服务机器人正在以高速的增长速度加速步入我们的日常生活。根据IFR的最新统计，未来三年内，服务机器人市场规模将达到目前的5倍。正是基于广阔的市场前景，美国国家科学基金会颁布了《美国机器人技术路线图》，其中服务机器人作为单独的一章来重点论述。知己知彼，了解美国服务机器人发展动向，可更好地帮助我们与时俱进。

服务机器人是一类用以辅助人们日常工作、生活、休闲，以及帮助残疾人与老年人的机器人系统。在工业机器人系统中，机器人的任务是完成高质量、高一致性的生产任务。服务机器人与之不同的是，工业机器人通常工作在有人的空间或者会直接同人类协作工作,服务机器人通常从事专业服务和个人服务两种工作。

服务机器人的专业服务主要应用于农业、应急反应、管道、基础设施、林业、运输、专业清理等作业领域。（专业服务机器人也服务于军事领域，但不将其列入本报告）。 这些系统增强了人们在上述领域的作业能力。根据IFR/VDMA的报告, 当前有超过110000台专业机器人分布在世界各个领域，并且其市场规模还在逐年急速扩大。图1中列出了几种专业机器人。

而个人服务机器人，则在家庭中用以协助普通人的日常生活，或用以补足相关人士的生理和心理缺陷。到目前为止，最大数量的个人服务机器人是家用真空清洁机器人（扫地机器人），超过600万台iRobot公司的Roomba机器人遍布在世界各地。同时,这个市场正在以每年超过60%的速度增长。此外，越来越多的机器人正用于个人娱乐，如人工宠物（AIBO）和玩偶等。在过去5年中，全球售出的个人娱乐机器人超过400万台，这个市场正以指数倍增长，并有望成为机器人领域最具潜力的增长点之一。图2列出了部分个人服务机器人系统。在2011年，服务机器人市场总值超过42亿美元。

服务机器人专家组均来自专业和个人服务机器人领域，其研究领域覆盖了非常广泛的机器人应用问题。

经过广泛讨论后，专家们一致同意，我们仍然需要10到15年时间才能实现全尺寸且具有通用自主能力的机器人应用和解决方案。一些需要实现的关键技术问题将在后续章节进行讨论。出席代表达成了更进一步的共识，即技术进步使得一些价格可负担的、有限尺寸的、半自主的解决方案具有了实用性，并且提供了实际的应用价值。基于现有技术的商业化产品和应用已经开始出现，企业家和投资人对实现机器人应用的潜能均表示乐观。与会专家确认了几个市场, 这些市场出现了早期的商业解决方案，以及服务机器人有可能以何种方式在这些市场中得到应用 。

老龄化人口从两个方面影响了服务机器人的发展。其一是劳动力市场的缩水，另外一个因素则是提供满足健康护理需要的解决方案的机遇。如图3所示，美国正处于未来20年发展趋势的入口: 退休工人数量占当前劳动力数量的百分比将近翻倍，即从当前的每10个工人中有2个退休的状态演变为2030年的每10个工人中有4个退休的状态。在日本，这种情况则更加糟糕，快速增长的老龄化人口是日本提出发展机器人技术作为国家政策的主要诱因。

当提高生产率和降低成本成为服务机器人的共同特征时，针对市场特定问题或需求, 人们希望每个服务机器人系统能提供独一无二的、有竞争力的解决方案。比如，在使用机器人技术组装汽车的工厂中，一个关键和主要的驱动力是希望得到持续不断且质量得到充分保证的生产能力。

主要市场及驱动来源

医疗保健与生活质量——机器人技术用于提供遥操作解决方案，比如依赖感觉的达芬奇手术系统就是这类系统的代表。机器人技术拥有巨大潜力,用以控制成本，增强健康人员的护理能力，延长老年人的寿命。

能源与环境——与会学者认为，这两个紧密相连的问题对于国家的未来和机器人技术应用的成熟度是非常关键的，尤其在自动获取能源和环境监测方面非常关键。

生产与物流——与会学者认为，机器人技术在促进生产和货物移动自动化方面拥有巨大潜力，特别是机器人技术被用于小尺度（或微尺度）生产操作，且在这一过程中有助于加速制造业回归。这种信念自从Heartland Robotics的创立就可窥见一斑，该公司的主要任务就是将制造业转移回美国。

