北拓研究 | 智能机器人行业研究报告
01
智能机器人行业概览
在人工智能时代，RT将取代IT成为全球经济增长的新引擎。作为集机械、电子、控制、计算机、传感器、人工智能等多学科先进技术于一体的现代制造业重要的自动化装备，智能机器人的诞生对未来的生产生活产生了革命性影响。
根据美国机器人协会的定义，智能机器人是一种可编程和多功能的操作机或是为了执行不同的任务而具有可用电脑改变和可编程动作的专门系统。它具有至少一项或多项拟人功能，另外还可能程度不同的具有某些环境感知（如视觉、力觉、触觉、接近觉等），以及语言功能乃至逻辑思维、判断决策功能等，从而使他能在要求的环境中代替人进行作业。从应用角度，常见的智能机器人包括工业机器人、服务机器人及特种机器人等。
智能机器人具有自动化、智能化、精密化、绿色化的特点，是战略性新兴产业的支柱，是实现生产过程和产品使用过程节能减排的重要手段。智能机器人生产效率高，产品质量好，符合我国产业升级大趋势。我国正处于由传统装备向先进制造装备转型的时期，随着“十四五”规划的发布，我国智能机器人发展的深度和广度日益提升，其市场潜力巨大，发展前景广阔。
1
智能机器人行业发展历程
1920年，捷克作家K.凯比克在科幻剧本《罗萨姆的万能机器人》中首次提出了ROBOT这个名词。现在已被人们作为机器人的专用名词。
▌第一代机器人
20世纪50、60年代，随着机构理论和伺服理论的发展，机器人进入了使用化阶段。1954年美国的G.C.Devol发表了“通用机器人”专利；1960年美国AMF公司生产了柱坐标Versatran机器人，可做点位和轨迹控制，是世界上第一种用于工业生产上的机器人。
20世纪70年代，随着计算机技术、现代控制技术、传感技术和人工智能技术的发展，机器人行业得到了迅速发展。1974年美国俄亥俄州辛辛那提的Milacron公司成功开发了多关节机器人；1979年，Unimation公司推出了PUMA机器人，它是一种多关节、全电动驱动、多CPU二级控制的机器人，采用了VAL专用语言，可搭配视觉、触觉、力感等传感器，在当时是一种技术先进的工业机器人，现在的智能机器人结构大体上是以此为基础的。
这一时期的机器人属于“示教再现”（Tech-in/Playback）型机器人，只具有记忆、存储能力，按相应程序重复作业，但对周围环境基本没有感知与反馈控制能力。这种机器人被称作第一代机器人。
▌第二代机器人
进入20世纪80年代，随着传感技术，包括视觉传感器、非视觉传感器（力觉、触觉、接近觉等）以及信息处理技术的发展，出现了第二代机器人—有感觉的机器人。它能够获得作业环境和作业对象的部分有关信息，进行一定的实时处理，引导机器人进行作业。第二代机器人已进入了实用化，在工业生产中得到了广泛应用。
▌第三代机器人
第三代机器人是目前正在研究的“智能机器人”。它不仅具有比第二代机器人更加完善的环境感知能力，而且还具有逻辑思维、判断和决策能力，可根据作业要求与环境信息自主地进行工作。
2
智能机器人分类
根据其智能程度的不同，智能机器人分为三种：
▌自主型机器人
在设计制作之后，机器人无需人的干预，能够在各种环境下自动完成各项拟人任务。自主型机器人的本体上具有感知、处理、决策、执行等模块，可以就像一个自主的人一样独立地活动和处理问题。全自主移动机器人的最重要的特点在于它的自主性和适应性，自主性是指它可以在一定的环境中，不依赖任何外部控制，完全自主地执行一定的任务。适应性是指它可以实时识别和测量周围的物体，根据环境的变化，调节自身的参数，调整动作策略以及处理紧急情况。交互性也是自主机器人的一个重要特点，机器人可以与人、与外部环境以及与其他机器人之间进行信息的交流。由于全自主移动机器人涉及诸如驱动器控制、传感器数据融合、图像处理、模式识别、神经网络等许多方面的研究，所以能够综合反映一个国家在制造业和人工智能等方面的水平。因此，许多国家都非常重视全自主移动机器人的研究。
▌交互型机器人
机器人通过计算机系统与操作员或程序员进行人-机对话，实现对机器人的控制与操作。虽然具有了部分处理和决策功能，能够独立地实现一些诸如轨迹规划、简单的避障等功能，但是还要受到外部的控制。
