美国服务机器人技术路线图（下）

□文/美国国家科学基金会 □编译/卢川

美国服务机器人技术路线图（下）

□文/美国国家科学基金会 □编译/卢川

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。

上期，我们刊发了《美国服务机器人技术路线图（上）》，从美国服务机器人的发展现状、战略布局、面临的挑战等方面，详细梳理了服务机器人在美国以及全球发展的路径。本期我们进一步深入，具体从应用场合、技术发展方向等层面，阐述下一阶段美国的策略，相信读完此文，你会对美国在服务机器人领域的规划，形成全方位的认识。

主要的挑战与能力

范例场景

生活品质

机器人技术，希望给老年人和残疾人的生活质量带来巨大的提升。比如，一种革命性的输运移动解决方案能够让使用轮椅的残疾人士独立的进出车辆 。这种系统使依赖于轮椅的人，可以使用普通客车而不需要他人的帮助，因而赋予了他们以前不具备的独立和自由度。这种系统提供了超过现有输运移动解决方案的显著优点，包括更低的成本，使用标准碰撞检测过的汽车座椅，更多的座驾选择，以及无需对车辆结构进行改装。

农业

在农业中，机器人技术也希望能够由大量的应用，帮助农民降低成本、提高生产率。机械收割机和其他农业机械需要专业驾驶员进行有效工作，同时，诸如劳动力成本和操作疲劳等因素增加了农业成本，限制了这些机器的生产率。自动化操作，如喷洒农药、收割和采摘等，为缩减成本、增加安全、增大产出、增加操作柔性、夜间作业、减少化学品的使用等，提供了可能。大量的原型系统及应用，包括自动水果农药喷洒作业，农业收割已经被开发出来。这些技术，已经成熟到了未来几年之内就可以进行商业化开发及使用的程度。

基础设施

机器人技术拥有巨大的潜力，可用于自动化检测和保养整个国家的桥梁、高速公路、管道和其他基础设施。当前，通过提供准确详细的管道状态信息，机器人技术已经用于开发自动管道检测系统，减少维护和复原成本。基于高级多传感器和其他机器人技术的系统，用于检测地下建筑和环境。实现这些检测通常非常困难，包括大直径管道、长距离延展、倒置、冠状、涵洞、检查井以及在役检验。这些机器人平台通过废水管道，检测难以通过传统方式接近的排污管，生成非常准确的管道内表面三维图像。检测信息以数字形式捕捉，同时用于未来的检测，并自动计算缺陷部位随时间演化的过程。

矿业

机器人技术已开始对地下和地表矿产工业产生巨大的影响。一种创新的传送带检测系统使用高速机器视觉系统和软件算法监控传送带的状况，为操作员提供故障检测。这种检测系统，已经使用在几个地下煤矿中。专用保护系统用以减少由于皮带连接处碎裂，导致耗费巨大的停工期。在更大的尺度上，机器人技术被用于开发矿山用自主运输卡车。Caterpillar公司在2015年前开发一种自主矿山用运输系统，整合了数台自主运输卡车，每台卡车运载能力在240吨以上。自主技术通过对生产过程提供一致性来促进与提高生产率，同时将环境影响降到最小，最终提高效率，提升整体矿业的安全。

运输

机器人技术将在未来几十年之内显著影响客运和货运的各个方面，从个人运输系统到智能高速公路，再到智能公共输运系统。类似Segway和Toyota这样的公司已经引入个人输运系统机器人，乘员以站姿骑乘这类机器人，持续监测乘员位置的内部传感器控制机器人的运动，并作出自动调整。同时，汽车制造商和设备生产商也制造智能车辆，通过安装性能更高的计算机和传感器，为乘员提供更好的环境感知和驾驶感受。

卢川 特约撰稿人中国科学院地质与地球物理研究所博士

内华达州和佛罗里达州已经通过法律，允许了无人车辆的使用。在内华达州，两辆车被授予驾照（一辆来自谷歌公司，一辆来自奥迪公司）。行驶的道路只增加5%的容量，就能够导致37亿驾驶小时延误，以及23亿加仑燃料的浪费。为了解决这个问题，高速公路管理局尝试通过安装传感器、摄像头和自动收费读卡器，尝试创造智能道路。一个公私联合的国内组织，车辆技术车设施一体化组织（VII），已经开始融合智能车辆和智能道路，用以创建虚拟交通信息网，同时解决交通堵塞问题。大众运输系统也希望采用机器人技术，为操作者提供更大的位置，感知能力和在拥挤的城市廊道中提供导航辅助的能力。因而，机器人技术将有助于控制运输成本、增加运输安全。

