机器人这几十年到底研究了什么？进展如何？未来发展如何？（网言大杂烩）

“感觉没有太大进展”是因为提问者的评判角度不同，这里做一些分析：

• 首先是对机器人的定义，不是只有像人一样的外观，像人一样智慧的机器才能叫“机器人”，凡是具备感知（输入）、决策（处理）、执行（输出）三部分的机器，都可以称之为“机器人”。
• 其次是对进展的评价，机器人技术领域有很多进展是基础性的，并不直接反映在最终能展现出来的机器人身上，机器人本身是技术综合程度非常高的“物种”，不能因为这个“物种”无法让我们满意就认为相关的基础技术没有太大进展。
• 然后是信息不透明，信息不透明跟每个公司PR有关，也跟国家政策有关，这里不详述，总之普通民众是很难获取到完整信息的。
• 最后是大众对机器人技术的期望过高，科幻电影几十年前就已经科普了智能机器人了，但科幻终究是科幻，技术还是得一步步脚踏实地地走的。一些媒体和商业化组织有目的渲染，也给人们一次次带来不切实际的幻想，当现实无法满足人们期望的时候，自然也会觉得“没有太大进展”了。

作者可能想问的是：为什么机器人研究了几十年，还是给人感觉机器人都不够智能，蠢蠢的？

下面我想从技术角度解释一下这个问题。

首先是机器人技术的发展史

机器人技术从20世纪中旬发展到现在，也不过数十年。上个世纪，全球机器人技术有两个大国——美国和日本。20世纪70年代前后，美国注重机器人在军事领域应用，而日本注重机器人在工业领域应用。后来在机器人技术民用化的进程中，日本的机器人工业基础实力雄厚，而美国则有更多的“黑科技”。

Honda（日本本田）在智能机器人领域的努力，贯穿人类的整个智能机器人发展史，一度成为全球明星。

1986年至1997年间，Honda依次发布了E0~E6，P1~P3，10种型号的人形机器人。这些机器人的研究目标，是解决人形机器人自动化阶段的一些问题：让双足机器人能够更稳定地行走——更可靠的结构设计和动力系统、更稳定的控制系统、机器人稳定行走的算法，让机器人具有可操作性、小型化、轻型化。当他们的人形机器人具备了可靠的机器人硬件，下一步目标，是追求机器人的智能化：机器人能够更自主地与环境（人）交互。为了这个目标，他们在2000年创造了ASIMO，这是一个具有划时代意义的机器人，标志着Honda的研究重点从传统的自动化转向智能化方向，让机器人具备与人，与环境进行交互的能力，让机器人融入人的生活。2002年的ASIMO具备了智能的特征，2005年的ASIMO能够与人进行实时交互，2007年的ASIMO可以多台机器人协同工作，2012年的ASIMO可以跳跃，奔跑，进行人脸声源识别，与多人对话，融合视觉触觉与人互动等。现在的ASIMO已经可以像人一样完成很多复杂的动作，甚至在一些程度上代替人工作，Honda在机器人自动化控制上的水平绝对是世界一流的，但智能化还有很长的路要走。

然后是机器人技术的组成

我们将机器人技术划分为五个技术领域（层）：机械硬件、电子硬件、嵌入式软件、上层软件、智能算法。

机器人技术在自动化阶段主要涉及前三层和一些控制算法，从上世纪至今，在制造业发展得非常完善，但仍旧不断有新的工艺、传感器、材料出现，将机器人基础技术往前推进。而后两层，是机器人智能化阶段的重点，主要是本世纪初在互联网行业得到了迅猛的发展，例如软件工程技术大大提升机器人软件工程的开发效率，人工智能则让机器人变得更“聪明”。人工智能技术虽然发展了很多年，被人们切身体验到它的存在还是近十年互联网行业的爆发才得以实现的，而机器人上的人工智能技术应用，才刚刚开始。机器人软件工程技术，也是最近几年才开始发展起来的。

机器人技术的发展，是一步一步进行的，没有底层的完善就没有上层的应用空间，而机器人产品进入人们的生活，也是一步一步的，没有人们的需求和认识水平的提高，也很难有服务机器人产业的爆发。

这里还要解释一下几个大家容易误解的几个名词：

1. 人工智能。指的是人工系统，能够表现出智能。分为强人工智能和弱人工智能，强人工智能是指这个人工系统具有自己的意志，有自己的情感、喜好、价值观等；而弱人工智能，是指人工系统能够自主做出一些决策，让人们认为它是具备智能的，其中的核心学科之一就是机器学习——从数据中学习到模型，用模型来预测结果，预测是基础，然后才有更大系统的决策和机器的自主。强人工智能能否实现，目前还是一个哲学问题，它不仅仅是技术发展那么简单，所以担心人工智能会毁灭人类什么的，只是非人工智能领域人得臆想罢了。绝大部分人工智能研究者，研究的是弱人工智能，它在互联网领域已经应用得非常广泛了。国内想得到最权威人工智能信息，可以关注一下“南大周志华”，想学习机器学习知识，可以搜一下南京大学计算机系LAMDA（机器学习与数据挖掘）研究所，主任是周志华老师。
2. 工业机器人和服务机器人。工业机器人是指生产环境中应用的机器人，一般的生产环境机器人与人是隔离工作的，要求机器人稳定、高效、精度高。服务机器人是指人的生活环境中应用的机器人，机器人需要融入人的生活环境，要求机器人功能强、具备一定的自主交互能力。
3. 智能机器人。是指机器人智能化阶段的机器人，这种机器人通常具备一定的自主交互能力，因此，实际上智能机器人主要是应用在服务机器人行业，重叠层度非常高。

