從具有社會(huì)屬性的智能系統(tǒng)開(kāi)始。隨著智能系統(tǒng)的感知能力和行動(dòng)能力日益增強(qiáng)，人與智能系統(tǒng)日益融合，出現(xiàn)了人機(jī)共融環(huán)境，在這種人機(jī)共融的環(huán)境中，自然而然就發(fā)展出了具有社會(huì)屬性的智能系統(tǒng)。這種智能系統(tǒng)既然有社會(huì)屬性，就意味著它要具備可以進(jìn)化的能力，以下兩個(gè)方面探討這個(gè)系統(tǒng)的可進(jìn)化性。

●一個(gè)方面是智能系統(tǒng)必須要具備可以?xún)?nèi)部進(jìn)化的能力。系統(tǒng)如果要進(jìn)行內(nèi)部進(jìn)化，通過(guò)一個(gè)單一的計(jì)算平臺(tái)是不可能實(shí)現(xiàn)的，所以需要實(shí)現(xiàn)不同平臺(tái)之間的交互，比如說(shuō)機(jī)器人端和云端的計(jì)算平臺(tái)之間的交互，也就是「云機(jī)器人」的概念。

●另一個(gè)方面是智能系統(tǒng)要具備外部進(jìn)化的能力。比如說(shuō)通過(guò)人與機(jī)器人之間的交互來(lái)讓智能系統(tǒng)擁有外部可進(jìn)化性的能力，這也就是我們講的「社交機(jī)器人」的概念。

二、面向長(zhǎng)期自主定位的云移動(dòng)機(jī)器人

面向長(zhǎng)期自主定位的云移動(dòng)機(jī)器人。在講這一點(diǎn)之前，先來(lái)回顧一下目前移動(dòng)機(jī)器人或者服務(wù)機(jī)器人在應(yīng)用上存在的問(wèn)題：工作范圍受限、業(yè)務(wù)覆蓋受限、提供服務(wù)受限以及運(yùn)維成本高。

這些問(wèn)題看上去是應(yīng)用層面的問(wèn)題，然而具體到技術(shù)層面，實(shí)際上是關(guān)鍵的技術(shù)（長(zhǎng)期自主的移動(dòng)或長(zhǎng)期自主和大面積覆蓋的移動(dòng)）并沒(méi)有得到很好的突破的問(wèn)題。

而這項(xiàng)關(guān)鍵技術(shù)也存在以下三大主要挑戰(zhàn)：

●第一個(gè)挑戰(zhàn)是，需要覆蓋大面積的區(qū)域，這樣就需要大量的數(shù)據(jù)來(lái)描述不同的環(huán)境；

●第二個(gè)挑戰(zhàn)是，還需要讓移動(dòng)機(jī)器人適應(yīng)動(dòng)態(tài)場(chǎng)景，比如說(shuō)檢測(cè)和跟蹤靜態(tài)或動(dòng)態(tài)的物體、學(xué)習(xí)更多的知識(shí)來(lái)預(yù)測(cè)環(huán)境變化；

●第三個(gè)挑戰(zhàn)是，由于移動(dòng)機(jī)器人需要長(zhǎng)時(shí)間運(yùn)行，隨著時(shí)間增長(zhǎng)，它要求的數(shù)據(jù)存儲(chǔ)量也越來(lái)越多。

這樣的話，我們就需要讓機(jī)器人擁有更多的存儲(chǔ)空間和更強(qiáng)的運(yùn)算能力，如果只是靠它們的單機(jī)本體其實(shí)是很難實(shí)現(xiàn)的。

這里面就提到了「云機(jī)器人」的概念，它就是利用了機(jī)器人端的運(yùn)算以及云端的運(yùn)算來(lái)進(jìn)行機(jī)器人技術(shù)研究�？傮w而言，云機(jī)器人有幾個(gè)優(yōu)點(diǎn)，包括：

●第一，它可以利用云機(jī)器人的框架彈性分配計(jì)算資源，這樣就可以實(shí)現(xiàn)在復(fù)雜環(huán)境中的同時(shí)定位與制圖；