教育

机器人已经开始改变美国的课堂。机器人把学术的概念植入课堂中，同时在所有K-12和大学教育中使用。机器人提供给学生可以接受的集成手段，调查数学、物理、计算机和其他STEM学科的基本概念，同时使教师能够同时介绍设计、创新、问题解决和团队的概念。机器人课程已经发展起来，教师也已经通过培训。每年，全国范围的机器人比赛成绩都会被保存。大概最知名的机器人竞赛项目就是由FIRST创办的了，它建于1989年的非盈利组织，用于激发年轻人成为科学和技术的领导。作为一种衡量机器人比赛普及程度的指标，FIRST希望能有超过32万名学生参加这一竞赛。更为显著的是，Brandeis大学的一项调查发现，在类似的背景和学术经历的情况下，FIRST比赛的选手追求科学和技术的比例，是非FIRST比赛选手的两倍。尽管已经取得了很大进步，但当前的进步也只是机器人对教育潜在影响的一层表皮。为了更充分地发掘这种潜能，面向学生和教师的机器人需要更容易接近、更便宜且更容易使用。

本土安全和防卫

当机器人技术用于国土安全和防卫时，它作为一项创新技术，为搜寻、救援、侦查、防爆、火源检测以及其他应用，提供多样化手段的同时也提高了任务的可行性。无人侦查，探测及反应系统利用机器人平台、固定传感器、命令和控制网络系统，来监测和巡逻数百英里长的恶劣边界地形，寻找并定位化学/生物/辐射/核/爆炸威胁，同时调查边境、电厂和机场的广阔周围环境。这样的系统能使安保人员自动检测潜在危险，从安全距离外观察危险物，有必要的话可以提供初始的破坏和封锁危险物存放地。其他装备红外摄像机、夜视传感器和毫米波雷达的便携机器人已经用于搜寻灾难现场幸存者，比如世贸中心。

能力路线图

为了使服务机器人能够解决上述问题，我们给出了必须面对的主要挑战以及必须培养的关键能力。图1概述了计划路线以及本文档的其余部分。图中，右栏列出了应用领域，其中有许多之前的方案中已描述过。只有当自主机器人同时具有相当一部分技术能力时，这些应用领域才算是取得了重要进步。这些能力被列在图片的中栏。为了达到机器人技术所要求的水平，在一系列基础研究和技术方面，都需要进行持续的投入研究和发展。

图1 ：左栏中的基础研究领域持续的进步，将促进大量的基本功能的发展，如图中栏内容。右栏是这些功能一次在应用领域中的进展。

移动和操作

自主服务机器人通过在他们的工作环境中运动、并与环境相互作用来完成任务。这些运动和物理作用，需要通过改变机器人的位置和在环境中的移动来实现。任务的完成很可能需要复杂的运动和交互程序：机器人可能需要从一个房间移动到另一个房间，或者需要它打开门、爬楼梯、使用电梯、清理路径中的障碍、去除障碍物或者使用工具。为了具有这些能力，需要机器人技术在传感、控制和认知方面的大量实质性进步。服务机器人带来的问题只能通过综合方案解决。

机器人走到不同楼层房间去取箱子，应该考虑到该任务的难度取决于箱子的大小，并且要找到好的抓持方式，举起箱子，通过狭小的空间，躲避环境中机器人不得不越过的其他目标。为了推动箱子（或者举起它），机器人需要估算自己的能力，空间的几何关系，驱动和关节的约束，以及运动过程中接触的动力学和摩擦。

为了得到自己的动作和运动的程序运行方式，机器人需要熟悉它的周围环境，因为并不是所有所需的信息都能被提供。因此，机器人运行在非结构化和动态的环境时，需要具有在环境中感知对象和计算其属性的能力。“语义映射”，为机器人提供了完成一个任务所需的环境。目标检测和识别以及相关的感知能力，则提供了语义映射、导航和目标操作的能力。

