服務機器人正在以高速的增長速度加速步入我們的日常生活。正是基于廣闊的市場前景，美國國家科學基金會頒布了《美國機器人技術路線圖》，其中服務機器人是其中的重點一章。

服務機器人的主要應用領域

服務機器人是一類用以輔助人們日常工作、生活、休閑，以及幫助殘疾人與老年人的機器人系統。在工業機器人系統中，機器人的任務是完成高質量、高一致性的生產任務。服務機器人與之不同的是，工業機器人通常工作在有人的空間或者會直接同人類協作工作，服務機器人通常從事專業服務和個人服務兩種工作。

專業服務機器人

專業服務機器人主要指能夠產生經濟效益的服務型機器人，如用于物流自動化、基建設施巡檢、醫院送藥、商業草坪清理、娛樂等，其市場規模正以30%的年增長率迅速擴大。國際機器人聯合會（IFR）和德國機械設備制造業聯合會（VDMA）的數據表明，已有超過172000臺專業服務機器人用于各行各業。

物流自動化

伴隨“即時生產”降低庫存的發展趨勢，低成本、高靈活性的物流系統日益成為供應鏈管理中的重要組成部分，例如著名的亞馬遜Kiva倉儲機器人系統與FedEx及UPS的自動化配送中心。然而，它們只能在量身定制的固定倉庫中使用。若想讓機器人發揮更大作用，就必須賦予機器人更高的機動性：能夠應對樓梯、電梯、房門、不平坦的地面和雜亂環境等人類生活的常見場景。隨著研究的進展，高機動性機器人也正在逐步成為現實，它們將使整個物流系統變得更加快速、靈活、廉價、可控、穩定。

不少公司已經將目光投向物流市場，包括生產酒店運輸機器人的Savyoke，為醫院制作運輸機器人的Aethon和Vecna，生產超市倉儲機器人的Bossa Nova，著眼于無人機快遞的Amazon Prime Air和Google Project Wing，提供最后一公里物流快遞的Starship Technologies和生產倉儲機器人的Fetch等。物流機器人市場的指數增長使得該領域成為未來15年最大的投資熱門。

基礎設施巡檢

機器人技術在橋梁、道路和管網等基礎設施的檢修與保護方面有著巨大的應用前景：如用于檢查橋梁和港口的無人船與無人機、用于監控地下管道與線路的無人車、用于巡檢管道與電網的無人機等，還能為石油和天然氣產業提供監控服務。

這類系統借助多種先進傳感器和其他機器人技術，能夠勝任各種復雜的地下任務。這類機器人可以全天候自動判斷故障，在與人類協同工作的同時減少人類的介入，較低成本，提高效率。其應用在未來5年將增長約20%。

無人機正成為巡檢領域的一個有效機器人平臺。未來5年，無人機將變得更小、更便宜、更可靠，如大疆和3D Robotics等公司僅售約2000-3000美金。

目前，無人機系統存在的主要挑戰包括：（1）操作的安全性與隱私性問題;（2）發生故障后的失效保護功能;（3）對環境變化的適應能力;（4）在飛行過程中處理獲得的大量數據;（5）新型飛行器設計;（6）多機協同作業與避免碰撞。

遠程替身機器人

遠程替身機器人是最典型的用于改善人類交流體驗的服務機器人，是繼視頻會議之后的又一次通訊變革，讓交流協作更加高效。遠程替身機器人不僅能夠讓員工在外也能身臨其境，如Beam、VGo和Double等公司為企業辦公開發的系統，還能讓無法去學校的學生在家上課。

在醫護領域，配備有攝像頭、麥克風和揚聲器的遠程醫療機器人能夠讓醫生與患者『面對面』交流。目前，基本用于中風這類需要及時診斷的疾病。未來，遠程醫療機器人將還能用于術后護理、慢性病調理等領域。此外，研究人員已經嘗試將其用于老年人的家庭監護。這類機器人能夠顯著降低醫護成本，為更多人提供良好的醫療技術服務。

娛樂

機器人技術在娛樂和游戲行業的應用越來越廣泛，如Bot & Dolly公司在電影拍攝行業的應用，Anki Cozmo公司的交互型智能玩具和樂高發布的可編程機器人等。2016年風靡全球的《Pokemon Go》是增強現實技術（AR）在商業領域的首次成功應用。作為機器人交互的重要技術，AR進入游戲行業將促使其發展進一步加速。