汽车和运输——虽然我们距离完全自主驾驶汽车的使用还有数十年的时间，但机器人技术已经以高级驾驶辅助和避碰系统的形式出现。公共输运系统是另外一个有望获得更高自动化程度的领域。随着机器人技术的持续进步和成熟，用于小范围场景，如机场的无人运输系统和解决方案将渐渐地适应市中心的情况，以及其他的一般应用场合。

国土安全和基础设施防护——与会学者认为，机器人技术提供了巨大的潜能，用以边境保护、搜索和援救、港口检测和安保及相关领域。此外，机器人技术有望大量用于自动化检测、保养并维护桥梁、高速公路、水源和排水系统、电力管道和设施，以及其他基础设施的关键组成部分。

娱乐与教育——这个领域比其他任何领域更多地实现了机器人技术的转化，尤其是机器人技术在解决国家面临的科学、技术、工程以及数学（记为 “STEM”）危机，同时成为名副其实的“4R”教育。FIRST的巨大成功印证了这一点。FIRST是成立于1989的一个非营利组织，该组织举办国家范围内的机器人竞赛，激发年轻人成为科学和技术领导人的兴趣，同时通过引入机器人而增加受教育者 的积极性。机器人为孩子们提供令其感兴趣且易学的方式，去学习和应用数学以及科学的基本知识，包括工程和系统集成原理，用以生产智能机器完成特定任务。

商业化影响因素

如果上述领域全部实现，那么就需要大量的投资用于扩展和开发机器人技术。正如上面提到的，距离实现完全自主的机器人技术，即无需人类给予指令或干涉的自动运行机器人技术，仍有很长的一段路。与会学者达成了一致的意见,即机器人技术的进步使得开发和市场化机器人的初级产品和应用成为了可能，并且能够显著“增强人类机能”。

这些解决方案将能够根据下列功能进行自动调整：以确定的方式监督动态物理环境、目标识别、探测变化、感知环境状态、分析和推荐根据检测到的情况作出的响应，根据人的命令作出的响应和在预先授权的边界内自动而不被操作员干预地执行行动。

这类机器人解决方案的例子包括遥操作系统。如达芬奇外科手术系统以及自主的专业机器人，比如Roomba。随着互联网继续发展，自然而然会从远距离传感发展到远距离操作。互联网这种向物理世界的扩展将有助于进一步模糊通信、计算和服务之间的界限，激发远距离通信和遥控参与的应用。更符合实际的解决方案将出现，其具备分布认知能力并能够有效利用人类智能。这类解决方案将与机器人技术结合，在实现自主感知位置的同时，允许操作员从远距离根据需要通过互联网进行干预。

根据上述内容，人口老龄化将导致未来劳动力短缺。当工人们寻求向职业更高层级迈进的时候，需要增加底层工作的自动化程度，而做底层工作的工人会慢慢变少甚至消失。长期范围内实现完全自动化解决方案的挑战会继续因为技术限制而存在，短期挑战则是调查其发展的需求和决定如何最好地“跨越鸿沟”。即识别正确的价值主张、成本的降低、有效的开发、有效的系统工程过程，决定如何对解决方案进行最佳整合，以及如何将科技转化成为产品。

科学和技术挑战

一部分与会学者集中讨论并确定了同前述几节应用和商业化紧密相关的科学与技术挑战。本节重点在描述挑战，并没有提出如何解决这些挑战的路线图，路线图梗概将在下节中提出。

移动能力

移动能力是机器人研究中的一个成功范例。这种成功在许多现实环境中展示性能的系统上均有所体现，包括博物馆导游和DARPA机车挑战赛以及城市挑战赛中的自主驾驶汽车。但是，与会学者一致认为还有大量重要的问题仍旧悬而未决。在移动领域找到这些问题的答案将对机器人相关领域实现自主控制和多用途相当重要。

