中國的機器人產業說起來很火，都是虛火，太多的人看到了這是個風口，都跑來創業，不是真正熱愛機器人，機器人行業本身需要相當深厚的技術積累與沉淀，這里面90%的企業都不會長久；無論是搞AI還是機器人能夠成功的核心，一定是提升了效率，降低了人工成本。短期內，機器人創業的機會主要還是在B端。為什么這么說呢？因為現在技術和行業都不成熟，只有利益驅動，節省了人工成本，才會讓企業率先接受機器人。

雖然從工業機器人角度來說，國內還存在諸多短板，如核心元器件、電機、傳感器等，但服務機器人領域，國內的芯片廠商、傳感器、語音識別等領域都各有所長，發展正逢其時。

其實目前國內機器人不足之處在于核心技術跟不上，包括上游核心零部件、中游機器人本體和下游系統集成，其中上游核心零部件包括精密減速機、伺服電機和控制系統。

我們國內人工智能沒有與機器人完美結合，可以說沒有人工智能的機器人根本不算機器人，目前國外的谷歌公司無人駕駛技術與谷歌大狗機器人都有了一定的人工智能水平，在整個中國機器人產業繁華表象的背后，大部分國內機器人企業還是在低端掙扎，關鍵零部件受制于人，核心技術缺乏，僅僅有概念、園區土地和政府補貼，并不能產生一個有強大市場競爭力的行業；與此同時，國外機器人品牌仍然占據絕對優勢，國內機器人企業在知名度、可信度、出貨量等方面難以望其項背。

雖然最近幾年，平衡車、掃地機器人、多旋翼飛行器讓機器人學開始進入人們的生活，但是可行的商業應用還是很少，而且已有的機器人和理論都還很難解決好與物理世界交互這件事情。

目前自主移動機器人三套件：激光雷達、定位導航模塊、移動底盤；

現在國內的人工智能創業屬于明顯的技術紅利期，估值普遍偏高。但從投資者的長遠視角來看，未來隨著基礎計算平臺和開源平臺的豐富成熟，技術方面的壁壘會越來越不明顯，整個人工智能的技術準入門檻會越降越低。

“歷來技術不是機器人企業的競爭壁壘，而一家公司要想真正實現商業化場景布局必須要有精通光學、嵌入式、電子電路、驅動、產品、供應鏈、參數調整、測試、溫控、運營、商業、數據、AI等不同方向的人才。

因為長期來看，人工智能、機器人創業和任何其他領域的創業一樣，一定是綜合實力的比拼，懂不懂行業、有沒有找到剛需痛點、產品化和工程化能力怎么樣（有沒有好的產品和工程師團隊？光在實驗室里搞沒用！）、營銷能力怎么樣（批量生產的話，你的供應鏈能力怎么樣？），產品做完了能不能賣出去（知道什么方案能解決行業痛點，甚至有上下游的能力去推廣銷售掉解決方案或產品）等等。

光有好的技術及算法也不行，技術創業者如果只定位做技術提供商，而不直接面向用戶/客戶提供整體解決方案，未來價值會越來越小，不往上游走風險非常大，甚至是死路一條。

機器人學有四個核心領域：

感知部分：感知主要是基于視覺，聽覺聲覺傳感器、聲覺傳感器及各種傳感器的信息處理，如視覺傳感器、圖像傳感器、紅外傳感器、超聲波傳感器、距離傳感器（用于智能移動機器人的距離傳感器有激光測距儀（兼可測角）、聲納傳感器等，但是激光雷達是目前業界常用的傳感器）、接近覺傳感器（于觸覺傳感器和視覺傳感器之間，可以測量距離和方位，而且可以融合視覺和觸覺傳感器的信息）觸覺和力傳感器、慣導等。

滑覺傳感器（用于檢測機器人與抓握對象間滑移程度的傳感器）滑覺傳感器按被測物體滑動方向可分為三類：無方向性、單方向性和全方向性傳感器。其中無方向性傳感器只能檢測是否產生滑動，無法判別方向；單方向性傳感器只能檢測單一方向的滑移；全方向性傳感器可檢測個方向的滑動情況，這種傳感器一般制成球形以滿足需要。