▌传感型机器人
又称外部受控机器人。机器人的本体上没有智能单元只有执行机构和感应机构，它具有利用传感信息(包括视觉、听觉、触觉、接近觉、力觉和红外、超声及激光等)进行传感信息处理、实现控制与操作的能力。受控于外部计算机，在外部计算机上具有智能处理单元，处理由受控机器人采集的各种信息以及机器人本身的各种姿态和轨迹等信息，然后发出控制指令指挥机器人的动作。
智能机器人的研究从60年代初开始，经过几十年的发展，目前，基于感觉控制的智能机器人(又称第二代机器人)已达到实际应用阶段，基于知识控制的智能机器人(又称自主机器人或下一代机器人)也取得较大进展，已研制出多种样机。
按用途分类在用途上，智能机器人与普通机器人在用途上有许多相似之处，但因其智能性使得它能做更复杂的工作，完成更高级的任务。可以分为工业智能机器人、服务智能机器人和特种智能机器人三类。
▌工业智能机器人
工业智能机器依据具体应用的不同，通常又可以分成焊接机器人、装配机器人、喷漆机器人、码垛机器人、搬运机器人等多种类型。作为具有智能的工业机器人，他们在很多方面超越了传统机器人。焊接机器人，包括点焊(电阻焊)和电弧焊机器人，用途是实现自动的焊接作业。装配机器人，比较多地用于电子部件电器的装配。喷漆机器人，代替人进行喷漆作业。码垛、上下料、搬运机器人的功能则是根据一定的速度和精度要求，将物品从一处运到另一处。在工业自动化生产中应用机器人，可以方便迅速地改变作业内容或方式，以满足生产要求的变化。比如，改变焊缝轨迹，改变喷漆位置，变更装配部件或位置等等。随着对工业生产线柔性的要求越来越高，对各种机器人的需求也就越来越强烈。
▌服务智能机器人
机器人技术不仅在工业生产、科学探索中得到了广泛应用，也逐渐渗透到人们的日常生活领域，服务机器人就是这类机器人的一个总称。尽管服务机器人的起步较晚，但应用前景十分广泛，目前主要应用在清洁、护理、引导、娱乐和代替人对设备维护保养等场合。国际机器人联合会给服务机器人的一个初步定义是，一种以自主或半自主方式运行，能为人类的生活、康复提供服务的机器人，或者是能对设备运行进行维护的一类机器人。
▌特种智能机器人
特种智能机器人应用于复杂和特殊环境，执行某种特殊任务。它不可能像工业领域的机器人那样总是具有良好结构化的或抑制的环境，其使用环境的有关信息往往是多义、不完全或不准确的，而且可能随着时间改变。近年来，特种机器人的发展非常迅速，新的机型不断问世;整机性能不断提高;应用领域越来越广泛，已经涉及到医疗、海洋探测、巡检、航空航天、核检测等很多领域。
数据来源：北拓资本整理
02
智能机器人产业链分析
智能机器人行业的上游行业主要是标准的机械零部件、电子元器件等行业，以及制造设备所用的钢材、非金属材料等原材料行业；下游行业主要是汽车、电子电气、医疗等行业及致力于智能化生产加工和物流的行业。
1
与上游行业的关联性
智能机器人上游行业主要包括机器人原形研发、计算机自动控制软件、人工智能、传感和无线通信、精密机械、光机电一体化、能源、材料等，不同类型的智能制造装备涉及的细分产业不同，但整体可划分为设计研发、模块部件和自动控制三部分。
2
与下游行业的关联性
智能机器人行业的下游应用领域广阔，其中主要包括汽车及汽车零部件工业、电子电气工业等制造业，家庭清洁、医疗康复、娱乐等服务业以及核环境、航空航天、军事、勘探等特种领域行业。
下游行业企业通常会有长期稳定、相互依赖、互利互惠的合作伙伴，但若宏观经济环境发生不利变化，影响下游行业景气程度，则对本行业产品的需求将减少，从而在一定程度限制本行业的发展。
数据来源：智能机器人行业研究报告
03
智能机器人市场规模及行业发展情况
现阶段，受我国科技发展以及智能化相关产品普及程度极大提高的影响，智能机器人市场迎来发展小高峰。根据产业网整理，2016年我国智能机器人市场规模仅368.2亿元;随后2017年迅速增长至483.7亿元，同比增速达到37%，接近40%。虽然2018年我国智能机器人市场规模增速放缓但仍维持在10%以上，共计实现销售额539亿元。2020年我国智能机器人市场突破700亿元。