与会学者认为三维导航是移动领域最重要的挑战之一。目前，大多数映射定位和导航系统都依赖于地球的平面表示，比如地面任务中涉及的街区地图。但是,当机器人应用的复杂性增加，且每天都有新的机器人部署的情况下，在未建模的缺少控制的拥挤环境中，这些二维表示不足以捕捉必要的信息。因此，对于支持导航和操作的三维世界模型的获取将是非常重要的（见下一节）。这些三维表示不应当包括世界的几何布局；相反，地图一定要包含涉及环境中物体及其特征的任务相关的语义信息。

目前，机器人已经能够很好地理解物理世界中物体的位置，但是还不了解或很少知道物体是什么。当涉及抓取和环境表示的服务执行移动功能时，环境表示也应当包括对象情景支持（即机器人能用某个物体干什么的信息）。实现语义三维导航将需要传感、感知、地图匹配、定位、对象识别、情景支持识别和规划的新方法。这些要求中的一些内容将在后续章节中进行更为详细的讨论。

与会学者提出的一项有前途的语义三维映射技术是用不同种类的传感器构造地图。目前，机器人依赖高精度的、基于激光测量系统或游戏控制距离传感器，如微软的Kinect或PrimeSense来获取环境信息，采用被称为“SLAM”的映射算法。与会学者提出要脱离激光测量系统，进一步开发“视觉SLAM”（VSLAM）领域。这种技术依赖于相机（鲁棒性高、低廉、易于获得的传感器），用于在三维世界中的映射和定位。目前，VSLAM系统已经展示出令人印象深刻的性能。因此，与会学者相信VSLAM 可能在开发具有充分信息，且价格承受得起的三维导航功能方面发挥重要作用。

与会学者们对于满足特定应用的三维导航的额外需求，即户外三维导航，也提出需要明确处理的一系列重要挑战。在这些挑战中存在的事实是，当前二维环境表示方式不能捕捉到户外环境的复杂信息，同时也不能获取户外的光线条件, 而光线条件是引起传感器性能变化的因素。与会学者同时表示，如何在人群中实现导航也是一个重要的挑战。

操作

在前几章中，几乎所有的服务机器人都需要在操作性能上取得实质性进展。这些应用需要机器人与环境进行物理交互，包括开门、拾取物体、操作机器和设备等。目前，自主操作系统在精确工程化和高度受控环境中发挥良好，比如工厂组装单元，但对于开放、动态和未建模环境中的变化和不确定性却显得力不从心。所以，来自三个前沿讨论组的与会学者认为，“自主操作”是其关键领域。虽然没有确定具体的研究进展方向，但学者们的讨论揭示，大多数已有操作算法的基本假设不能在实际应用中得到满足。无论是否可能，适合开放、动态，以及未结构化应用场合的抓取和操作，应该利用先验知识和环境模型。而在没有先验知识的情况下，不应当导致灾难性的后果。作为推论，当环境模型不存在的时候，真正的自主操作将依赖于机器人获取足够的、与任务相关环境模型的能力。与大多数强调规划和控制的现存方法比较而言，这意味着感知将成为自主操作研究日程表中的一个重要的研究问题。

与会学者建议，“拾取和放置”操作可以提供足够的功能基础，用于许多目的明确的应用操作要求。因此，增加复杂性和通用性的拾取和放置操作能够为自主操作的研究工作提供路线和基准。

规划

运动规划领域的研究在过去十年中取得了长足的进步，其中的算法和技术影响了很多不同的应用领域。然而,与会学者认为鲁棒性、动态三维路径规划仍旧是尚未解决的问题。涉及该问题的一个重要因素是机器人位置感知的概念（即机器人能采用“适当的”传感与建模方法进行自主整合、交叉，以及集成行为规划）。“适当”是指完整和准确的环境模型不能由机器人实时获取。相反，作出关于对象、环境、感知和机器人电机行为的推理是非常有必要的。这就会导致规划和运动规划之间的界限逐渐模糊。要规划一个运动，规划者需要协调传感和任务施加约束的运动。要鲁棒、可靠地实现任务目标，规划需要考虑任务环境的支持。这意味着，规划者需要考虑环境及环境当中对象之间的交互，将其作为规划过程的一部分。