速度和加速度傳感器：速度傳感器有測量平移和旋轉運動速度兩種，但大多數情況下，只限于測量旋轉速度。利用位移的導數，特別是光電方法讓光照射旋轉圓盤，檢測出旋轉頻率和脈沖數目，以求出旋轉角度，及利用圓盤制成有縫隙，通過二個光電二極管辨別出角速度，即轉速，這就是光電脈沖式轉速傳感器。

加速度傳感器是一種能夠測量加速度的傳感器。通常由質量塊、阻尼器、彈性元件、敏感元件和適調電路等部分組成。傳感器在加速過程中，通過對質量塊所受慣性力的測量，利用牛頓第二定律獲得加速度值。根據傳感器敏感元件的不同，常見的加速度傳感器包括電容式、電感式、應變式、壓阻式、壓電式等。

機器人要想做到如人類般的靈敏，視覺傳感器、聲覺傳感器、距離傳感器、觸覺傳感器、接近覺傳感器、力覺傳感器、滑覺傳感器、速度和加速度傳感器這8種傳感器對機器人極為重要；一般情況下業內目前采用多傳感器融合技術，包括超聲波傳感器，防跌落傳感器、碰撞傳感器和深度攝像頭等，使機器人實現更加智能、實用的自主運動。

內部傳感器主要用來檢測機器人各內部系統的狀況，如各關節的位置、速度、加速度溫度、電機速度、電機載荷、電池電壓等，并將所測得的信息作為反饋信息送至控制器，形成閉環控制。

而外部傳感器是用來獲取有關機器人的作業對象及外界環境等方面的信息，是機器人與周圍交互工作的信息通道，用來執行視覺、接近覺、觸覺、力覺等傳感器，比如距離測量、聲音、光線等。

認知部分：認知部分則負責更高層的語義處理，如推理，規劃，記憶，學習等人工智能、知識表達、規劃、任務調度、機器學習等。

行為控制部分：專門對機器人的行為進行控制，如運動學、動力學、控制、manipulation和locomotion等。

數學基礎：最優估計、微分幾何、計算幾何、運籌學等。

目前雙足機器人主要有電機和液壓兩種運動控制方式，前者結構相對簡單，但負載能力有限；后者雖然有較大的負載能力，但結構復雜。而輪式、履帶式機器人的運動控制方式主要由縱向控制和橫向控制兩部分組成，前者調節移動速度；后者調節移動軌跡。在運動、避障過程中，輪式、履帶式機器人能夠根據速度的不同采取不同的控制策略，以保持整體的穩定性。從目前的技術發展和實用性來看，輪式、履帶式的機器人顯然更符合市場需求。

根據以往機器人領域的研究進展和對應用的初步分析可以認為如下的感知、認知技術，將是實現應用的關鍵。

1.三維導航定位技術。不管什么機器人，只要可移動，即需要在家庭或其他環境中進行導航定位。其中SLAM(Simultaneous Localization and Mapping)技術可同時進行定位和建圖，在學術研究方面已經有不少技術積累。但對于實際系統，由于實時性低成本(比如無法采用比較昂貴的雷達設備)的要求和家庭環境的動態變化(物品的擺放)，因而對導航定位技術提出了更高要求，仍需進一步研發。雷達SLAM雖然成本較高，但卻是目前最穩定、最可靠、高性能的SLAM方式。

一般SLAM可分為基于外部感知的環境特征提取、遞推形式的預測和更新算法以及相應的數據相關技術三個步驟，算法至關重要。SLAM以往主流的是 A* 算法，它的路徑是根據已知地圖，預先規劃好的，一旦機器人前往目的地的過程中遇到了新的障礙物，就只好完全停下來，等待障礙物離開或者重新規劃路徑了。但還有D*算法，即動態啟發式路徑搜索算法，可以讓機器人在陌生環境中行動自如，在瞬息萬變的環境中游刃有余。

SLAM機器人自主定位導航技術是指在未知環境下機器人無需人類幫助，完成自主定位、自動建圖、路徑規劃、自動避障的整套流程。目前，該技術已廣泛應用于機器人、無人駕駛、AR等領域，成為業內主流定位導航方式。

目前基于在SLAM領域，應用基于三角測距triangulation的激光雷達，專做機器人移動底盤的提供商，未來估計也很危險。主要是技術壁壘沒那么高，其上游最主要的客戶掃地機器人，只要出貨量一大就會考慮自己做。

