深度解读美国服务机器人技术路线图

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。

　　● 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