在如今這個高度智能化的時代，無人機已經在為我們記錄生活，自動駕駛汽車也早已開始上路測試，物流機器人正被廣泛推廣。不難發現，機器人與我們的生活聯系得越來越緊密。

　　然而，機器人產業的迅速發展目前還沒能讓廣大民眾為之歡呼雀躍。對普通民眾而言，機器人的工業運用離他們太遙遠。他們可能也無法理解，在工業上被廣泛使用的機器人為何遲遲無法進入“尋常百姓家”？其實，由于工廠的環境相對單一，工業機器人只需要按照設定好的程序運行就能夠批量完成流水化作業。

　　車間中的工業機器人

　　但人類的世界紛繁復雜，這種非結構化環境給機器人高效運行帶來了極大的困難。真正能走進千家萬戶，給大家帶來歡樂與便利的服務型機器人少之又少。拋開復雜程度較高的任務不說，僅僅是讓機器人給我們遞上一杯沏好的熱茶，讓我們能夠憑借指令“隔空取物”，就還有一些技術難點需要被攻克。

　　感知技術

　　為了讓機器人很好地完成取物任務，機器人需要有傳感器來確定物體的位姿。傳感器相當于機器人的眼睛，機器人通過傳感器可以實時獲取環境的RGBD信息。其中事先學習過的環境中物體可以通過神經網絡被識別，并獲得相應的空間位置。 但家庭場景十分復雜，又有各類紛繁的物體，在這樣的環境中機器人如何自動、準確地識別、分割并計算出目標物體的位置及形狀信息仍是一個難題。

　　抓取規劃

　　僅有一雙眼睛顯然還無法幫助我們實現“隔空取物”。家庭環境中物體多樣，為了適應這些不同種類、不同形狀的物體，機器人還需要一雙靈巧的機械手。在執行抓取任務時，機器人的抓取規劃可以被分為手臂運動規劃和手部抓取規劃兩個部分。

　　手臂在運動時，需要通過外部傳感器將環境信息導入模擬環境用于避障，通過優化運動路徑，確保手臂能夠安全、高效地運動到機器人抓取所需要到達的位姿。手的抓取姿態，可以借助GraspIt！（用于機械手抓取的開源模擬軟件）等工具模擬生成，也可以通過訓練的神經網絡生成。這些方式都需要保證生成的姿態能夠在理想情況下成功抓取。簡而言之，就是要讓機器人學會在識別出物體之后自己找到抓取物體的路徑，并調整到合適的手勢。可路徑、手勢選擇太多，怎樣才能執行好任務，為此機器人也很糾結。