視覺SLAM經過了三個大時代：提出問題、尋找算法、完善算法。而我們目前正處于第三個時代，面對著如何在已有的框架中進一步改善，使視覺SLAM系統能夠在各種干擾的條件下穩定運行。

SLAM算法在實際運用中會出現以下三個問題：

一是目前導航定位方案室內室外不能通用，或只能在平地使用，需不斷改進來適應不同場景。

二是導航定位是其基本的功能，未來還將集成更多與應用所需的功能，并通過集成提供交鑰匙方案。

三是如今研發是一種方案，但實際工程應用是另一種方案，未來一兩年內或將實現統一。

2.視覺感知技術。其中包含人臉識別、手勢識別、物體識別和情緒識別等相關技術。視覺感知技術，是機器人和人交互的一個非常重要的技術。

3.語言交互技術。其中包含語音識別、語音生成、自然語言理解和智能對話系統等。

4.文字識別技術。生活中有不少文字信息，如書報和物體的標簽信息，這也要求機器人能夠通過攝像頭來進行文字識別。與傳統的掃描后識別文字相比，其可通過攝像頭來進行文字的識別。

5.認知技術。機器人需要逐步實現規劃、推理、記憶、學習和預測等認知功能，從而變得更加智能。

從目前的研究現狀看，服務機器人面對的關鍵技術均有了長足進步，但對于機器人技術，大家關心的一個問題是，是否需要采用專用的人工智能芯片。目前探索的一個方向被稱作混血計算(Hybrid computing),其是指用通用處理器和其他架構一起合作來進行計算。不過，還處于早期探索的階段。

目前機器人主要的瓶頸，還是在應用需求的開發和感知、認知技術上。也許未來的架構，也會隨著對應用的深入開發而不斷創新。一個架構是否能成功地應用于服務機器人，需要看性能是否滿足應用的需求，功耗等是否合適，這是一個考慮多種因素平衡的選擇。同時也可以考慮用FPGA架構來為一些比較專門的應用提供加速，這樣在應用發生變化的時候，將具有更多的靈活性。

機器人正跨入2.0時代

第一代機器人能做什么呢？從智能化程度來講，機器人具有兩大屬性，一個是機器屬性，另一個是人的屬性。

第一代機器人或者說傳統意義上的機器人更多的偏向于機器屬性，即作為一種專用的機器設備來替代人類的工作，主要是拓展人類的肌肉功能、做一些體力活，比如搬運、碼垛、焊接、噴涂、裝配等一些需要人力來完成的繁重、單調、乏味的工種。另外，還有一類是在高溫、高壓、有毒、易爆等復雜的工作環境下代替人完成環境監測與事故應急處理處置作業任務的機器人。

第一代機器人有個共同的特點，它們往往只能在結構工作環境下進行工作，即只能在預先編程的情況下，做一些程序化的、重復性和規定性的工作。從功能實現角度看，現在大多數的機器人缺乏環境感知系統、視覺功能和力覺功能，也沒有觸覺功能，就好比人沒有眼睛、沒有神經系統一樣，感受不到外界環境的實時變化，不能很好的與外界進行溝通和交流，因此也就不能適應復雜的非結構環境和空間下的自主工作。

此外，在靈活性、靈巧性操作層面，機器人的作業能力還有待進一步提升，特別是在智能手機、筆記本電腦和平板電腦等消費者電子產品的組裝生產上。一方面，現有機器人產品在精度、性能等方面不能滿足上述新領域的技術要求；

安全性也是機器人非常重要的問題之一。目前大部分機器人都工作在圍欄里邊，與人隔絕，將來的機器人趨勢將亟需解決人機協同作業問題，尤其是在如何保證人類的安全方面。

在人機協作方面，目前市場上已經出現了大量的人機協作機器人產品，如ABB雙臂機器人YuMi、KUKA的iiwa機器人，以及發那科的綠色機器人等。這類機器人一般具備安全功能，一旦檢測到有人碰觸就會立刻停止工作、受到人的推力也會巧妙地避開等等。但當前成熟應用于工廠里的大多數機器人還不能很好的與人進行自然的交互，更多的依賴于編程、鍵盤等工具和手段。

從演進路徑看，新一代的機器人將會從“傳統機器人”走向“現代機器人”，并且朝著人機交互，人機交流，人機一體的方向發展。

從發展趨勢來看，機器人的智能化將經歷計算智能、感知智能和認知智能三個不同的階段。首先是計算智能階段，計算智能主要指機器可以有超強的記憶力和超快的計算能力，這個階段隨著計算機的誕生而開始。其次是感知智能階段，目前機器人智能技術已經進入此階段。最后從感知智能進入到認知智能階段，還要解決如何讓機器自我學習的問題。