在5年、10年、和15年内，通过持续的研究和发展，下面的目标可能实现：

·5年： 机器人在实验室中利用多样化的研究机制，在非结构化的二维环境中安全和稳定地导航，实现简单地选取和放置任务，相关的目标为简单的机构且具有特定的属性。机器人通过探测和相互作用以及人类的指令，生成环境语义地图。他们能够推断出复杂的任务，比如移除障碍物、打开柜子等等，从而进入其他的目标。

·10年：给出一个环境静态部分的大概和可能的不完全模型（可能给出一个互联网数据库等），服务机器人能够可靠地规划执行一个任务。定向运动机器人能建立起对环境的深度感知，构建自己物理动作和理解指令。机器人通过上下楼梯完成对多层环境的导航，也会通过修改环境增加实现任务的机会（例如移除障碍物、清理障碍、打开灯），检测和恢复一些故障。服务机器人必须使多个流动结构，比如腿、跟踪设备和轮子，在全新的、非结构化的动态环境中执行高速的没有冲突的移动操作。

·15年：包括多个运动机构如腿、轨道和车轮的服务机器人，在新的非结构化的动态环境中执行高速、无碰撞的移动操作。它们对自身环境进行适当的翻译，可能是对执行特殊任务的环境、整体或局部，以及长期的环境所做的呈现（语义地图）。使用它们不断规划以实现全局目标。它们能够对动态变化做出强有力的反应（例如，由于被推或被挤的意外扰动）。通过任务导向，它们能够交互探索，通过与环境的相互作用，它们能够通过智能的方式对任务进行修正，以确保和促进其任务完成。其中包括机器人间的、接触目标间以及环境的静态部分间相互作用的物理属性（滑动、推、扔等）的推理。

真实世界规划与导航

2009年以来，服务机器人真实世界规划与导航领域，已在主要途径上有了发展。这些发展仍然在美国机器人路线图报告中。当时的关注重点是在高度非结构化情况下，利用有限的经验知识，对空间和障碍物导航。机器人需要获得和感知数据，以建立将要规划的环境模型。在执行这些规划时，额外的传感信息将被用于反馈，甚至用于小数量机器人在实验室环境下进行非实时规划和控制。

在高度非结构化环境中，在有挑战性的问题上已经有了进展。自从2009 年以来，最显著的变化就发生在能够实时规划和控制的大型车队的服务机器人应用领域。那里的环境和任务更加结构化，其应用领域包括物流和材料处理、医疗卫生和农业等（图2），这些应用不仅在技术发展上很重要，同时服务机器人在解决真实世界问题上更具有价值。有效的社交人际交互与其接口的核心能力研究，必须遵循以人为本的设计进程，并对利益相关者进行严格评估。在这一进程中的用户调查，可能会包括早期设计过程中具有针对性的健康人群，也会包括由此形成的设计迭代评估，并且延伸到病人、医生、家庭、治疗师以及其他一些社会成员。在该领域中，研究和发展的关键性方法，是找到合适的措施方法以成功地实现自然交流，使环境与健康应用的联系真实有效，并研发出对输入到机器人系统中的实时量测信息进行在线评估和学习的方法。

