驾驶汽车、华为问界智驾版等智能驾驶系统的规模化部署，充分验证了感知-融合-决策一体化系统在复杂开放环境中的可行性。

强化学习（Reinforcement Learning）在机器人运动控制领域取得突破性进展。2015年DeepMind提出的深度Q网络（DQN）及其后续改进算法，使机器人能够通过与环境交互自主学习最优策略。Boston Dynamics将强化学习应用于双足和四足机器人的运动控制，实现了在不平整地面上自主平衡行走、在外力干扰下恢复稳定姿态等复杂行为。这种数据驱动的控制方法减少了对精确物理模型的依赖，为复杂动力学系统的控制提供了新思路。

大语言模型（Large Language Model, LLM）的兴起开启了机器人智能的新篇章。2020年GPT-3的发布展示了语言模型在通用知识理解和推理方面的卓越能力，此后GPT-4、Claude、Llama等模型的迭代进一步提升了多模态理解与生成能力。研究者开始探索将大语言模型作为机器人任务规划的大脑——用户可以用自然语言描述复杂任务，语言模型将其分解为可执行的机器人动作序列。Google的PaLM-E、微软的ChatGPT for Robotics、斯坦福的VoxPoser等项目均在这一方向取得了令人瞩目的进展，预示着"言出法随"的机器人交互范式正在成为现实。

1.3 机器人系统的典型架构

现代机器人系统通常采用分层递阶的体系结构，从底层硬件到顶层智能形成完整的感知-规划-控制闭环。这一架构模式既保证了系统的实时性要求（底层控制的毫秒级响应），又兼顾了高层决策的灵活性（任务规划的秒级乃至分钟级规划周期），是机器人工程实践中被广泛验证的技术路线。

1.3.1 感知系统：环境信息的获取与理解

感知系统是机器人与外部环境交互的界面，负责将物理世界的各种信息转化为机器人可以理解和处理的数字信号。根据所获取信息类型的不同，感知系统可分为外部感知（Exteroception）和本体感知（Proprioception）两大类别。外部感知获取机器人与外部环境之间的相对关系，包括视觉、听觉、触觉、嗅觉等多种模态；本体感知获取机器人自身的状态信息，如关节角度、末端位置、速度、加速度、力/力矩等。

视觉感知是机器人感知中信息量最丰富、应用最广泛的模态。现代机器人视觉系统通常包含一个或多个RGB相机、深度相机（RGB-D）、甚至激光雷达等传感器。RGB相机提供二维图像信息，通过计算机视觉算法可提取场景的纹理、颜色、形状等特征；深度相机通过结构光或飞行时间（ToF）技术获取每个像素的深度信息，构建三维点云；激光雷达以高精度测距著称，在自动驾驶和室内导航领域广泛应用。从这些原始传感器数据出发，机器人需要完成目标检测（Detecting）、语义分割（Segmenting）、实例分割（Instance Segmentation）、姿态估计（Pose Estimation）、三维重建（3D Reconstruction）等多项感知任务。

多传感器融合（Multi-Sensor Fusion）是提升感知系统鲁棒性的关键技术。由于单一传感器存在各自的固有局限性——相机受光照影响大、深度相机有效距离有限、激光雷达缺乏纹理信息——通过融合多种传感器的互补优势，可以实现对环境更全面、更可靠的理解。卡尔曼滤波（Kalman Filter）及其非线性扩展（Extended Kalman Filter, Unscented Kalman Filter）是经典的多传感器融合方法，通过最优估计理论融合不同传感器的测量结果。近年来，深度学习驱动的端到端感知融合方法逐渐兴起，直接从原始传感器数据学习统一的场景表示。

感知系统还需要处理传感器的噪声与误差问题。传感器测量不可避免地受到各种干扰因素影响，如热噪声、暗电流、光子散射、机械振动等。为获得可靠的感知结果，需要采用信号滤波、温度补偿、在线标定等技术手段。此外，传感器数据的时空对齐也是重要议题——不同传感器可能具有不同的采样率和时间延迟，需要进行时间同步和空间标定才能进行有效融合。

1.3.2 规划系统：从感觉到行动的桥梁

规划系统是机器人智能的核心枢纽，负责将感知系统提供的环境理解转化为具体的行动计划。根据规划层次和时间尺度的不同，规划系统通常分为任务规划（Task Planning）、运动规划（Motion Planning）和轨迹规划（Trajectory Planning）三个层次。

任务规划关注高层动作序列的生成，回答"应该做什么"的抽象问题。传统的任务规划基于符号推理方法，如规划领域定义语言（PDDL）及其求解器（FF、Fast Downward等），将问题建模为状态空间的搜索，通过启发式搜索或因果推理生成满足目标的动作序列。近年来，大语言模型在任务规划中的应用引起了广泛关注。大语言模型具备强大的常识推理和零样本泛化能力，可以理解自然语言描述的复杂任务，并生成相应的动作序列。然而，大语言模型的"幻觉"问题和缺乏物理 grounding 的局限性仍是需要解决的研究难题。VoxPoser等研究探索了利用大语言模型结合视觉感知进行可执行任务规划的方法，为这一方向提供了新的技术路径。