要實現機器人的認知智能功能，即機器自己可以思考、可以理解，這一目標還有很長的一段路要走。在實現這一過程中，包括大數據、云計算和移動互聯網等新一代信息技術和人工智能技術的發展將會起到非常關鍵的作用。

服務機器人的核心技術包括人機交互、導航及路徑規劃、多機器人協調、人工智能、云計算等，具體涉及語音、語義、處理器、算法、通訊、大數據、云聯網等，以實現服務機器人的自主性、適應性、智能型。專業選擇大致分為兩個方向，一個是算法方向，包括機器學習，人工神經網絡，智能計算等，可以簡單理解為機器人的大腦系統，需要大量的運用到編程，算法，所以一定要對編程很有興趣，相關專業如計算機科學與技術、軟件工程等；一個是機械傳動方向，偏向于自動化，相關專業為自動化專業、控制理論與控制技術、計算機控制技術等。

人工智能、機器人這個領域是對人的意識、思維的信息過程的模擬，屬于交叉學科，也是一門極富挑戰性的科學，從事這項工作的人必須懂得計算機知識，心理學和哲學等等。

好比我們在廣告視頻推廣看到的物流機器人，大多數只是從事簡單的搬運工作，即將貨物整塊卡板從庫位A移動到庫位B，從庫存區移動到撿貨區再送回庫存區，在大數據分析的支持下主動的調整暢銷品的庫位從而提升撿貨的效率，再高級一點的可以學會組板和拆板，可以在人的語音或者手勢指揮下將散箱抬下流水線或者裝車，可以在限定區域和工作內容下的拆卸包裝或者放置物品。

機器人項目推廣方法：

第一，就是需要精確的告知顧客，機器人可以做什么，不可以做什么，在倉庫作業中機器人使用的優勢以及由此帶來的流程和倉庫規劃的限制條件。控制客戶的期望是銷售任何解決方案類產品的第一要點。不要讓客戶期望過高，因為一聽到機器人，所有人都會覺得是高科技，天馬行空的想法非常的可怕，對項目的推進有巨大的破壞性。

第二，就是需要大概的計算投資回報率，準確按照財務規則計算的結果。當然在前期可能針對當前項目的數據是沒有的，就是介紹行業的平均情況，大概一次性的投入和回收期，技術的革新速度和更新換代的頻率等。首先需要確認給客戶的是，機器人是高科技，也是投入有回報的高科技。介紹這個的時候，估計客戶的老板眼睛都亮著耳朵都豎著的，打動客戶關鍵就在這里了。

第三，就是項目實施的方案。機器人不是一個單獨的產品，不是賣給你一個掃地機器人，拆開包裝就可以掃地這么簡單。機器人的產品，必須包含了跟客戶現有流程現有系統的改造，必須包含了對客戶第一線工作人員的觀念升級，必須包含了技術的不斷創新和問題的不斷發現和解決。

第四，就是必須有大數據分析的全程參與。成本的核算，人機共存的生產環境優化，機器的路徑優化，現有系統的設置調整，現有流程的精簡和增加，這一切都必須在數據收集／分析／總結的基礎上。個人經驗主義不是沒有了市場，而是失去了決策的準確性和指導性。

最后，就是重復講解，機器人可以做什么，在客戶的這個項目或者倉庫中，可以做什么，主要的提升在效率還是在流程改進上還是在人員節省上，最終都是體現在財務報表上才是可以落地的項目。

其實能做得了技術服務，不一定能做垂直解決方案，因為團隊不一定有行業經驗，這是很大的問題。只做技術提供商肯定不行，一定要做整體解決方案——選個適合你的行業，把你的技術產品化、然后搞定用戶/客戶實現商業變現、然后獲得更多的數據，這樣才能再夯實你的技術。一句話講，要做技術、產品、商業和數據的“全棧”，形成閉環！如果你的技術創新對這個垂直領域是革命性的，就越有機會走到上游。如果只是改良性的，你就老老實實在下游賺個辛苦錢算了。越是顛覆性的東西，越有機會往上游走。因為上游越離不開你，意味著你有機會做他的事。