数据来源：公开资料整理
我国智能机器人从不同用途分类，大致可分为三种类型：工业智能机器人、服务智能机器人以及特种智能机器人，其中工业智能机器人为当前我国普及度最高的机器人种类，占据最多市场份额。从我国2019年机器人市场结构来看，工业机智能器人占比最高，达到66%;其次为服务智能机器人，占比25%;特种智能机器人应用程度相对较低，占比仅为9%，不足10%。
1
工业智能机器人市场规模及竞争格局
▌市场规模
工业智能机器人作为我国三种不同类型机器人中占据最多市场份额的工业机器人，由于下游消费端行业众多，在我国产业全面智能化发展的当下，其市场需求亦不断扩张，目前我国工业机器人市场规模已位居全球前列。2019年我国工业机器人销售额已突破400亿元，较2016年有较大涨幅。
数据来源：中国国家产业网统计，北拓资本整理
▌竞争格局
当前工业机器人市场不断扩大，工业机器人行业持续涌入创新型企业完善产业生态，行业赛道将进一步优化细分。通过对工业机器人从业务规模、创新力度、品牌价值、投融资情况等维度分析，我国工业机器人市场竞争格局可分为以下三大类。第一类主要是传统工业机器人厂商，如埃斯顿、埃夫特、博实股份、新时达、新松以及云南昆船等企业;第二大类主要涉足协作机器人本体及应用，如傲博、节卡、珞石、艾利特等；第三大类主要涉足工业机器人平台及AI应用，如库柏特、梅卡曼德、阿丘科技等。
2
服务机器人市场规模及竞争格局
随着我国服务机器人下游应用范围的不断拓宽，其市场规模扩张较为迅速。2016-2018年我国服务机器人市场规模增速均维持在30%以上，即使在2018年后全国机器人市场发展增速减缓大环境下，服务机器人下游需求亦未出现较大波动。2019年我国服务机器人市场规模已达到154亿元，较2016年大幅增长88.2亿元，年复合增长率为32.77%。
数据来源：中国国家产业网统计，北拓资本整理
根据中国电子学会统计数据，我国家用服务机器人、医疗服务机器人和公共服务机器人市场规模分别为10.5亿美元、6.2亿美元和5.3亿美元，占比分别为47.7%、28.2%和24.1%。
数据来源：公开资料整理
数据来源：中国国家产业网统计，北拓资本整理
▌公共服务机器人
通过对公共服务机器人从业务规模、创新力度、品牌价值、投融资情况等维度分析，我国公共服务机器人市场竞争格局可分为以下四大类。第一大类主要以无人机无人车为主，如大疆、优必选以及纳恩博等企业；第二大类主要以AGV为主，包括快仓、GEEK+、迦智科技等；第三大类主要以配送机器人为主，包括擎朗、普渡、云迹、优地、坎德拉等；第四大类主要以导引机器人为主，包括猎户星空、Temi、云迹、康力优蓝、穿山甲等。
▌家用服务机器人
▌医疗服务机器人
3
特种智能机器人市场规模及竞争格局
▌特种智能机器人市场规模
与工业机器人和服务机器人类似，2016-2019年在全国智能化产品推广不断深入的情况下我国特种机器人市场规模也呈现稳步增长态势。2019年我国特种机器人市场规模为52.5亿元，较2016年增长25.2亿元。
增速方面，我国特种机器人市场的表现介于工业机器人与服务机器人之间，2018年后虽有下滑但降幅相对工业机器人市场而言较小，总体表现与我国整体机器人市场扩张速度展现较高一致性。
数据来源：中国国家产业网统计，北拓资本整理
▌特种智能机器人竞争格局
04
智能机器人关键技术与发展趋势
智能机器人关键技术总体包括感知技术、智能决策、运动控制、人机交互和多机器人协作技术等。
1
感知技术
智能机器人感知是机器人方向最核心技术之一，利用人工智能现有的成果，把人工智能的现有成果与机器人有机的结合，从环境感知、知识获取与推理等角度，是机器人像人一样具备外界感知能力。感知机器人是机器人与人、机器人与环境、以及与机器人直接进行交换的基础。感知的目的，首先对机器人地图构建功能的补充，对环境的重新构建，以满足实时更新所处位置地理信息需要；其次是帮助智能机器人对周遭物体进行探测、识别和跟踪，以做到能够对日常小型物体近乎完美的区分；最后是使机器人能够观察人类、理解人类行动，最终达到机器人能够与人类友好共存的条件。具体来讲，机器人感知通常需要借助各种传感器帮助来替代人类的感觉，如视觉、触觉、听觉以及动感等。