运动规划关注如何在给定的空间约束下生成从起点到终点的可行运动路径。这一问题的核心挑战在于高维连续空间中的搜索效率。经典的运动规划算法包括基于采样的方法（如PRM、RRT、RRT*）和基于图搜索的方法（如A*、D*、Jump Point Search）。基于采样的方法通过随机采样探索配置空间，适合高维空间和复杂约束场景，但只能提供渐近最优性保证；基于图搜索的方法在离散化的状态空间中进行最优搜索，适合低维空间和明确的目标导向场景。在实际应用中，混合整数规划（MIP）、序列二次规划（SQP）等优化方法也常被用于处理带约束的运动规划问题。

轨迹规划在运动规划生成的路径基础上，进一步考虑机器人的动力学约束和时间优化，生成满足物理可实现性的运动轨迹。轨迹优化的目标通常包括：最小化运动时间、能量消耗或 jerk（加加速度）；满足关节角度、速度、加速度、力矩等物理约束；实现平滑连续的运动以减少机械磨损和振动。对于多自由度冗余机械臂，轨迹规划还需考虑避关节奇异位形、避障碍、关节极限等特殊约束。生成的时间最优或能量最优轨迹以关节空间或笛卡尔空间中的时间序列形式输出，作为控制系统的参考输入。

1.3.3 控制系统：精确执行的技术保障

控制系统负责将规划系统生成的轨迹转化为电机驱动的实际运动信号，确保机器人按照期望的方式完成预定动作。控制系统是机器人架构中实时性要求最高的层次，控制周期通常在毫秒甚至亚毫秒级别。

工业机器人广泛采用的分层控制架构具有很好的代表性。位置控制作为最基础的控制环，通过PID控制器（或其改进形式如模糊PID、自适应PID）跟踪期望的关节位置或末端位置。PID控制器的设计需要在快速响应与超调抑制之间取得平衡，通过调整比例系数、积分时间、微分时间等参数可以优化控制性能。对于高速高精度应用，PID控制器通常与前馈控制、摩擦补偿等补偿技术结合使用。

速度控制和力控制是两种重要的进阶控制模式。速度控制以关节或末端的运动速度为控制目标，适用于需要柔顺运动或人机协作的场景。力控制则直接控制机器人与环境之间的交互力/力矩，是实现精密装配、轮廓跟踪、力反馈遥操作等任务的关键技术。阻抗控制（Impedance Control）和力位混合控制（Hybrid Force-Position Control）是两种经典的力控制框架：阻抗控制通过建立期望的力-位置动态关系，使机器人表现出类似弹簧-阻尼系统的柔顺特性；力位混合控制则根据任务空间的方向性，在不同方向上分别施加力控制和位置控制。

现代控制方法的发展为机器人控制带来了新的可能性。模型预测控制（Model Predictive Control, MPC）通过滚动优化的方式处理带约束的多变量控制问题，能够在前馈补偿和反馈校正之间取得良好平衡。MPC在人形机器人（如Boston Dynamics Atlas、特斯拉Optimus）的全身运动控制中得到成功应用。自适应控制通过在线估计系统参数或控制器参数，使控制系统能够应对模型不确定性或环境变化。滑模控制（Sliding Mode Control）以其对参数摄动和外干扰的强鲁棒性著称，适合机器人这类存在模型不确定性的复杂系统。

协作机器人（Cobot）的兴起推动了安全控制技术的发展。协作机器人通过力矩传感器、安全皮肤、碰撞检测等硬件和软件机制，实现与人共处同一工作空间的安全作业。安全控制需要满足ISO/TS 15066等协作机器人安全标准，对碰撞力、接触压力等安全指标进行严格限制。主动安全技术如预测性人臂检测、意图识别、碰撞预判等正在成为协作机器人控制系统的标准功能。

1.3.4 闭环反馈：系统协调与稳定性

感知-规划-控制三个子系统通过闭环反馈机制紧密耦合，形成完整的功能闭环。闭环结构使机器人能够根据环境变化和执行反馈动态调整行为，是实现鲁棒性和适应性的关键。

反馈控制回路的基本工作原理可描述为：感知系统实时获取机器人状态和环境信息；控制系统将当前状态与期望状态进行比较，计算控制误差并输出控制指令；执行机构的实际运动产生新的状态变化，被感知系统检测到形成新的反馈输入。这一循环持续进行，实现对期望状态的跟踪和扰动的抑制。闭环系统的稳定性由控制理论中的各种稳定性判据保证，如李雅普诺夫稳定性、输入-输出稳定性等。

系统层面的协调机制确保各子系统高效协同。时间同步机制保证各子系统在统一的时间基准上运行；状态共享机制使规划系统能够获取最新的环境感知结果，控制系统的执行状态也反馈给规划系统用于决策调整；异常处理机制在检测到传感器故障、执行偏差、碰撞等异常情况时触发相应的保护动作。ROS（Robot Operating System）等机器人中间件提供了这些协调机制的标准实现，极大降低了多机器人系统软件开发的复杂度。

```mermaid graph TD A[环境感知] --> B[感知融合] B --> C[状态估计] C --> D[任务规划] D --> E[运动规划] E --> F[轨迹优化] F --> G[底层控制] G --> H[执行器驱动] H --> I[机器人运动] I --> J[环境交互] J --> A

K[传感器数据] --> A L[用户指令] --> D