來源：IEEE

自主化機器人已逐漸變得無處不在。

自動吸塵器、自動割草機、會簡單交互的小玩具，以及呼之欲出的自動駕駛汽車，都可以看作是一個能實現某種自動功能的機器人。

一輩接著一輩，我們一直在期待出現《星球大戰》中的那種智能機器人。然而，實際的情況卻是，那種以人體解剖學為靈感進行硬件設計、能完成各種任務、滿足“通用”需求的機器人，卻離我們越來越遠。

諸如Willow Garage的PR2，或者Rethink Robotics的Baxte之類的人形機器人，是我們一直都在研究的，但事實上，這類機器人已經一敗涂地了。

Willow Garage機器人

創立一家機器人公司很艱難，既要考慮商業風險和技術風險。目前，業界整體趨勢是要從銷售一個機器人過渡到銷售一種實際服務，例如修剪草坪，提供出租車，完成零售訂單或按磅采摘草莓。

然而，這顯然無法滿足R2-D2和C-3PO（星球大戰中的機器人）愛好者們的幻想。

R2-D2機器人

上面提到的這種商業模式強調的是制造適用于某一項具體任務的、房間或冰箱大小的專用機器人，而不是一個神通廣大、無所不能的通用機器人。

實際上，我們在個人計算機（PC）行業中看到了非常相似的發展趨勢。在1950年代，即使計算機可以像整個房間一樣大，并且只供少數特定的人使用。不過，公眾對計算機的未來充滿幻想。在那段時間里，對計算機的各種虛構意象開始進入人們的視線。

約翰·茂奇利（John Mauchly）在1962年的《紐約時報》上，發表了一篇題為“用掌上電腦取代購物清單” 的文章，非常有遠見地提出：“將來的小孩一定能玩轉個人計算機?！?

1968年，道格拉斯·恩格爾巴特給出了一個令人遐想紛紛的演示，包括了在圖形屏幕上瀏覽超文本、運用鼠標——沒過幾年，這些演示就成為了現實。

由此看來，深入探究計算機革命成功的關鍵要素，可能會幫助我們進一步看清機器人技術發展現狀，以及下一步我們應該怎么做。

計算機與機器人的共性

1970年代，大型主機即將被像冰箱那么大的微型計算機所取代，其價格不到25,000美元（相當于2019年的165,000美元）。

這些計算機并不使用打孔卡，但是可以用Fortran和BASIC進行編程，從而大大降低了創建應用程序的難度。然而，當時人們并不清楚，在需要快速、高效地處理大量數據的應用中，微型計算機是否能夠取代大型主機，更不用說讓微型計算機進入每個家庭。

這與現在的機器人行業非常相似。1960年代興起的大型工廠機器人（大型主機）感受到了如今快速發展的協作式機器人的競爭，這些機器人可以安全地靠近人類工作，并且可以被簡單地安裝和編程（如同小型計算機）。在1970年代，這些數量非常有限的設備應用價格可以媲美一輛豪車的系統，并且很難想象它們能成為消費產品。

但是，就像計算機行業的發展一樣，一個成功的體系結構會迅速被克隆，從而降低其價格。

當前，各種關于如何架構、編程機械臂的新方法不斷涌現，機械臂制造商和自動推車、機器抓手以及傳感器制造商進行了聯合。這些組件可以搭配在一起，為建設一個類似于IBM PC模型、功能強大、盡可能依賴通用模塊開放式架構的標準通用平臺鋪平了道路。

鑒于通用計算機（也稱為“個人計算機”）花了數十年的時間才出現，通用機器人系統也因為類似的原因而暫未成功。大型主機是為每種應用程序定制的。就好比盡管打字機越來越智能化，但卻并不能直接整合到通用計算機上。事實上，考慮到當前自主機器人的硬件成本及其相對較少的功能，比起讓一個協作式移動機械手智能化，還不如直接建造一個專用的機器。

一個現實的例子是電子商務中的商品倉庫。當前的趨勢是在實體商店中預留一部分空間給一個微型的倉庫中心，該中心通過自動檢索系統和（人工）揀選機將貨物裝在小箱子中。

很多創業公司如Alert Innovation，Ocado Technology，TakeOff Technologies和Tompkins Robotics等最近籌集了數億美元的風險投資，以建造等同于機器人倉庫中心的大型主機。這個功能與機械揀選器是相反的，后者可以穿過走廊，把物品從貨架上挑選，進行補貨。

這樣的一個機器人倉庫管理員將非常接近我們對通用機器人的愿景，但我們需要大量這樣的機器人，才能像真正的小型倉庫一樣每小時執行數百個命令。由于零售業的利潤率已經很低，因此即使再有效，該行業也不太可能產生我們所需要的技術上的飛躍，制造出配備C-3PO的機器人。

大型主機也會從另一方面受到挑戰。對新數字技術的迷戀引領了一場愛好者運動，他們自己創造微型計算機，并通過郵寄訂單或在RadioShack進行銷售。

最初，許多小型企業通常以成套木制外殼的形式出售數十臺，最多數百臺設備。這種趨勢在出現以Apple II，Commodore PET和Tandy TRS-80為代表的“ 1977 Trinity”時，達到巔峰。這些完整的計算機的售價在今天的2500美元（TRS）到5000美元（Apple）之間。

這些計算機的主要應用是它們的可編程性（基于BASIC），能夠幫助消費者“學習繪制生物節律，平衡支票賬戶，甚至控制家庭環境”。同樣地，還有很多小工具可以探索機器人技術的不同方面，例如移動性，操縱性和娛樂性。