▌视觉
对机器视觉定义为：机器视觉是通过光学的装置和非接触的传感器自动地接收和处理一个真实物体的图像，以获得所需信息或用于控制机器人运动的装置。简而言之，机器视觉就是利用机器代替人眼进行测量和判断。在机器视觉系统中，传感器通常以光纤开关、接近开关等形式出现，用以判断被测对象的位置和状态，告知图像传感器进行正确采集。
尽管功能与人类视觉相仿，机器视觉却拥有其超越人类的独特之处：首先是精确性，人眼受物理条件限制，视觉距离和准确程度都无法与精度能够达到千分之一英寸的机器相比；其次是重复性，机器视觉可以达到无数次重复观测之后仍然保持精确的水平，而人类视觉则会因疲劳感产生误差；第三是高速度，机器视觉更擅长捕捉高速运动的物体，这一点对工业机器人在流水线上的应用尤其有利；最后是低成本，机器视觉在工业生产中对人类的替代可以实现连续工作，因而极大地提高了工作效率，也降低了劳力成本。
具体而言，视觉传感器是指通过对摄像机拍摄到的图像进行图像处理，来计算对象物的特征量（面积、重心、长度、位置等），并输出数据和判断结果的传感器。视觉传感器具有从一整幅图像捕获光线的数以千计的像素。图像的清晰和细腻程度通常用分辨率来衡量，以像素数量表示。因此，无论距离目标数米或数厘米远，传感器都能“看到”十分细腻的目标图像。在捕获图像之后，视觉传感器还可以将收到的信息与内存中的基准图像进行比较，以做出分析。作为提取环境特征最多的信息源，视觉传感器是机器视觉系统当之无愧的核心。
同样，视觉传感器也是机器人中最重要的传感器之一。最早的视觉传感器出现于20世纪50年代后期，于60年代开始首先尝试处理积木世界，随后逐渐发展到处理桌子、椅子、台灯等室内景物，直至能够处理户外的现实世界。20世纪70年代后，具备实用性的机器人视觉系统开始出现，被用于集成电路生产、精密电子产品装配、饮料罐装箱场合的检验及定位等。直到今天，在农业、工业、医学等领域，机器人视觉因其非接触、速度快、精度高、现场抗干扰能力强等突出优点而备受重视，得到了广泛应用。
传统的图像传感器可分为CCD和CMOS两类。随着集成电路工艺的发展，CMOS以其体积小、工作电压低、性能稳定等优点逐渐在上世纪90年代占据机械式图像传感器的市场主流。但这种传感器却存在明显的缺陷：由于拍摄方式的问题，现有的图像处理需要逐帧处理，造成惊人计算量，而提高帧率则会带来更大的计算量。这一缺点在拍摄高速运动的物体时尤其明显。而近几年出现的DVS（Dynamic Vision Sensors，动态视觉传感器）则从视网膜的工作原理中得到启发，通过仿视网膜神经系统的列阵结构大幅减少不必要的数据和计算工作、提高输出速度，保证即使是高速运动的物体也能被清晰拍摄并实时播放。未来，这种动态视觉传感器的应用将能极大改善飞行器机器人的性能，为自主飞行机器人的发展提供新的可能。
▌触觉
触觉传感器是用于机器人模仿触觉功能的传感器。触觉是机器人获取环境信息的一种仅次于视觉的重要知觉形式，可直接测量对象和环境的多种性质特征。触觉感知的主要任务是为获取对象与环境信息，以及为完成某种任务而对机器人与对象、环境相互作用时的一系列物理特征量进行检测。广义来看，触觉包括接触觉、压觉、力觉、滑觉和冷热觉等，狭义时则专指机械手与对象接触面上的力感觉。
机器人触觉传感器的主要功能分为两种：第一是检测功能，包括对操作对象的状态、机械手与操作对象的接触状态以及操作对象的物理性质进行检测：第二种是识别功能，即在检测的基础上提取操作对象的形状、大小和刚度等特征加以分类和目标识别。
对于机器人触觉传感器的研究稍晚于机器人的出现，但在发展历程上却远远落后，与视觉传感器的进步相比尤显不足。从20世纪70年代开始，机器人研究已经成为学界热点，但此时对触觉传感器的研究仅限于一些基本课题，触觉传感器的开发数量也非常稀少；到80年代，这一技术进入研究、发展的快速增长期，对传感器的设计、原理和制作方法都进行了大量研究，主攻方向也从传感器本身转向适应工业自动化的需求：90年代至今，触觉传感技术的研究继续保持着快速增长，并开始向多元化发展。进入新世纪，科学家们借鉴仿生学原理，参照人类皮肤对环境的敏锐感知改进触觉感应器，不断发展其性能，甚至令机器人触觉感应器获得了“电子皮肤”的称号。与人类皮肤不同的是，现在的触觉感应器不仅能够将湿度、温度和力度等感觉用定量的方式表达出来，还可以帮助伤残者获得失去的感知能力。