比如，要拾起一个物体，可能有必要打开一扇门，进入一个不同的房间，推开椅子到达橱柜，打开橱柜门，推开障碍物。在这种新的规划范式内，任务以及任务与环境所形成的约束是关键所在；“运动规划”之中的“运动”是到达终点的一种方式。规划过程中考虑的约束来自于目标抓取、运动（比如脚步迈动规划）、机构的运动学和动力学、姿势约束，以及避障，在这些约束下的规划需要机器人系统具有实时性。

机器人的运动很容易由传感器的反馈导致约束条件的增加。最明显的例子就是接触约束和避障。因此，反馈规划和控制与规划的集成是满足与会学者提出的规划需求的重要研究内容。反馈规划器生成一种策略，直接将状态映射到行为，而不是生成特定路径或轨迹。这就保证了传感器、执行器和模型的不确定可以通过传感器的反馈得到解决。

在这种情况下，规划复杂性的增加要求多种新方法用于准确理解任务。在传统运动规划中，起始和终止两个配置状态就能对任务进行完全的描述，而现在需要进行的规划，则需要面对更加丰富的任务形式、操作任务，以及丰富的环境交互。

与会学者也认为，我们需要验证和确认规划结果的正规方法，并且保证机器人在人群密集区的安全操作。

传感和感知

对于机器人的几乎所有方面来说，传感和感知都具有相当的重要性，包括移动、操作、和人机交互。与会学者一致认为，在传感和感知方面的创新将根本地影响机器人学发展的速度。

与会学者相信，新的传感器，包括比当前传感器更先进、更高分辨率，以及低成本的版本，将成为发展更快的领域。举例来说，与会学者认为在抓取、移动以及稠密三维数据传感，包括激光雷达和颜色深度传感器传感等方面会有更大的进展。大范围环境场信息的鲁棒性和准确性对于机器人的进一步发展十分关键。灵巧抓取的进展可能在机械手用的类皮肤触觉传感器和更专业化的用于短程探测的深度和外观传感器等领域取得。与会学者也讨论了其他类型的传感器，如声学传感器和促进安全的传感器。这些传感器具有多种形式，比如距离传感器和温度传感器检测人体的存在；也有传感器作为驱动机构的一部分，如力矩传感器，同时也能够探测机器人和环境之间难以预计的接触，布置于整个机器人的类皮肤传感器也属于此类。

传感器的数据需要采用近乎实时的方式进行处理和分析，由于复杂和高度动态变化的外在环境受多种因素影响（包括昼夜的差别、雾、霾、刺眼的阳光等），需要提供能长期自适应感知的方法。与会学者认为，高层次物体建模、探测和识别、改进的场景理解，以及改进的探测人类行为和意图，需要使用多模式信息，如声音、三维距离数据、RGB图像和触觉数据的集成算法。同时，他们认为任务定制的算法（即整合规划算法与考虑动力学物理约束的算法）是最为迫切需要的。举例来说，关联识别的新算法对于在有人环境执行复杂抓取任务非常重要，在机器人感知算法中创造位置感知的环境模型也相当重要。

体系结构、认知能力

关于移动、操作、规划和感知等主题的讨论揭示了这些问题不能被单独解决，而必须考虑到他们之间的内在关联。一个系统如何工程化，有效地整合来自不同领域的特定技巧，实现安全、稳定、与任务关联，甚至是智能的行为，仍旧是机器人领域非常重要的开放性问题。在体系、认知和编程范式的名义下，以方法论甚至哲学观点的多样性，开展面向上述目标的研究，反映出了机器人研究群体对于如何处理这些挑战，缺乏足够的理解。观点的多样性也反映出当前解决这些问题工具的多样性，比如模仿学习，以及所谓的“认知体系显式编程”。一些与会学者感觉到，要实现期望的结果，可能需要将这些方面的知识与技术进行结合。

面向解决生成鲁棒自主行为的首要问题的经典方法之一，是传感/计划/行为环，通常由现代控制系统实现。在过去几十年中, 当传感/计划/行为环成为机器人研究的常用方法时，一些与会学者认为，一些新方法将从上述最简单的方法中诞生。可能的替代方法是多层嵌入或分层循环结构与行为基本方法，多种方法的组合有可能成为全新的方法。

所有与会学者一致认为本领域的调查需要对自主机器人相关研究给予密切的关注。