就像剛起步的個人計算行業一樣，廣告功能充其量只是真實交易的模型。如今，娛樂機器人技術的一個里程碑是最初的索尼公司的Aibo。這是一款機器狗，被宣傳具有真正的狗的許多特性，如有自己的性格，會玩玩具以及與主人進行互動。

該款產品于1999年發布，并于2018年重新推出，在喜歡其可編程性的愛好者和學者中，有一群忠誠的粉絲，但可能只有少量用戶能接受它作為寵物替代品。

其他還有很多的“自行組裝機械臂”工具包，如uArm就是一個比較成功的例子，它的售價約為800美元，在廣告中，它能做包括取放物體，組裝，3D打印，激光雕刻等其他聽起來非常有價值的事情。通過非常吸引人眼球的視頻，來展現機器人能在受限的環境中執行這些操作，已經成功舉辦了兩次眾籌活動，并將機器人確立為一種成功的教育工具。

最后，還有一些平臺可以讓編程愛好者探索、建構機器人的移動性，讓它能在房子周圍巡邏、拿東西或者提供網真能力。一個典型的例子就是Misty II。但就像原始的Apple II一樣，硬件價格與可應用程序的保真度之間仍然存在脫節。

對于計算機而言，這種脫節隨著1979年哈佛的第一個電子表格軟件VisiCalc的發明而逐漸消失，并促使許多人購買了一整臺微型計算機來運行該程序。VisiCalc之后又出現了文字處理應用程序WordStar，其售價以今天的美元成交價算接近2000美元。WordStar也吸引了許多人購買計算機，僅僅只是為了使用該軟件。這兩個應用程序是被稱為“殺手級應用”的早期示例。

隨著工廠自動化的逐漸成熟，與微型計算機同等價格的機器人已經能夠四處行駛并自動執行許多操作任務?，F在的機器人工業，就像曾經1973-1979年之間的計算機工業：1973年發布的Xerox Alto是第一個帶有圖像化用戶界面、鼠標和特定軟件的計算機，1979年開始微型計算機的價格逐漸跌至5000美元以下。

機器人的“殺手級應用”

那么，機器人技術要怎樣才能像計算機一樣不斷地持續深入發展呢？

市場的需求可以告訴我們“殺手級應用”可能是什么樣的。風險投資人和用戶往往會改造那些起初有遠大目標的公司，讓他們只聚焦細小功能。這些公司通常提供的產品都是非常類似的，如自動推車、取貨、裝貨、卸貨、分揀等解決方案。這些公司一般都是為某個垂直行業提供單個應用服務，如從箱子里拿衣服、運送倉庫貨物或者按磅采摘草莓等。他們試圖證明他們的技術簡單而高效。

然而，這些公司很少能夠真正做大。其中一個例子是Kiva系統，現在成了亞馬遜的后勤機器人部門。Kiva以及其他一些類似的公司，都是圍繞基于用戶普遍需求的合理價值進行架構。但是，由于他們的解決方案過于特定化，因此很難產生大規模的經濟效益，無法像早期的計算機一樣，用戶會購買昂貴的小型計算機來使用電子表格和文字處理應用服務。只有當這些功能開始可復合時，才能讓機器人解決方案更加有趣、吸引人。比如，不再單一地使用機器人從箱子里或拿東西、或裝貨、或運輸，而是用同樣的硬件整合三個技能來重構、建模機器人服務功能。

歷史上，一直是由等同于機器人的大型主機來解決簡單的電子機械設備組裝問題，但是很少有創業公司能提供完善的解決方案。事實上，組裝電子機械部件，就相當于換燈泡、換遙控器中的電池，或者對杠桿式意式咖啡機中的零部件進行保養。這些任務的自動執行，意味著可以使用單個機器執行一套完整的工作流程，最終大幅提升跨領域工業生產率。例如，從一個箱子中拿出一個物體，將其放在機器人上，運送到別的地方，放置在架子上或者機器上，這個完整的流程既適用于制造業工作環境，也適用于零售商店，甚至是一個小小的廚房。

盡管上述的很多應用都將慢慢成為現實，但是如果沒有能提供“殺手級應用”的功能，我們仍很難搭建一個有價值的應用平臺。

Rethink Robotics的Baxter和Sawyer機器人率先創造了不錯的用戶體驗（如1973年的Xerox Alto，事實意義上的第一臺PC），但是其應用也僅限于簡單的拾放、裝貨、卸貨等功能，很難拓展到其他領域。

ROS率先開發了一款進程間通信軟件，基于模塊化的思想，可適應機器人應用的不同需求（多臺計算機，不同的編程語言）。然而，由于缺乏通用的硬件平臺，尚不能實現單個的應用，比如導航、路徑規劃或者抓取。這款軟件的性能已超出研究等級水平，并能應用于生產環境。同時，越來越多的機器人設備，如智能化的機械臂、3D知覺系統等，都可以不再使用計算機作為中介進行連接，還能實時監控硬件使用信息。

再舉個栗子。在Robotic Materials，少數幾個應用程序上已經取得了比較大的進展，如從箱子中拿出物體并進行組裝，只需單擊就結合機器學習和用戶界面優化，對這個功能進行配置。在這個應用中，用戶可以定義物品類別、如何使用Web瀏覽器進行抓取，然后在特定給機器人使用的圖像編程語言中以最好的方法進行展現。這套流程也被應用到了組裝功能上，用戶通過簡單地拖拽命令語句就可以將基于感知的拾取和基于力的組裝功能進行配置。