近些年，机器人触觉感应器的研究屡结硕果，在各个领域的应用都得到了极大的拓展02年，美国科研人员在内窥镜手术的导管顶部安装触觉传感器，可检测疾病组织的刚度，根据组织柔软度施加合适的力度，保证手术操作的安全：2008年，日本 Kazuto Takashima等人设计了压电三维力触觉传感器，将其安装在机器人灵巧手指端，并建立了肝脏模拟界面外科医生可以通过对机器人灵巧手的控制，感受肝脏病变部位的信息，进行封闭式手术2009年，德国菲劳思夫制造技术和应用材料研究院的马库斯梅瓦尔研制出新型触觉系统的章鱼水下机器人，可精确地感知障碍物状况，可以自动完成海底环境的勘测工作；2016年韩国首尔大学开发的新型毛状电子皮肤，能使机器人快速分辨出呼吸引起的轻微空气波动或者心跳震动，未来将可以广泛应用于假肢、心率监视器和其他机器人服务中。2018年，麻省理工的Cheetah（猎豹）机器人已经进化到了第三代。比起前辈们，Cheetah3最耀眼的升级，可能就是不太需要摄像头了，直接利用触觉信息完成动作。不管是走在凹凸不平的地面，还是爬上布满施工残余的楼梯，它都可以悠然地闭着眼睛轻微空气波动或者微弱地心跳震动，未来将可以广泛应用于假肢、心率监视器以及其他机器人服务中。
目前触觉传感器包括：两指或三指多传感机械手，可以按要求同时配置红外传感器、角度传感器、触觉传感器等，并可安装在UR机械臂、Baxter机器人等配合使用；灵巧手及触觉传感器，通过线驱动实现多种手势及多种手型，同时还配有多阵列触觉传感器和多感知指尖装置；数据手套，可以获得比传统动作捕捉系统更加丰富的测量信息，同时还可覆盖所有手臂关节，以稳定获得人体手臂及手部各关节的速度及姿态信息；灵巧操作系统，结合人工智能技术与机器人技术开发而成，可以应用于生产线或物流线上的自动质量检验及智能分拣等。
▌听觉
机器人的听觉系统是一种方便、智能化的机器人与外界系统交互的方式。尽管听觉定位精度逊色于视觉，但其仍然具有独特的价值。由于声音信号的衍射性能，听觉具有全向性，相较于视觉、激光等其他传感信号而言不需要直线视野，因而对于需要在有视野遮蔽障碍物或光线不足甚至黑暗环境下工作的机器人来说非常重要。
听觉传感器是一种可以检测、测量并显示声音波形的传感器，应用广泛。对机器人来说，其作用相当于一个话筒（麦克风），用来接收声波、显示声音的振动图像。在某些环境下，机器人需要测知声音的音调和响度、区分左右声源甚至需要判断声源的大致方位；有些条件下，机器人需要与人类进行语音交流。因此，听觉传感器的存在能够使机器人更好地完成这些任务。
得益于传感器热潮，声音传感器在上世纪80年代被日本、美国和俄罗斯等国先后重视并大力发展，从最初的单一话筒功能逐渐演变为现在的多功能集合体，甚至能够测量噪声强度、配合各种采集器和计算机一起使用。这期间，声音传感器的精度也得到了很大提高。目前市场流行的精密传声器动态范围高达178dB，极大地拓展了其服务范围，为这一技术应用于机器人听觉系统奠定了良好的基础。
根据需要，一般RA（Robot Audition，机器人听觉）的功能包括声源信号的定位与分离、自动语音识别和说话识别等。其中，涉及到听觉传感器的部分主要包括两点，首先是包括声源定位和距离测定等在内的声音测量定位，其次则是语音识别，就是利用听觉传感器解决“听得到”和“听得懂”的问题。
在声音测量定位方面，自1995年Irie第一次将声源定位技术用于智能机器人以来，经过二十多年的发展，目前已经取得了很多重大成果。其中，近几年随着多传感器机器人的兴起，机器人的视听觉交叉感知技术研究成为新的热门。这一技术能够感知机器人周围环境最直观的表现形式，而且能够同时克服视觉受光照干扰和听觉受到噪声干扰的缺陷，利用两项信息互相补充完善机器人的空间定位能力。2017年12月，国内首创的视听机器人在深圳正式发布，标志着家庭服务机器人的智能化迈向了新的高度。