最后总结

机器人技术是一项跨领域非常大，综合程度非常高的技术类别。这几十年，机器人技术工作者们从无到有一步步构建起了这么庞大的体系，进步是非常大的。目前来说，各个方面的技术储备已经达到了一个要爆发的临界点，比如移动机器人上游产业链完善、人工智能技术（尤其是计算机视觉）进展非常大、机器人软件系统开始扩大化发展、自主导航（无人驾驶）技术方案框架明晰，就差把所有的技术整合在一起应用于人们的生活了。可能一开始是类似仓储机器人、送餐机器人、酒店机器人这样的移动机器人，慢慢各种技术的集成与完善，才会开始出现无所不能的超级机器人。我现在创业的项目就是做以视觉应用为主的智能移动机器人，解决机器人的眼睛+移动的机能需求。无论是双足机器人、小车机器人、送餐的、送快递的、运货的，眼睛+移动是能被称之为“人”的一个基础机能，之前在lamda实验室我们已经能做出实验室级别智能移动机器人，现在在往商业化的进程上努力，行业内在这一块的进度都差不多，差不多这两年可以实现这一基础机能，那么，基于此的上层软件应用也会大大加快发展速度，未来五年内服务机器人将会遍地开花。目前中国在这个方向上的进展并不比国外慢多少，国外虽然有多年积累，但他们的分享精神还是挺足的，加上中国的年轻一代学习能力非常强，通过学习跟进和自主研发，还是可以缩短差距赶上国外水平的。

 

作者：yuanboshe
链接：https://www.zhihu.com/question/22056195/answer/107817753
 

提一条异议：人工智能的这一段，机器学习是人工智能众多算法中的一种，但并不是基础。非学习类的人工智能算法也有很多，诸如模糊控制，智能势能场，约束算法和决策树，动态规划，自然语意识别等等。机器学习是在大数据的基础之上这几年开始展露头角，但他仅仅是主流算法中的一类。其他一些算法比如模糊控制已经在我们的生活中默默服务了几十年了。

 

您好，多谢指点和探讨，或许增加“之一”这个非排他词，将说法改为“其中的核心学科之一就是机器学习”会合适一些。有几个概念还是值得探讨：
1. 机器学习不是一种“算法”，而是一门学科，包含多个派别，具体针对某一细节问题的解决的时候，才涉及到不同的“算法”。
2. 机器学习是一门交叉学科，涉及的研究范围非常广，和其他一些学科有很多研究范围的重叠。所以一个具体的研究方向可以说属于“机器学习”也可以说属于其他的学科，这个不冲突。“模糊控制”是自动化控制里面发展起来的，可以用“机器学习”里面的方法来解决一些“模糊”的问题；“决策树”和“动态规划”都是比较基础的研究方法（某种程度上也说算法），“机器学习”里面常用，其他一些学科也经常用到。所以，这些方法可以说属于“非学习类人工智能算法”（我不清楚这个概念），也可以说有一些也属于“机器学习”里面的研究方法。总之，学科间都是相互交叉的，只是学科的“使命”（目的）不同而已。
3. “机器学习”不仅仅只有在大数据上才能发挥作用，但机器学习在处理大数据上的确有优势，能够从中总结出规律并且工程化成为“知识”（model）。当然，数据质量是影响“学习”效果的主要因素。
4. 自动化控制理论里面的很多方法，在自动化领域默默为人们生活服务了很多年。自动化领域学者们在“机器学习”上也有很多研究和贡献，但大部分学者还是把“机器学习”归为计算机领域的，和自动化领域的侧重点是不一样的。

嗯。机器学习应该称为一类算法更合适。如果把所有带有“learning”的算法都归入的话，那么动态规划应该是划到Maching Learning里的。我自己对于这个概念的定位在于，Maching Learning的核心在于“记住”曾经的出现过的数据以及相应的决策，而这个功能必须是在程序开始运行前，开发者所不需要知道，而程序本身亦不包含相应的数据。同时，其结果必须是具有预测能力的，即根据全新的输入给出相应的决策性输出。

按照这个思路来定位的话，搜索算法具有“记忆”能力，但是不具有对新的数据输入进行相应的决策能力。自控算法是具有对新的数据进行决策的能力，但是不具有记忆能力的。所以把Machine Learning实际上应该是处于两者交集的位置上，比如说Neural Fuzzy结构，比如说AlphaGo使用的蒙特卡洛树

我也同意这种分法，各种分类方法都是可以的，不同人的理解和偏好。你的分法有点像“机器学习”，不具备学习功能的“专家系统”，“自动控制系统”。各自的研究重心和解决的问题不同，适用范围也有不同。

 

来自知乎