图2 ：自主移动服务机器人在后勤和医疗应用中的部署举例——左起： Symbiotic， Aethon，和Kiva系统

下面的数据有助于了解当前的技术在操作独立安装时，车队的数目在10^3和10^4之间。

·实时导航和任务规划的速度，在每小时10^4到10^5个任务或交易之间。

·包括在2D和2.5D中，由地图定义的网络技术中的障碍和蔽障导航，如仓库和医院的走廊。2.5D来源于在多个楼层或不同级别的规划和控制任务之间的协调。

·协调多个机器人的任务，来完成其同步。

·任务，包括感知和操作目标来完成先验知识的任务。当机器人到达当地场景时，通过传感信息进行任务描述增强。

·重新规划动态解决问题的能力，如任务失败、障碍或避免碰撞，包括有人存在的相同操作环境。

·高水平的机器人规划和控制集成，如物流供应链或医院信息系统。

图3为在操作环境和任务中对于实时性能指标和程度结构的描述，目前的路线图设想推动右上的极限，在不确定和复杂操作中提高能力。

以下是产生这种积极效果的方案：

·随机规划——针对不确定模型，考虑一个确定的计划和控制问题。一个使用已提出的规划和控制策略系统的仿真，只有在仿真代表了真实世界的前提下才有效。真实世界的现场实验，将揭示仿真的需要，以更好地模拟真实世界。如以统计的参数数据代替常数，增加新的动态组件或失效模式的模型，从而通过仿真寻找策略鲁棒性的极限。在未来五年，为了使用最初的不确定特征发展规划和控制，研究的挑战可能来自直接方法研究。一个现实中真正强大的策划者，将能够利用统计知识的优势对环境建立条件规划。预见性的规划都将增加任务的安全性和效率，机器人将能够根据内置的不确定性进行操作。

·当前模型自动检测的有效性——在未来5～10年，机器人有望工作更长时间。在高度动态环境下，统计模型规划的时间，可能不能正确地表征随时间变化的环境。通过鲁棒的方法，在飞行器上的检测仍然使用的是模型，而不是控制回路中不可分割的部分。未来5～10年的目标是，机器人在执行计划中提高其整合由传感器获取数据的能力，以更新的基础静态统计模型为基础，自主决定何时以及如何进行规划。我们的发展目标是，构建能够生成和更新的系统，能够长时间不间断、不松散地进行监督工作。

·模仿和转移学习——应用在车队的服务业机器人，可以将固有的知识积累、错误库、不确定性侵入的方式要求频繁而对任务进行重新规划。即使每一类重新规划的发生率很低，我们仍会看到这些问题会再次出现。学习是解决掉每个重新规划问题的另一种选择。它应该能够知道以前出现的错误，更重要的是它也能证明重新规划的有效性。一个10年的目标，是将传统的规划技术和可靠性机器学习方法结合起来，以实时条件下重新认识之前发生的重复规划的问题，并选择最优解法。许多成果已经可以应用在模仿学习和转移学习领域中。尽管规划在连续中，最终执行规划的特点是连续执行轨迹，但是从更加抽象的角度来看，预想经常性的构建模块和干扰，也是可能的。分享、重复使用规划，以及在遇到突发事件时执行复杂动作序列的能力是必要的。在未来 5～10年，机器人应该能够将他们的规划贡献给当地的知识库，并与其它机器人共享。这样可以有效地确定计划，并由此可被重复应用，而不用从头开始解决复杂问题。长期来看，大型、高效地检索资料库的机器人计划，应成为行星尺度上的可用之举。

·人类监控操作——拿飞行器操作者做类比，这个操作者有这样一种情境意识：他的空间里有数百架飞行器，飞行器由人类飞行员驾驶，并可通过驾驶员来交流的命令信息（图4）。这种情况将会在不久将来，伴随着普通机场引入无人机而改变。作为比较，以目前的逻辑和医疗飞行队设备，监控人员可展示系统当前的状态，同时可以处理相当有限的传感器数据。但是，当飞行器的数量达到1000～10000时，以及每小时10000～100000次的交互量，监控人员就已达到极限。了解这种状态不仅仅需要系统状态，而且还需要意识到每个机器人的规划以及它们如何互相交流和它们所处的不确定的变化环境。这个领域的进步可以通过一个扇形图量度，即监控员与被监控车辆的比率，从目前的10到5年后的100，再到10年后的1000。这个系统的等级模型被用来确保监控员在合适的水平下放大情景，以及在一定水平下不通过监控自动调节。

认知能力

在服务机器人学中，有以下一种需要：在非工程环境下运行，通过使用者示范来获取新知识，与使用者交互来完成任务和状态报告，认知系统确保了能够获取关于环境的新模型，并可以被用来训练将来动作的新技能。对于经常性的人机交互，以及几乎没有机会对使用者训练的控制发展，认知能力是非常必要的。此外，为了应对非工程环境智能程度的增加，确保系统的可靠性也是必要的。在5年、10年、15年后，下面的目标在目前的研究和发展条件下是可能达到的：