目前语音识别技术已比较成熟，可以实现机器人与人的语音交互自然化、个性化以及场景化，能够任意打断且不影响机器人理解用户需求，进行精准的内容推荐和服务。
▌动感
环境感知是移动机器人研究的关键技术之一。机器人周围的环境信息可以用来导航、避障和执行特定的任务。获取这些信息的传感器既需要足够大的视场来覆盖整个工作区，又需要较高的采集速率以保证在运动的环境中能够提供实时的信息。
近年来，激光雷达在移动机器人导航中的应用日益增多。这主要是由于基于激光的距离测量技术具有很多优点，特别是其具有较高的精度，通过二维或三维地扫描激光束或光平面，激光雷达能够以较高的频率提供大量的、准确的距离信息。与其它距离传感器相比，激光雷达能够同时考虑精度要求和速度要求，这一点特别适用于移动机器人领域。此外，激光雷达不仅可以在有环境光的情况下工作，也可以在黑暗中工作，而且在黑暗中测量效果更好。
激光雷达早前更多应用在军事领域，随着技术的发展和成本的降低，目前为止机器人、无人机、无人驾驶等领域也成为了激光雷达的重要应用领域。和视觉的方式一样，激光雷达的属性也有一定的短板——这类传感器无法在雨雾天气工作，而且激光雷达在真正意义上还没开始大规模量产，因此成本较高。
扫地机器人是目前激光雷达应用最广泛的领域，激光雷达配合SLAM（SimultaneousLocalization And Mapping）算法，可以让扫地机器人在房间里实现智能清扫，清扫的过程中绘制地图，实时传输到手机APP，就算用户不在家，也可以通过手机APP查看清扫情况，以及安排其他地方清扫。
图片来源：网络
2
智能决策技术
智能决策技术对于机器人系统中自主性的实现至关重要。该技术是决定机器人在无人操控的状态下通过算法得出满足特定约束条件的最优决策能否成功的关键。尽管这类技术最常见的用武之地在于无人驾驶汽车的导航问题以及自主飞行器或航海探测器的线路规划问题，但其实它的影响更为广泛，从路径规划到运动规划，再到任务规划都离不开这一技术的作用；而这类技术的应用范围也不止探测器或智能汽车，它还可以应用在人形机器人、移动操作平台甚至多机器人系统等处，在数字动画角色模拟、人工智能电子游戏、建筑设计、机器人手术以及生物分子研究中都能够发挥作用。
具体来说，目前实现智能决策仍然主要依靠应用算法，包括模仿学习、迁移学习、强化学习等。在本地或云端构建一套机器人训练仿真平台，对机器人的关键数据进行建模，在仿真环境里进行机器人训练，从而做出决策。平台的架构、算法库丰富度、开源性等因素都决定决策的速度、准备率和稳定性。
3
运动控制技术
机器人动力学是对机器人结构的力和运动之间关系与平衡进行研究的学科，主要通过分析机器人的动力学特性来建造模型、研究算法以决定机器人处理对物体的动态响应方式。而机器人控制技术，指的是为使机器人完成各种任务和动作所执行的各种控制手段，既包括各种硬件系统，又包括各种软件系统。
自20世纪70年代以来，随着电子技术与计算机科学的发展，计算机运算能力大大提高而成本不断下降，这就使得人们越来越重视发展各种考虑机器人动力学模型的计算机实时控制方案，以充分发挥出为完成复杂任务而设计得日益精密从而也越加昂贵的机器人机械结构的潜力。因此，在机器人研究中，控制系统的设计已显得越来越重要，成为提高机器人性能的关键因素。
最早的机器人采用顺序控制方式，而随着计算机的发展，现已通过计算机系统来实现机电装置的功能，并采用示教再现的控制方式。目前机器人控制技术的发展越来越智能化，离线编程、任务级语言、多传感器信息融合、智能行为控制等新技术都可以应用到机器人控制中来。作为影响机器人性能的关键部分，机器人控制系统在一定程度上制约着机器人技术的发展。然而传统的机器人控制系统存在结构封闭、功能固定、系统柔性差、可重构性差、缺乏运行时再配置机制、组件的开发和整合限制在某种语言上等问题。如今出现了各种基于网络、PC、人脸识别、实时控制等技术的机器人控制系统，精度高、功能全、稳定性好，并逐渐向标准化、模块化、智能化方向发展。