●第二，它可以在這個(gè)框架下訪問(wèn)大量的數(shù)據(jù)庫(kù)，比如說(shuō)我們?cè)谧鲎R(shí)別和抓取物體的時(shí)候，需要用很多的數(shù)據(jù)庫(kù)來(lái)進(jìn)行比對(duì)，另外比如說(shuō)我們做基于外包地圖的長(zhǎng)期定位，也需要訪問(wèn)大量的地圖的數(shù)據(jù)庫(kù)；

●第三，這種機(jī)器人可以形成知識(shí)共享，也就是多機(jī)器人系統(tǒng)間的信息共享。也就意味著這些多機(jī)器人之間可以根據(jù)情況配備不同的裝備，同時(shí)它們之間可以在云端形成一些知識(shí)共享。

我們知道使用傳統(tǒng)方法研究的機(jī)器人是將環(huán)境中的人當(dāng)做障礙物的，這樣就產(chǎn)生了一個(gè)問(wèn)題：導(dǎo)致整個(gè)系統(tǒng)的移動(dòng)效率低，甚至在人群密集的環(huán)境中很有可能是失效的。

因而有科研團(tuán)隊(duì)提出一種新型智能移動(dòng)機(jī)器人，其在未知的環(huán)境中具有學(xué)習(xí)行人行為模式的能力，這樣就可以增強(qiáng)移動(dòng)機(jī)器人的智能理解和智能決策的能力。這團(tuán)隊(duì)做了三個(gè)方面的工作：第一是未知環(huán)境可通行域感知，第二是半稠密環(huán)境語(yǔ)義地圖制作，第三是人機(jī)共融動(dòng)態(tài)環(huán)境下同時(shí)定位與地圖更新。

這個(gè)系統(tǒng)主要有兩個(gè)貢獻(xiàn)：首先是提出了一種基于行人行為學(xué)習(xí)的機(jī)器人可通行區(qū)域制圖算法，也就是「Learning from Social Behaviors（LSB）」；其次是一種適應(yīng)人機(jī)共融動(dòng)態(tài)場(chǎng)景下的機(jī)器人同時(shí)定位與地圖構(gòu)建的方法（DM－LSAM）。二者其中的焦點(diǎn)就在于如何在動(dòng)態(tài)環(huán)境適應(yīng)能力、定位精度與魯棒性這幾個(gè)因素之間尋求平衡。

2018年全球服務(wù)機(jī)器人市場(chǎng)規(guī)模將達(dá)到92．5億美元，2020年將快速增長(zhǎng)至156．9億美元。2018年，全球家用服務(wù)機(jī)器人、醫(yī)療服務(wù)機(jī)器人和公共服務(wù)機(jī)器人市場(chǎng)規(guī)模預(yù)計(jì)分別為44．8億美元、25．4億美元和22．3億美元，其中家用服務(wù)機(jī)器人市場(chǎng)規(guī)模占比最高達(dá)48％，分別高于家用服務(wù)機(jī)器人、公共服務(wù)機(jī)器人20、24個(gè)百分點(diǎn)。

2017年全年機(jī)器人行業(yè)融資數(shù)量超過(guò)110次，總?cè)谫Y規(guī)模超200億元，2018年全年融資次數(shù)有望超越2017年。從細(xì)分領(lǐng)域來(lái)看，個(gè)人／家用機(jī)器人、AGV、協(xié)作機(jī)器人、機(jī)器視覺(jué)等領(lǐng)域投融資案例較多，規(guī)模較大。

智能移動(dòng)機(jī)器人將進(jìn)入4．0時(shí)代，把云端大腦分布在云到端的各個(gè)地方，充分利用邊緣計(jì)算去提供更高性?xún)r(jià)比的服務(wù)，智能移動(dòng)機(jī)器人除了具有感知能力實(shí)現(xiàn)智能協(xié)作，還具有理解和決策的能力，達(dá)到自主的服務(wù)。