破除误解
第一个误解，是把机器人等同于"人形机器"。现实中的机器人主力军毫无人的样子：截至 2023 年底，全球工厂里运行的工业机器人超过 428 万台（国际机器人联合会《2024 世界机器人报告》口径，较上年增长约 10%），其中绝大多数是固定在工位上的多关节机械臂。人形机器人是机器人学里最显眼也最不成熟的分支，拿它代表整个领域，就像拿概念车代表汽车工业。
第二个误解，是以为现代机器人拥有某种"通用智能"，看见什么都能应付。真实情况是：每一台可靠运行的机器人都是为高度受限的任务环境定制的工程系统——焊装车间的机械臂之所以又快又准，是因为工件位置、来料姿态、节拍全被工装夹具锁死。把不确定性从环境里移除，而不是靠机器人现场"想明白"，是工业自动化六十年不变的第一原则。
第三个误解，来自一种朴素预期：机器既然聪明，下围棋、写论文都行，抓起一只杯子应该不在话下。这恰好颠倒了难度——1980 年代，汉斯·莫拉维克就指出：人类引以为傲的抽象推理对计算机反而容易，而幼儿级别的感知与运动能力，背后是数亿年演化压缩进神经系统的计算量。"莫拉维克悖论"至今仍是机器人学的基本地形图。
历史脉络：从压铸机旁的铁臂到后空翻
"机器人"（robot）一词出自捷克作家恰佩克 1920 年的剧本《罗素姆万能机器人》，本意是"劳役"。工程意义上的机器人始于 1954 年乔治·德沃尔申请的"可编程物料搬运装置"专利：一台能记忆一连串点位并重复执行的机械臂。他与企业家约瑟夫·恩格尔伯格合作，1961 年第一台 Unimate 在通用汽车新泽西特伦顿工厂上岗，从压铸机里取出滚烫的铸件——机器人接手的第一个岗位就是"危险、重复、伤身体"的那一类，这个定位决定了此后半个世纪的 adoption 顺序。1969 年维克托·沙因曼的全电动六轴"斯坦福臂"证明了电机驱动加计算机控制的路线，1970 年代末 PUMA 系列把这一形态带进汽车焊装线，日本与德国厂商随后把可靠性与成本控制做到极致，工业机器人成为汽车产业的标配器官。
移动与人形是另一条更艰难的线索。波士顿动力的液压人形机器人 Atlas 在 2013 年前后以跑跳与后空翻震惊公众，却始终停在研究平台阶段；2024 年 4 月，公司退役液压 Atlas 并发布全电动版本，宣布与现代汽车合作试点工厂应用。同一时期，特斯拉 Optimus、Figure AI、宇树科技等公司掀起新一轮人形机器人竞赛——驱动它的与其说是机器人学自身的突破，不如说是大语言模型与视觉基础模型让人们重新相信"通用性"这次也许可行。截至 2026 年年中，人形机器人已在搬运、分拣等结构化场景中试点，但距离开放环境下的可靠作业仍有相当距离。
核心机制：感知—规划—执行的三层堆栈
无论机械臂还是人形，一个机器人系统可以解剖为三层。最底层是执行：电机经减速器驱动关节，伺服控制器以数千赫兹的频率闭合反馈环，让实际位置咬住指令位置。减速器是这条链上最不起眼的英雄——谐波减速器以薄壁柔轮的弹性变形换取大减速比与零背隙，长期由少数厂商主导供应，一台六轴臂的成本与精度天花板很大程度由它决定。控制的核心思想朴素而深刻——比例、积分、微分三项反馈的组合：
其中 $e(t)$ 是目标与实际的偏差。比例项给纠正力，积分项消除稳态误差，微分项抑制振荡。这个一百年前就在舰船上使用的结构，今天仍驱动着几乎每一台伺服系统；变化的是它外面又套上了力控、阻抗控制与模型预测控制等更高级的环。
中间层是规划：给定目标，算出怎么走。对机械臂，这是运动学问题——从关节角度推算末端位姿（正运动学）及其逆问题，再从无数条可行轨迹中挑出满足速度、加速度与避障约束的一条。对移动机器人，还要先回答"我在哪"：SLAM（同步定位与建图）让机器人在未知环境里一边画地图一边确定自己在地图中的位置，这套概率估计框架在 1980 年代后期被系统化，成为扫地机器人、无人叉车与火星车共享的技术底座。
最上层是感知：把相机、激光雷达、力矩传感器、触觉皮肤的原始信号翻译成"世界的状态"。这一层过去依赖人工设计的特征，2010 年代起被深度学习改写——物体检测、位姿估计、语义分割让机器人第一次能在杂乱环境中可靠地识别与抓取。值得注意的是三层的可靠性递减：执行层可以做到万分之二毫米级的重复定位精度（六轴工业臂的典型量级），规划层在结构化环境中近乎完美，而感知层在开放环境中仍是错误的主要来源——这解释了为什么"不确定性感知"而不是"更强模型"，成为机器人工程的核心议题。