個人服務機器人

個人服務機器人主要是指提供日常生活服務的機器人，或為殘障人士提供幫助的機器人。例如，掃地機器人和草坪修剪機器人等家用機器人，及娛樂休閑機器人，如玩具機器人、娛樂無人機、教育平臺。

未來5-10年，得益于機器人技術的發展與制造成本的降低，個人服務機器人的市場還將進一步拓寬。

交通運輸

隨著機器人技術的成熟完善，原本用于專業環境的無人運輸系統將有可能用于城市等其他交通環境中。未來幾十年，人們的出行方式將被徹底改變，如賽格威和豐田開發的平衡車等新型個人交通工具，完全自主駕駛的機器人也即將面世。2016年，谷歌的無人駕駛汽車行駛里程突破200萬英里，特斯拉發布了高速自動巡航技術，Uber也開始嘗試用自動駕駛汽車接受出租訂單，美國國家公路和運輸安全管理局（NHTSA）還發布了促進自主駕駛汽車發展的指導文件。

此外，研究人員試圖從智能路網的角度，通過增加傳感器、攝像機、自動收費等裝置解決交通問題。一個被稱為“車輛基礎設施集成（VII）”的公私合營國家計劃正嘗試將智能車與智能路網結合起來，創建虛擬的交通信息網。

服務機器人主要市場及驅動來源

老齡化人口從兩個方面影響了服務機器人的發展。其一是勞動力市場的縮水，另外一個因素則是提供滿足健康護理需要的解決方案的機遇。美國正處于未來20年發展趨勢的入口：退休工人數量占當前勞動力數量的百分比將近翻倍，即從當前的每10個工人中有2個退休的狀態演變為2030年的每10個工人中有4個退休的狀態。在日本，這種情況則更加糟糕，快速增長的老齡化人口是日本提出發展機器人技術作為國家政策的主要誘因。

當提高生產率和降低成本成為服務機器人的共同特征時，針對市場特定問題或需求，人們希望每個服務機器人系統能提供獨一無二的、有競爭力的解決方案。比如，在使用機器人技術組裝汽車的工廠中，一個關鍵和主要的驅動力是希望得到持續不斷且質量得到充分保證的生產能力。

醫療保健與生活質量

機器人技術用于提供遙操作解決方案，比如依賴感覺的達芬奇手術系統就是這類系統的代表。機器人技術擁有巨大潛力，用以控制成本，增強健康人員的護理能力，延長老年人的壽命。

能源與環境

這兩個緊密相連的問題對于國家的未來和機器人技術應用的成熟度是非常關鍵的，尤其在自動獲取能源和環境監測方面非常關鍵。

生產與物流

機器人技術在促進生產和貨物移動自動化方面擁有巨大潛力，特別是機器人技術被用于小尺度（或微尺度）生產操作，且在這一過程中有助于加速制造業回歸。這種信念自從HeartlandRobotics的創立就可窺見一斑，該公司的主要任務就是將制造業轉移回美國。

汽車和運輸

雖然我們距離完全自主駕駛汽車的使用還有數十年的時間，但機器人技術已經以高級駕駛輔助和避碰系統的形式出現。公共輸運系統是另外一個有望獲得更高自動化程度的領域。隨著機器人技術的持續進步和成熟，用于小范圍場景，如機場的無人運輸系統和解決方案將漸漸地適應市中心的情況，以及其他的一般應用場合。

國土安全和基礎設施防護

機器人技術提供了巨大的潛能，用以邊境保護、搜索和援救、港口檢測和安保及相關領域。此外，機器人技術有望大量用于自動化檢測、保養并維護橋梁、高速公路、水源和排水系統、電力管道和設施，以及其他基礎設施的關鍵組成部分。

娛樂與教育

這個領域比其他任何領域更多地實現了機器人技術的轉化，尤其是機器人技術在解決國家面臨的科學、技術、工程以及數學（記為“STEM”）危機，同時成為名副其實的“4R”教育。FIRST的巨大成功印證了這一點。機器人為孩子們提供令其感興趣且易學的方式，去學習和應用數學以及科學的基本知識，包括工程和系統集成原理，用以生產智能機器完成特定任務。

商業化影響因素

如果上述領域全部實現，那么就需要大量的投資用于擴展和開發機器人技術。正如上面提到的，距離實現完全自主的機器人技術，即無需人類給予指令或干涉的自動運行機器人技術，仍有很長的一段路。與會學者達成了一致的意見，即機器人技術的進步使得開發和市場化機器人的初級產品和應用成為了可能，并且能夠顯著“增強人類機能”。