智能化的控制系统为提高机器人的学习能力也奠定了基础。2016年，伯克利大学的人工智能团队利用深度学习和强化学习策略向控制软件提供即时视觉和传感反馈，使一个名为BRETT（Berkeley Robot for the Elimination ofTedious Tasks）的机器人成功通过学习来提升自己的家务技能。这种人工智能与机器人学交叉运用的结果使得机器人能够将一个任务中获得的经验推广到另一个任务中，从而提高机器人的学习能力，使其能够掌握更多技能。
4
人机交互技术
人机交互即人与机器人相互作用的研究，其研究目的是开发合适的算法并指导机器人设计，以使人与机器人之间更自然、高效地共处。最早开始研究人机交互的出发点是学者们希望能够探讨如何才能减轻人类操纵计算机时的疲劳感，由此开启了人机工程学的先河。1969年可谓是人机界面学发展史的里程碑，这一年在英国剑桥大学召开了第一届人机系统国际大会，同年第一份专业杂志IJMMS（International Journal of Mechatronicsand Manufacturing Systems，国际人机研究）创刊。到了20世纪80年代初期，学界先后出版了六本专著，从理论和实践两个方面推动了人机交互的发展。20世纪90年代后期以来，随着高速处理芯片、多媒体技术及互联网的飞速发展与普及，人机交互向着智能化的方向发展，这一技术关注的重点也由计算机的反馈转向以人为中心。
人机交互技术大致可以分为四个阶段：基本交互、图形式交互、语音式交互和感应式交互（体感交互）。基本交互仍然停留在最原始的状态，人与机器的关系仅仅是人工手动输入与机器输出的交互状态，比如早期的按钮式电话、打字机与键盘；图形交互时期是随着电脑的出现而开始的，以显示屏、鼠标问世为标志，在触屏技术成熟期达到巅峰；语音交互最开始是单向的，即语音识别，如科大讯飞的语音识别系统，后来微软的Cortana、小冰，苹果的Siri以及Google公司的Google Now突破了单向交互的壁垒，实现了人机双向语音对话；最后，随着当前机器人的发展越来越强调交互形式的智能化，体感交互将成为未来交互发展的新方向。体感交互是直接从人的姿势的识别来完成人于机器的互动，主要是通过摄像系统模拟建立三维的世界，同时感应出人与设备之间的距离与物体的大小。目前，索尼发明的触控型投影仪已经实现了体感交互。未来，这种交互方式将成为先前各种技术的结合，包括即时动态捕捉、图像识别、语音识别、VR等技术，最终衍生出多样化的交互形式，而机器人有望在未来成为体感交互的载体。
5
多机器人协作技术
在机器人向智能化的发展中，多机器人协作系统是一类具有覆盖性的技术集成平台。如果说单个机器人的智能化还只是使个体的人变得更聪明，那么多机器人协作系统则不但要有一批聪明的人，还要求他们能有效地合作。所以它不仅反映了个体智能，而且反映了集体智能，是对人类社会生产活动的想象和创新探索。
多机器人协作系统有着广泛的应用背景，它与自动化向非制造领域的扩展有着密切的联系，由于应用环境转向非结构化，多移动机器人系统应能适应任务的变化以及环境的不确定性，必须具有高度的决策智能，因而，对多移动机器人协作的研究已不单纯是控制的协调，而是整个系统的协调与合作。在这里，多机器人系统的组织与控制方式在很大程度上决定了系统的有效性。
多机器人协作系统还是实现分布式人工智能的典范。分布式人工智能的核心是把整个系统分成若干智能、自治的子系统，它们在物理和地理上分散，可独立地执行任务，同时又可通过通信交换信息，相互协调，从而同完成整体任务，这无疑对完成大规模和复的任务是富有吸引力的，因而很快在军事、信及其他应用领域得到了广泛重视。多机器协作系统正是这种理念的具体实现，其中每个机器人都可看作是自主的智能体，这种多智体机器人系统MARS（MulTI—AgentRoboTIcSystems）现已成为智能机器人核心关键技术。
目前机器人的研究正处于第三代智能机器人阶段，智能化水平仍在发展优化。围绕未来的智能机器人，以下几点是有待发展的技术方向：
机器人网络化