协作机器人与人形机器人是这套堆栈的两个新考题。协作机器人（cobot）撤掉了安全围栏，靠力矩限制与皮肤感知与人共用工位；人形机器人则把双足动态平衡这个控制难题摆上台面——两足支撑的倾倒问题没有静态解，只能靠快速调整落脚点与全身力矩分配来维持动态稳定，这也是液压 Atlas 当年的真正贡献所在。
争议与边界
第一条争议是"人形是否必要"：支持者认为为人设计的世界（楼梯、门把手、工具）决定了人形是通用性的最短路径；反对者指出轮式底盘加机械臂在绝大多数场景更稳、更便宜、更省电，人形是把工程难题当成卖点。第二条边界是数据：大模型可以从互联网抓取万亿级文本，而机器人的操作数据必须一台一台地采集——遥操作示范昂贵缓慢，仿真到现实（sim-to-real）的迁移又存在"现实鸿沟"，数据饥渴是当前具身智能最硬的约束。第三条是安全与责任的制度边界：工业机器人有 ISO 10218 等标准与围栏逻辑，协作场景有专门的技术规范，但人形机器人走进商场、医院与家庭之后，现行安全标准与责任框架都还没有准备好。最后，机器人的就业冲击常被夸大也被低估：夸大的是"一夜取代"，低估的是岗位极化的长期侵蚀。
为什么今天仍然重要
机器人系统是少数同时回答三个时代问题的技术：制造业回流需要它（劳动力稀缺的经济体只能靠自动化守住产能），人口老龄化需要它（护理与物流的人力缺口无法靠移民填平），AI 的下一步也需要它——当语言模型吃尽文本，智能的进一步增长必须向物理世界索取数据与检验。截至 2026 年年中，全球机器人密度已达每万名制造业员工约 162 台（2023 年口径）且仍在上升。理解感知、规划、执行的分层，就是理解这场自动化浪潮的真实节奏：它比头条新闻慢，比大多数人以为的深。
跨域连接
- 控制理论：机器人是控制理论最完整的应用展品：反馈环、稳定性判据、状态估计（卡尔曼滤波）在伺服层与导航层各出现一次。控制理论提供的不是算法清单，而是一种思维方式——把"执行误差"视为可测量、可补偿的系统属性，而非运气。
- 机器人学（计算机科学）：计算机科学视角下的机器人学关注算法侧——规划复杂度、概率机器人学与学习方法的引入；工程视角则补上执行器、减速器与可靠性的另一半。两个视角在 SLAM 与运动规划等交叉点上汇合，合起来才是完整的机器人图景。
- 计算机视觉：机器人的"看见"比图像识别苛刻得多：它需要厘米级的三维位姿、实时的帧率，还要在反光、遮挡与光照剧变中保持鲁棒。视觉基础模型的进步正在把感知从机器人系统的短板变成长板，这是人形机器人复兴的技术前提之一。
- 机器学习：从示教学习到强化学习，机器学习为机器人提供了"编程之外"的技能获取通道。但物理世界的试错成本让纯在线学习不可行，仿真训练加现实微调的混合范式由此成为主流——数据瓶颈决定了机器学习在机器人上的落地形态与文本领域截然不同。
- 人工智能伦理：机器人把 AI 伦理从屏幕带进物理空间：决策错误的代价不再是错误推荐，而是物理伤害。自主武器的禁令之争、协作场景的责任划分、护理机器人中的尊严问题，都让"机器自主性的边界"成为工程之外的公共议题。
参考文献
- Craig, John J. Introduction to Robotics: Mechanics and Control. Pearson（多版）.
- Thrun, Sebastian, Wolfram Burgard & Dieter Fox. Probabilistic Robotics. MIT Press, 2005.
- Moravec, Hans. Mind Children: The Future of Robot and Human Intelligence. Harvard University Press, 1988.
- Brooks, Rodney A. Flesh and Machines: How Robots Will Change Us. Pantheon, 2002.
延伸阅读
- Siciliano, Bruno & Oussama Khatib (eds.). Springer Handbook of Robotics. Springer, 2016.
- International Federation of Robotics. World Robotics（年度报告）.
- Russell, Stuart & Peter Norvig. Artificial Intelligence: A Modern Approach（智能体与机器人章节）. Pearson（多版）.
- 蔡自兴：《机器人学基础》，机械工业出版社（多版）。