很多業內人士認為，機器人現在已經由螞蟻進化成了猴子，它在工業領域逐步取代了傳統工人。但是，一些人還是會認為它非常傻，他們渴望的是更高層次的類似于科幻電影里的機器人。那如果把科幻變成現實，需要攻克哪些技術門檻呢?今天筆者就和大家一起來看下。

從科幻到現實 機器人還需攻克哪些技術難關?

大致來說，機器人主要分為三個部分：觀測、分析、執行。 其所對應的技術分別為：傳感器技術、計算機技術以及自動控制技術。

傳感器最初的發展主要是為了服務于工業自動化，通過控制各個生產節點上加速度、 壓力、溫度、物位等物理類傳感器參量，大幅提高工業生產的效率。目前這類技術已較為成熟，根據不同應用，其產品體系也比較豐富。但對于服務機器人而言，其與工業機器人的一個本質區別就在于，工業機器人的工作環境都是已知的，而服務機器人所面臨的工作環境絕大多數都是未知的，這就意味著服務機器人需要有更好更豐富的傳感器。比如，這種傳感器需要能夠全面模擬人類五官。

而目前傳感器對于視覺、聽覺、觸覺、嗅覺、味覺等人類真實感覺的信息探測還不是非常完善。以深度感知傳感器舉例，其對服務機器人的重要性是不言而喻的，雖然目前測量深度信息的方法不少，但主流的還屬于激光雷達與雙目視覺方案。激光雷達方面，目前最出名的要數谷歌無人車所使用的 Velodyne 激光雷達，但由于其主要靠手工打造，想大規模量產與降價都不容易。而在雙目視覺方面，龐大的數據計算量便是其面臨的最大問題之一。

此外，對中國企業而言所面臨的問題更大。有資料顯示，中國中高檔傳感器產品幾乎 100%從海外進口，90%的芯片依賴國外，國產傳感器可靠性比國外同類產品低 1 到 2 個數量級。而且更重要的是我國傳感器企業 95%以上的都屬于小型企業，規模小，研發能力弱，效益差。

在分析方面(即機器人大腦)，雖然機器人在諸如人臉識別等領域已經達到甚至超過了人類，但總體來說，目前市面上最好的機器人大腦也僅僅只相當于人類幾歲小朋友的智力。是的，人類需要的是一臺“顛覆人類生活方式的機器”而非一臺“不夠聰明的機器”。

雖然現在人工智能技術的突破性發展主要歸功于深度學習與大數據技術的成熟，市面上也因此認為只要給予機器足夠多的數據，其便能深度學習出更高甚至達到或者超過人類的智能。但動點科技曾與一位人工智能領域的從業者交流，對方認為人工智能技術要想進一步發展，僅僅依靠更多的數據已經不夠了，而是需要在算法上進行革新。又有觀點認為，大數據的極限只是優化的機械智能，而非人們想象中的人工智能。

最后在運動控制方面，目前大多數機器人公司都將人形機器人的研發作為其技術能力的展示，可見人形機器人的難度之大。而機器人包括人形機器人在運動控制方面最核心的組成部分便是電機、伺服系統、驅動系統以及減速機。零部件所涉及的技術含量高，國內基本靠進口。其中減速機更是如此，減速器能將電機的高速運速降低到機器人所適用的速度，因此其對機器人而言至關重要。據了解，一臺機器人本體上一般有 6 個減速機，但目前國產的減速機還不能批量生產。

目前機器人僅僅減速機就占機器人成本的 35%左右(國內企業購買減速機的價格是國外企業價格的將近 5 倍)，電機、控制器部分占 10%左右。因此，機器人成本下降的關鍵在于核心零部件尤其是減速機能率先實現國產化。國內機器人使用的減速機、電機及驅動還是以國外供應為主，核心技術主要掌握在 abb、kuka 等幾家國際巨頭手中，其中日本為最大的減速機出口國。

另外，上述核心部件大多有不同廠商分別生產，以致于整個系統在集成化與小型化方面仍有很大不足，這在工業機器人領域尚不是什么大問題，但在“寸土寸金”的人形機器人等小型機器人領域便是一個大問題。

最后，即使有了聰明的大腦和完善的運動控制硬件，我們也還需要有優秀的運動規劃算法來輔助，運動規劃算法主要功能就是教機器人如何走路，如何避過各種障礙物等。目前穩定行走的控制理論，在實際的機器人的測試和運行過程中不是很理想。

波士頓動力算是人形機器人領域的佼佼者了吧，但其最終還是被谷歌拋棄了，原因據稱是谷歌認為未來幾年不可能推出商業化產品，谷歌不想再供養了。另外，美國的著名企業家、投資人和工程師 Yobie Benjamin 也表示，雖然大家看到的波士頓動力的視頻中機器人/狗沒有倒，但實際情況遠不是這么順利：首先是噪音太大，在實驗中可以聽到很大的響聲;其次是穩定性不夠，雖然在視頻中看到它在山地中也能如履平地，但在實際測試中，即便在平地上也是經常會摔倒的，而且不能夠自己站立。

總之，機器人還有一段很長的路要走。