·5年：证明机器人可以通过人类的姿势和语言交互来学习技能。此外， 获得关于非模型的室内环境模型。

·10年：机器人可以与使用者交互，来获取新技能以执行复杂的装配和动作。机器人有一个装置，可以从简单的错误中自行恢复。

·15年：一个机器人伙伴，可以在一系列的服务任务中通过调整技能帮助使用者。这种人机交互，基于对人类固有的认知和重新规划来帮助操作者。

图4 ：空中交通管制类比大型车队监督的移动服务机器人

可靠性感知

由于服务机器人在相对非约束环境下使用，因此需要提供可靠的感知功能，来应对环境的改变。感知对于导航、与环境交互、与在临近的系统中使用者和任务对象的交互，是非常关键的。

今天，感知能力集中在几何形状的恢复、目标的认知和语意学的情景理解。我们需要改进算法，来超越认识和几何学到达任务相关的特征实体，例如任务对象（刚性的和可变形的）、文件、环境或者人。这种特征包括：材料特性、任务对象可供性、人类活动、人和对象的交互、来自环境的物理实体的限制等。这些都是先进机器人能力发展必不可少的条件。

在未来5年、10年、15年，下面的任务在现有的研究和发展情况下是可能达到的：

·5年：感知算法应当与信息在大型场所相结合——家庭、高速公路、医院、存储库——来完成可靠的操作。机器人将能够察觉任务相关的不同环境和操作对象的特点，并且能够认识、指出搜索数中混乱环境下的数百个操作对象。

·10年：在静态环境中的基本操作能力，将会被扩展到动态系统中。这将证明机器人系统，能够觉察动态事件和人类的活动。由此可以学习人类，并与人类协作。为了控制领域，诸如灵巧机械手，灵活性，人机交互和其他任务而革新特种机器人感知的算法是必要的。发展大规模学习和改进感知适应性的方法，对于能够在扩展的时间段操作的系统发展是非常必要的。

·15年：证明一个机器人可以集成多种感觉模式，比如通过对声音、范围、视觉、GPS和惯性等感觉的处理，以获得周围环境的模型，并将这些模型用于导航、搜索、人机交互，以及和其他新奇的事物交互。未来的焦点是实现机器人长时间在复杂、动态的环境下工作，同时实现人机交互模式下机器人的感觉能力。

物理且直观的HRI接口

不论是部署专业的，还是家用的服务机器人，都需要利用接口以便用户可以更容易地访问系统。而被部署在社区的机器人，需要提供最简单的接口，以便使用者通过简单的培训即可操作。有两种类型的接口：伴随用户的物理接口；控制机器人的命令接口。物理接口，包括移动物体的机体运动和非接触互动，比如通过传达意图和状态来改变行为。命令接口，对于任务调度和状态报告则是必须的，以便让用户理解机器人的行为。

在5年、10年、15年内，通过不断地研究和发展，可以达到下面的目标：

·5年：证明用于简单的动作模式的多态会话，可以促进任务命令更加有效，机器人可以传达身体动作的意图。

·10年：能够证明，通过周密编程的机器人可以用来学习复杂任务，比如为一个普通人家准备午餐。

·15年：能够证明，在当前一个任务时序里，操作者可以设计机器人来完成复杂的任务。

技能获得

服务型机器人必须通过持续提高表现，获得解决新任务的能力，这就要求服务型机器人拥有自我学习新技能的能力。技能可以通过多种方式获得：通过读取技能库获得其他机器人已经拥有的技能；通过不断地训练或在错误中获得；通过观察人和其他机器人的运动获得；通过人或者机器人指示器进行教授。然而技能的取得，还要求机器人能够辨别在何种场景下运用何种技能才算成功，技能可以被参数化，在不同场景下学习和选择合适参数的能力，同样被包含在获得技能的能力中。从一个领域向另一个领域传递技能的能力，或者从一个技能向另一个技能传递经验的能力，意味着机器人在获得能力方面有本质的提高。在感觉、重现、机器学习、计划、控制、行为识别和其他相关领域的提高，可以促进机器人提高学习技能的能力。