這些解決方案將能夠根據下列功能進行自動調整：以確定的方式監督動態物理環境、目標識別、探測變化、感知環境狀態、分析和推薦根據檢測到的情況作出的響應，根據人的命令作出的響應和在預先授權的邊界內自動而不被操作員干預地執行行動。

這類機器人解決方案的例子包括遙操作系統。如達芬奇外科手術系統以及自主的專業機器人，比如Roomba。隨著互聯網繼續發展，自然而然會從遠距離傳感發展到遠距離操作。互聯網這種向物理世界的擴展將有助于進一步模糊通信、計算和服務之間的界限，激發遠距離通信和遙控參與的應用。更符合實際的解決方案將出現，其具備分布認知能力并能夠有效利用人類智能。這類解決方案將與機器人技術結合，在實現自主感知位置的同時，允許操作員從遠距離根據需要通過互聯網進行干預。

根據上述內容，人口老齡化將導致未來勞動力短缺。當工人們尋求向職業更高層級邁進的時候，需要增加底層工作的自動化程度，而做底層工作的工人會慢慢變少甚至消失。長期范圍內實現完全自動化解決方案的挑戰會繼續因為技術限制而存在，短期挑戰則是調查其發展的需求和決定如何最好地“跨越鴻溝”。即識別正確的價值主張、成本的降低、有效的開發、有效的系統工程過程，決定如何對解決方案進行最佳整合，以及如何將科技轉化成為產品。

科學和技術挑戰

移動能力

移動能力是機器人研究中的一個成功范例。這種成功在許多現實環境中展示性能的系統上均有所體現，包括博物館導游和DARPA機車挑戰賽以及城市挑戰賽中的自主駕駛汽車。但是，與會學者一致認為還有大量重要的問題仍舊懸而未決。在移動領域找到這些問題的答案將對機器人相關領域實現自主控制和多用途相當重要。

三維導航是移動領域最重要的挑戰之一。目前，大多數映射定位和導航系統都依賴于地球的平面表示，比如地面任務中涉及的街區地圖。但是，當機器人應用的復雜性增加，且每天都有新的機器人部署的情況下，在未建模的缺少控制的擁擠環境中，這些二維表示不足以捕捉必要的信息。因此，對于支持導航和操作的三維世界模型的獲取將是非常重要的。這些三維表示不應當包括世界的幾何布局;相反，地圖一定要包含涉及環境中物體及其特征的任務相關的語義信息。

目前，機器人已經能夠很好地理解物理世界中物體的位置，但是還不了解或很少知道物體是什么。當涉及抓取和環境表示的服務執行移動功能時，環境表示也應當包括對象情景支持（即機器人能用某個物體干什么的信息）。實現語義三維導航將需要傳感、感知、地圖匹配、定位、對象識別、情景支持識別和規劃的新方法。

三維映射技術是用不同種類的傳感器構造地圖。目前，機器人依賴高精度的、基于激光測量系統或游戲控制距離傳感器，如微軟的Kinect或PrimeSense來獲取環境信息，采用被稱為“SLAM”的映射算法。有專家提出應該脫離激光測量系統，進一步開發“視覺SLAM”（VSLAM）領域。這種技術依賴于相機（魯棒性高、低廉、易于獲得的傳感器），用于在三維世界中的映射和定位。目前，VSLAM系統已經展示出令人印象深刻的性能。因此，相信VSLAM可能在開發具有充分信息，且價格承受得起的三維導航功能方面發揮重要作用。

對于滿足特定應用的三維導航的額外需求，即戶外三維導航，也存在需要明確處理的一系列重要挑戰。在這些挑戰中存在的事實是，當前二維環境表示方式不能捕捉到戶外環境的復雜信息，同時也不能獲取戶外的光線條件，而光線條件是引起傳感器性能變化的因素。同時，如何在人群中實現導航也是一個重要的挑戰。