利用通信网络技术将各种机器人连接到计算机网络上，并通过网络对机器人进行有效的控制。网络化技术包括网络遥操作控制技术、众多信息组的压缩与扩展方法及传输技术等；随着工业互联网和5G时代带来，机器人联网和上云将成为必然趋势；
智能控制中的算法
与传统的计算方法相比，以模糊逻辑、基于概率论的推理、神经网络、遗传算法和混沌为代表的软计算技术具有更高的鲁棒性、易用性及计算的低耗费性等优点，应用到机器人技术中，可以提高其问题求解速度，较好地处理多变量、非线性系统的问题；
深度学习
各种算法的出现推动了人工智能的发展，强化学习、蚁群算法、免疫算法等可以用到机器人系统中，使其具有类似人的学习能力，以适应日益复杂的、不确定和非结构化的环境；
多机器人协调作业
随着人工智能方法、机器人技术以及多智能体系统(MultiAgentSystem：MAS)等研究的深入，如何组织和控制多个机器人来协作完成单机器人无法完成的复杂任务，在复杂未知环境下实现实时推理反应以及交互的群体决策和操作，已经成为机器人未来重要发展方向。
智能人机接口
人机交互的需求越来越向简单化、多样化、智能化、人性化方向发展，因此需要研究并设计各种智能人机接口如多语种语音、自然语言理解、图像、手写字识别等，以更好地适应不同的用户和不同的应用任务，提高人与机器人交互的和谐性。
05
国内智能机器人机会
智能机器人虽然是新兴技术产业，但其成长仍然会遵循智能手机等类似市场的路径，从核心技术的突破，到新产品的出现，而后在部分群体和市场中率先应用，随着产量提升带动成本大幅降低，之后实现大规模应用和普及。
而当前的智能服务机器人随着市场应用逐步拓展，AI技术程度，产量提升，成本下降，大范围爆发即将来临。对于技术和产品类公司来说，应该抓住哪些机会实现异军突起呢？我们结合行业内创业者调研，总结了三大行业机会：
稳定开放的机器人决策平台
AI是智能机器人的核心技术，通用型AI机器人决策系统往往能够连接更多机器设备，实现不同品牌和类型的设备边缘计算和互联互通，同时可实现云端计算，特别是面向工业互联网的智能制造，需要统一的平台来进行数据收集、分析、计算和决策。
紧贴用户需求，垂直深耕型应用产品
针对客户的某种柔性化和智能化需求，特别关注行业的付费性、智能化升级难度、规模复制性、人力替代性等因素，等到市场开始爆发，这些因素将助推智能机器人的快速复制。
创业公司如果能抓住具体需求，深耕垂直领域，针对垂直场景不断优化技术，提升性能，降低成本，实现产品工程化落地。另外，从行业发展速度来看，单纯的技术突破已经不能成为壁垒，市场渠道、响应速度和工程化能力至关重要。
以场景流量，数据价值挖掘类服务
智能机器人产业正在逐步进入工业、家居、汽车、商场等不同场景，这些场景是天然的数据流量入口，带来新的数据交换，也能发挥更大商业价值。
对于AI类公司来说，数据重要性不言而喻，数据堪比AI的石油，不仅能够促进算法和性能的提升，还有利于深入行业应用，为企业创造价值。而对于服务类公司而言，可以基于大数据更好地做目标画像，推出个性化服务、精细化运营以及精准化营销。因此，除了输出技术、销售产品，数据也有望成为智能机器人公司商业化的落脚点。
小型化、轻型化、柔性化机器人硬件
当前智能机器人的应用场景愈加广泛，苛刻的外部环境对机器人的体积、重量、灵活度等提出了更高的要求。与此同时，随着研发水平不断提升、工艺设计不断创新，以及新材料相继投入使用，智能机器人正向着小型化、轻型化、柔性化的方向发展，类人精细化操作能力不断增强。
人机交互成为重要发展方向。随着机器人易用性、稳定性以及智能水平的不断提升，机器人的应用领域逐渐由搬运、焊接、装配等操作型任务向加工型任务拓展。人机协作将人的认知能力与机器人的效率结合在一起，从而使机器人原理围栏和屏障，可以安全、简便的进行人机交互。
结语
“机器人→智能机器人” 将是大势所趋，智能机器人时代AI将直接决定机器人产业发展，机器人有望通过视觉、力觉等全方位感知技术和决策算法改善人机交互。与此同时找到合适的落地场景，完成数据量的积累，持续进行智能机器人产品工程化落地，将有助于形成有竞争力的智能化应用。