在5年、10年、15年内，通过不断研究和发展，可以达到下面的目标：

·5年：机器人可以通过观察、尝试、纠错、证明来学习一系列基本的技能。这些技能可以成功应用在许多与已习得能力有细微不同的情况下。 在情况有细微差别时，通过初始设置，机器人可以自动表现对已学技能的适应性。

·10年：随着感觉能力的提高，机器人可以获得更复杂的技能，并判断在何种情况下运用何种技能，且复合能力可以被集成在更加复杂的能力中。机器人可以自动判断并指出，能够成功使用技能的情景类型。机器人对影响成功的因素有充分的理解，使其可以管理计划进程，并将其成功机率最大化。

·15年：机器人持续获得新技能，并且提高已经学得的能力的工作效率。 它可以获得独立于技能的知识，从而实现在复杂任务和场景、或新任务下转变为简单的技能。机器人能够识别采用简单技能和组合技能的一般模式。

安全机器人

现在，机器人的安全性可通过清晰划分人和机器人的工作区域获得。随着人和机器人的工作越来越交织在一起，就需要明确考虑，以实现操作者在一个相对安全的距离外，操作高速运行的机器人。

因此，这就需要考虑标准的安全认证。现在，不论是专业机器人还是个人机器人，安全认证的标准都不充分。这些并不足以驱动创新，减缓了推广的步伐，同时又提高了成本。

从技术层面来说，安全涉及多个方面内容，包括对先进感知能力的需求，并用于检测物体，人和语言。当面对可能危险的场景时，通过控制系统中的固化安全行为机制保证与人和物体的接触几乎不产生损失。然而，安全是一个关系未来科技的多层次主题，包括政府和一系列的工业标准，独立的认证和违责风险。这就需要提高非科技的因素。比如已存在的专业机器人和个人机器人标准，进而向利益相关者展示，明显的快速创新和应用的需求。

在5年、10年和15年内，随着持续的研究和发展，下面的目标很有可能达到：

·5年：

1. 针对所有类别的服务机器人安全标准已经被定义，并被广泛接受。

2. 固有安全（硬件和软件）专业的移动机器人能在具有操控的情况下，与训练有素的人类在所有专业环境中协同操作（制造业、医院、实验室、工厂车间、仓库等）。

3. 固有（硬件和软件）个人移动机器人，能在无操控的情况下，在所有专业环境中与人类协同作业（家庭、宾馆、学校、老年保健院等）。

4. 个人基本操作系统有了安全标准实施的第一个版本。

·10年：

1. 固有安全（硬件和软件）专业移动机器人在有人操纵的情况下，与未受过训练的人类在所有专业环境中协同操作。

2. 固有安全（硬件和软件）个人移动机器人，在有操纵的情况下，在所有专业环境中与人协同操作。

·15年：固有安全移动机器人，在有操控的情况下，与未受过训练的人类在所有公共的、个人的、专业的环境中协同操作。

基本研究/技术

体系构架与表达

在过去的20年间，一些系统组织建立的模型已经出现，然而并没有协议或者系统组织的总体框架被落实。对于自主导航、灵活性以及操控，有一些已经建立的方法，比如4D/RCS和混合协商架构，但是一旦添加相互作用组件，比如人机交互（HRI），很少有一个共同的模型协议。在过去几年中，认知系统领域已经尝试研究这一问题，但目前为止，尚没有一个统一的模型。

对于机器人系统的广泛采用，建立便于系统集成、构件模型和形式化设计的架构框架是很有必要的。适当的架构框架在本质上依赖于任务应用程序域，机器人或者各种其他因素。任一上述框架，都与一组适当的陈述捕获环境和包括其中的对象的影响紧密相连，比如机器人性能、域名信息以及机器人任务的描述。

控制和规划

由于服务机器人需要动态解决现实世界中的问题，无组织的开放环境的出现是在机器人控制算法和运行规划等领域的新奇挑战。这些挑战源于机器人的动作和任务执行中的自主权和灵活性需求的增加。控制和运动规划的充分算法，将捕获适应传感器反馈的高层次的运动策略。研究挑战，包括传感方式和规划、控制算法中不确定性的考虑；合并反馈信号的陈述和运动策略能力的发展；受约束的运动，产生于运动学、动力学和非完整系统；解决动态环境下的对象特性；为混合动力系统开发控制和规划算法；理解这些算法问题在控制和运动规划中的复杂性。