操作

幾乎所有的服務機器人都需要在操作性能上取得實質性進展。這些應用需要機器人與環境進行物理交互，包括開門、拾取物體、操作機器和設備等。目前，自主操作系統在精確工程化和高度受控環境中發揮良好，比如工廠組裝單元，但對于開放、動態和未建模環境中的變化和不確定性卻顯得力不從心。所以，來自三個前沿討論組的與會學者認為，“自主操作”是其關鍵領域。雖然沒有確定具體的研究進展方向，但學者們的討論揭示，大多數已有操作算法的基本假設不能在實際應用中得到滿足。無論是否可能，適合開放、動態，以及未結構化應用場合的抓取和操作，應該利用先驗知識和環境模型。而在沒有先驗知識的情況下，不應當導致災難性的后果。作為推論，當環境模型不存在的時候，真正的自主操作將依賴于機器人獲取足夠的、與任務相關環境模型的能力。與大多數強調規劃和控制的現存方法比較而言，這意味著感知將成為自主操作研究日程表中的一個重要的研究問題。

“拾取和放置”操作可以提供足夠的功能基礎，用于許多目的明確的應用操作要求。因此，增加復雜性和通用性的拾取和放置操作能夠為自主操作的研究工作提供路線和基準。

規劃

運動規劃領域的研究在過去十年中取得了長足的進步，其中的算法和技術影響了很多不同的應用領域。然而，魯棒性、動態三維路徑規劃仍舊是尚未解決的問題。涉及該問題的一個重要因素是機器人位置感知的概念（即機器人能采用“適當的”傳感與建模方法進行自主整合、交叉，以及集成行為規劃）。“適當”是指完整和準確的環境模型不能由機器人實時獲取。相反，作出關于對象、環境、感知和機器人電機行為的推理是非常有必要的。這就會導致規劃和運動規劃之間的界限逐漸模糊。要規劃一個運動，規劃者需要協調傳感和任務施加約束的運動。要魯棒、可靠地實現任務目標，規劃需要考慮任務環境的支持。這意味著，規劃者需要考慮環境及環境當中對象之間的交互，將其作為規劃過程的一部分。

比如，要拾起一個物體，可能有必要打開一扇門，進入一個不同的房間，推開椅子到達櫥柜，打開櫥柜門，推開障礙物。在這種新的規劃范式內，任務以及任務與環境所形成的約束是關鍵所在;“運動規劃”之中的“運動”是到達終點的一種方式。規劃過程中考慮的約束來自于目標抓取、運動（比如腳步邁動規劃）、機構的運動學和動力學、姿勢約束，以及避障，在這些約束下的規劃需要機器人系統具有實時性。

機器人的運動很容易由傳感器的反饋導致約束條件的增加。最明顯的例子就是接觸約束和避障。因此，反饋規劃和控制與規劃的集成是滿足與會學者提出的規劃需求的重要研究內容。反饋規劃器生成一種策略，直接將狀態映射到行為，而不是生成特定路徑或軌跡。這就保證了傳感器、執行器和模型的不確定可以通過傳感器的反饋得到解決。

在這種情況下，規劃復雜性的增加要求多種新方法用于準確理解任務。在傳統運動規劃中，起始和終止兩個配置狀態就能對任務進行完全的描述，而現在需要進行的規劃，則需要面對更加豐富的任務形式、操作任務，以及豐富的環境交互。

傳感和感知

對于機器人的幾乎所有方面來說，傳感和感知都具有相當的重要性，包括移動、操作、和人機交互。傳感和感知方面的創新將根本地影響機器人學發展的速度。

新的傳感器，包括比當前傳感器更先進、更高分辨率，以及低成本的版本，將成為發展更快的領域。舉例來說，在抓取、移動以及稠密三維數據傳感，包括激光雷達和顏色深度傳感器傳感等方面會有更大的進展。大范圍環境場信息的魯棒性和準確性對于機器人的進一步發展十分關鍵。靈巧抓取的進展可能在機械手用的類皮膚觸覺傳感器和更專業化的用于短程探測的深度和外觀傳感器等領域取得。其他類型的傳感器，如聲學傳感器和促進安全的傳感器。這些傳感器具有多種形式，比如距離傳感器和溫度傳感器檢測人體的存在;也有傳感器作為驅動機構的一部分，如力矩傳感器，同時也能夠探測機器人和環境之間難以預計的接觸，布置于整個機器人的類皮膚傳感器也屬于此類。

