深度解读美国服务机器人技术路线图

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。