认知能力

在过去的几十年中，知觉和感觉处理方面已取得了巨大进步。比如基于Web的搜索，例如谷歌图像和安全应用程序中的人脸识别。在自然环境中的定位和本地化，在工程环境中也是有可能实现的。在过去十年里，特别是激光扫描仪和GPS的使用已经改变了导航系统的设计并促成了新一代的解决方案。在过去5年中，RGB-D传感器技术的使用和打开机器人软件框架，已取得巨大的进步。

虽然如此，常见的无GPS环境中的定位和规划，仍然是一个重要的研究领域。此外，我们已经在图像识别与扩展大型数据库方面，取得了巨大进步。在未来，将有大量的机器人将依赖其自身感官反馈，并应用程序域将超越之前的模型设置。因此，有必要对多个传感器的依赖和传感信息的融合提供鲁棒性。特别是基于图像信息的使用是值得期待的，且将在机器人技术中扮演重要角色。在新的映射方法上、促进捕获新型对象、对象的分类和基于超越实例的识别和灵活的用户界面设计上，视觉将起到至关重要的角色。

可靠的高保真传感器

在过去十年中，微电子和封装上的进展，已导致了一场感官系统革命。图像传感器已经超越广播质量，以提供百万像素的图像。MEMS技术使得新一代惯性传感器封装成为可能，RFID使更高效地跟踪包裹和人成为可能。由于加宽了操作域，我们将会需要新型的传感器，以保证系统的稳健运行。这就需要鲁棒控制的新方法，但更重要的是提供强大的数据传感器，以适应显著的动态变化和较差的域数据分辨率。硅制造的新方法和MEMS新一代传感器，将成为未来机器人发展的关键方面。

新型机构与高性能执行器

在机械装置、制动和依据函数使用的算法复杂性的发展之间，存在错综复杂的相互作用。一些算法问题的解决方案，可能会极大地促进智能机械设计。因此，机械设计和高性能驱动器的发展，很可能在其它基础研究领域和线路图所列功能中，取得突破性进展。重要的研究领域包括机械设计、开发符合合规性和可变性、高度灵巧的机械手、节能性、安全性、高性能驱动器、高效能动态步行者等等。

专家特别感兴趣的是“智能”的机构设计。通过它们的设计，机构设计可以归入一个只通过显式控制来完成的函数。这样的例子包括自我稳定机构，或是不需要显式控制就可以实现形封闭的特殊的机械手。

学习和自适应

本章中描述的许多基础研究领域，都获益于学习和适应技术的进步和应用。服务机器人控制着复杂的环境，处在一种高维的状态空间中。关于环境和机器人状态的知识，实质上是不确定的。机器人的动作往往是随机性的，其结果可以用分散性来描述。许多决定机器人动作结果的现象很难，甚至不可能建模。机器学习技术，提供了一个有前途的工具来解决上述困难。这些技术可以用于机器人任务或环境学习模型的建立、更深层次的传感器和抽象任务的描述、仿真和强化学习、控制政策的学习、有控制架构的整合学习、多传感器信息（例如视觉，触觉）的概率推理方法和结构性时空陈述，可以加快机器人学习与适应技术的发展。

物理上的人机交互

普遍存在于工业机器人领域的安全壁垒已逐渐消除，机器人将更大程度与人类合作，执行任务和示范编程。作为这项工作的一部分，机器人将与用户有直接的物理接触。首先需要有安全方面的慎重考虑。此外，另一个需要考虑的因素是如何设计这些机器人的交互模式，使之能很自然地被用户感知。这涵盖了各个方面的交互，从机器人直接的物理运动，到通过最小惯量感知和流体控制的物理交互。另外，考虑设计和控制之间的相互作用，以优化其功能。

社交交互机器人

对于机器人与人交互，赋予系统与人交互的设施。这种交互，对于系统分配任务、新技能和任务的教学、联合任务的执行等，都是必须的。当前社会交互模型包括手势、语音/声音、身体运动/姿态及物理位置。将技能和人类试图解释的现有和新的活动任务模型结合起来。在服务机器人领域，对社交互动都具有广泛需求。