第一個機器人在20世紀50年代末、60年代初誕生，但嚴格意義上它不算機器人，只是一臺“可編程的物品傳送設備”，它被用于移動通用汽車公司生產(chǎn)線上壓鑄機周圍的產(chǎn)品。1954年專利的第一句話強調(diào)了本發(fā)明的可編程性和通用性，并且表明可編程性要求傳感器確保程序、期望軌跡或功能和實際運動之間的一致性。

時至今日，機器人并沒有完全偏離最初的概念：如今的機器人是可以進行編程的。它們需要感知自身的環(huán)境，以確保所做的事情和被設定要做的事情是一致的。而且，它們需要在自身的環(huán)境中移動。過去50-60年來所發(fā)生的變化主要是在復雜性、速度以及應用這些基本概念的領域方面有所增加。

雖然第一批機器人主要用來移動壓鑄件，但機器人之父約瑟夫·恩格爾伯格(Joseph Engelberger)深受阿西莫夫機器人第一定律的影響——機器人不得傷害人類，或看到人類受到傷害而袖手旁觀。他把機器人部署在可以保護人類的地方。保護人類也是傳感器數(shù)量不斷增加的驅(qū)動力，特別是在協(xié)作機器人(cobots)或自動導引車(AGVs)中。

是什么推動著機器人產(chǎn)業(yè)的發(fā)展?

為了更好地理解對自主機器人的追求，讓我們回顧一下Alex Wissner-Gross的“智能定律”方程式：它是一種熵力，解釋了機器人學的發(fā)展趨勢：

F = T ∇ Sτ

其中F指的是使未來行動自由最大化的力，T指的是定義整體強度的溫度(可用資源)，以及S指的是時間范圍tau內(nèi)的熵。

機器人學作為一門工業(yè)和科學，其目標是通過增加嵌入式模擬智能來最大限度地提高未來機器人行動的自由度。這就需要：

有更多的傳感器來獲得更高精度的機器人周圍環(huán)境模型。

有更好的傳感器連接到控制算法(和更分散的控制算法)。

有更好的算法從傳感器數(shù)據(jù)中提取盡可能多的信息。

有更好的執(zhí)行器來根據(jù)控制算法的決策更快更準確地行動。

不妨看一看當今的科技領域，機器人已經(jīng)獲得了很大的自主性，并且正在使用來自互補性氧化金屬半導體相機傳感器、激光雷達和雷達的傳感器來適應各種各樣的應用。雖然相機的角度分辨率和動態(tài)范圍比雷達大得多，但相機不能提供激光雷達所具有的動態(tài)范圍，也不能在煙霧彌漫或多塵的環(huán)境中工作。

圖1：工廠環(huán)境中的現(xiàn)代機械臂示例。

由于機器人被設計成適應最廣泛應用的最靈活的選擇，因而它們需要在低光、多塵或明亮的環(huán)境中工作。這種靈活性可以通過組合傳感器信息——aka、傳感器融合來實現(xiàn)。換句話說，不同傳感器的信息可用于重建機器人環(huán)境的彈性表示，從而在更多應用中實現(xiàn)自主性。例如，如果一個相機被暫時覆蓋，則其他傳感器必須能夠使機器人安全運行。為確保機器人能對其所處環(huán)境有全方位的了解，機器人傳感器數(shù)據(jù)需要以限時的方式進行路由，并用少量的電纜連接到機器人控制器，以最大限度地提高連接的可靠性。

如今，高帶寬低延遲總線主要基于低壓差分信號(LVDS)。然而， LVDS接口并沒有標準，這就導致傳感器到控制器的生態(tài)系統(tǒng)出現(xiàn)分裂，并且使來自不同供應商的混合和匹配解決方案變得困難。一旦傳感器數(shù)據(jù)被傳輸?shù)綑C器人控制器，一系列基于深度神經(jīng)網(wǎng)絡的機器學習算法可以幫助提高機器人所處環(huán)境的精度。用深度學習教父Yann LeCun、Yoshua Bengio和Geoffrey Hinton的話說，“深度學習允許由多個處理層組成的計算模型學習具有多個抽象層的數(shù)據(jù)表示。”這些深度神經(jīng)網(wǎng)絡可以在機器人內(nèi)部用于快速、實時處理，也可以在云中用于元信息收集或更復雜的推理。