傳感器的數據需要采用近乎實時的方式進行處理和分析，由于復雜和高度動態變化的外在環境受多種因素影響（包括晝夜的差別、霧、霾、刺眼的陽光等），需要提供能長期自適應感知的方法。高層次物體建模、探測和識別、改進的場景理解，以及改進的探測人類行為和意圖，需要使用多模式信息，如聲音、三維距離數據、RGB圖像和觸覺數據的集成算法。同時，他們認為任務定制的算法（即整合規劃算法與考慮動力學物理約束的算法）是最為迫切需要的。舉例來說，關聯識別的新算法對于在有人環境執行復雜抓取任務非常重要，在機器人感知算法中創造位置感知的環境模型也相當重要。

體系結構、認知能力

關于移動、操作、規劃和感知等主題的討論揭示了這些問題不能被單獨解決，而必須考慮到他們之間的內在關聯。一個系統如何工程化，有效地整合來自不同領域的特定技巧，實現安全、穩定、與任務關聯，甚至是智能的行為，仍舊是機器人領域非常重要的開放性問題。在體系、認知和編程范式的名義下，以方法論甚至哲學觀點的多樣性，開展面向上述目標的研究，反映出了機器人研究群體對于如何處理這些挑戰，缺乏足夠的理解。觀點的多樣性也反映出當前解決這些問題工具的多樣性，比如模仿學習，以及所謂的“認知體系顯式編程”。要實現期望的結果，可能需要將這些方面的知識與技術進行結合。

面向解決生成魯棒自主行為的首要問題的經典方法之一，是傳感/計劃/行為環，通常由現代控制系統實現。在過去幾十年中，當傳感/計劃/行為環成為機器人研究的常用方法時，一些與會學者認為，一些新方法將從上述最簡單的方法中誕生。可能的替代方法是多層嵌入或分層循環結構與行為基本方法，多種方法的組合有可能成為全新的方法。

人-機交互（HRI）

如果要實現移動機器人和靈巧機器人在有人環境與人共存和協作，那么就需要人機交互領域取得重要的進展。這些人機交互也將成為方法論的重要部分，以實現機器人行為的魯棒性。機器人可以通過與人類的交互來學習新技能，但不論在何種條件下，機器人都應該知道與人通信的特性和要求。

除了通信模式（語言的、非語言的、手勢及面部表情等），還有一系列問題，包括社交關系、表情（識別、表示、社交表情識別與建模）、肯定及信任。對人機通信多方面的理解應該導致人與機器人之間交互的自動建構，機器人系統能夠依據任務與人類管理者之間交互的改變，而對自己的行動作出調整。

朝向這些目標的進步依賴于有效的輸入設備和直觀的用戶界面。開發多種平臺用于研究HRI，包括仿人機器人、移動操作平臺、外骨骼，以及運載器。研究人員確定了一種設計/建造/部署循環。其中，設計過程應該考慮來自相關群體的輸入，包括基本研究群體和終端用戶。建造過程應該整合大量研究線索，使其成為一個系統。此系統中存在著工業合作和技術轉移的機會。最后，整合的系統將部署在真實的環境中。與會學者提出了機器人城市的概念（見下一子節），將其作為一種前瞻性的方法，在現實世界環境中評估HRI。這一循環通過整合終端用戶反饋和下一設計/建造/部署循環的迭代實驗設計構成閉環。

研究架構

面向確定科學目標的快速進展將嚴重依賴于研究基礎設施的普及程度（包括硬件和軟件）。要解決上述研究挑戰，有必要構建機器人平臺，組合多種高級且具有交互性的機械構件，提供足夠的移動、操作及傳感的能力。這些平臺將通過許多獨立開發的，但相互關聯的操作及軟件進行控制。最終，這些集成機器人平臺一定會超過一般獨立研究群體那種容易設計、開發、測試和維護的復雜度。缺少軟硬件平臺的標準化也可能會導致一些研究成果的碎片化，影響評估的有效性，以及發表成果的難度，以及不必要的工程與集成工作的重復。

要克服這些挑戰，必須協調領域內的研究工作，進行軟硬件系統開發。這些工作應該包括開發一個開放的實驗平臺，一方面使該平臺能夠以低成本支持廣泛的研究項目，另一方面可以保證研究群體之間技術和軟件的重復使用。例如ROS，一個由WillowGarage開發的機器人操作系統。該系統能保證代碼的重復使用，并提供普通操作系統能提供的服務，比如底層設備控制、通用功能的共用、任務之間的消息傳遞等。在理想情況下，這種平臺可以通過物理模擬軟件的方式支持算法的早期開發和測試，而不用在研究人員的安全與硬件系統之間進行折中。開發工作也能從機器人整合開發環境（IDEs）中獲益;這些IDEs增強了軟件開發的模態，因而有助于代碼復用和文檔工作。

另外，機器人研究幾乎沒有做過非常徹底的評估，也沒有通過任何定義明確的、可重復實驗的測試。在其他領域，比如機器視覺，由于有公共數據庫，有助于給出在多種算法和系統之間相對客觀的比較。因此與會學者建議，要建立并擴大實驗數據庫，將其作為本領域的基準。然而，由于機器人研究集中于機器人和環境之間的物理交互，電子數據集不足，應該通過由物理實體構成的特定技巧標準以獲得補充，比如一些現成的實體可以作為抓取研究的基準。進一步來說，整個基準環境應該對開發、評估、以及與特定應用和實施進行比較。這樣的環境應該涵蓋大尺度和復雜性，從簡單的工作臺（辦公桌或者吧臺）到整個房間、一棟房屋，以至整個街區。討論中提出了機器人城市的概念：一個常規的市區環境，所有居民都是實驗的一部分，同時他們也能夠輔助評估過程，涵蓋有關居民日常應用環境足夠需求的定義。

機械硬件

安全是機器人工作在有人環境中的一個關鍵因素。本質上講，安全的機器人使人機交互可以順利開展，同時增加機器人技術在日常生活中的接受程度。因此，具有更高力量重力比，本質更安全的電機和執行機構將代表一種重要的科技創新。對于這類機構，柔性將是一種令人期待的屬性。柔性是指執行機構具有這樣的一種能力，其能夠根據接觸外界環境時反作用力的大小調整自身行為。這些反作用力由于任務不同而發生變化。這種機構保證了安全操作，尤其是在與人交互時的安全性。同時還能保證與外界接觸時的柔性、魯棒性，以及行動的有效性。進一步來說，能量效率對于許多應用而言是關鍵考慮因素之一。戶外環境經常展現高度變化的地形屬性，而戶外可能包括樓梯、梯子、坡道、自動扶梯或電梯。

高度靈巧的和便于控制的機械手是一個重要的研究領域。機械抓取和操作的進展與新型手機構的開發密切相關。與此同時，與會學者感覺當前機械手的潛能并未通過現存的抓取和操作算法得到充分挖掘。因此，可以想象，許多令人感興趣的和相關的應用可以通過現有的抓取和操作硬件解決。

發展路線圖

機器人技術的商業化與經濟效益不僅受限于技術發展，與法律政策、人才培訓等也息息相關。服務機器人的未來發展路線：

5年：機器人能夠在人類的指導下，通過探索建立其周圍環境的語義地圖;能夠在不確定的二維環境內自主運動，并完成簡單的抓取放置任務;能夠處理在固定數據集中或者具有特定特征的物體;能夠完成中等復雜的任務規劃，如移開障礙物，打開櫥柜等。

例如：將更多的倉儲物流機器人應用于庫存管理與物料運輸;在交通標志清楚的城鎮中，自動駕駛汽車的駕駛性能能夠與人類駕駛員相當，甚至在某些特定任務中超過人類駕駛員，如工業采礦、建筑施工、側方停車、緊急制動等。

10年：機器人可以利用數據庫中近似或不完整的環境模型，計算出可靠的方法執行特定運動與操作任務;能夠通過感知、交互和人類指示深入理解周圍環境;能夠實現多層樓房的導航任務;能夠通過改變環境（移動障礙物、開燈等）來完成特定任務，并有一定的故障檢測與恢復能力。

例如：將無人機、無人車和足式機器人等用于商業快遞;自主駕駛汽車能夠在任何城市環境和部分越野環境中達到與人類駕駛員相當的技能;無人車可以應對某些不可預測的突發事故，能夠拖曳其他故障車輛，能夠在傳感器故障的情況下自動駕駛到安全區域。

15年：各種服務機器人能夠在全新的、非結構化、動態環境中快速、無碰撞地執行移動操作任務;能夠感知環境信息，構建深度理解，完成指定任務;可以穩健地應對環境變化;可與環境相互作用，并以智能方式改變環境。

例如：全面增加機器人在各個物流階段的使用，包括自主卡車、無人機、小型快遞機器人、倉庫搬運機器人等;自主汽車能夠在任何環境中媲美人類駕駛，比駕齡低于一年的人類駕駛員更加安全可靠;無人車將能通過自主學習應對未知環境，如極端天氣、傳感器失效等。

責任編輯：lq6

?