机器人系统：感知、规划与执行的分层艺术

破除误解#

工程上的"工业机器人"也有词汇标准，不能凭外形称呼。ISO 8373:2021 把它定义为自动控制、可再编程、多用途的操作机，可编程轴不少于三轴，固定安装或装在移动平台上，用于工业环境的自动化。达不到轴数或自主程度的助力装置、遥操作设备和两轴机械手，按该标准不算工业机器人。阿西莫夫式的"机器人"和工厂里的六轴臂，用的不是同一套定义。

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采用顺序。

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。

此后工业机器人的主战场长期是汽车焊装、冲压与喷涂。ISO 8373 的"工业机器人"定义，正是从这条产线传统里长出来的词汇，而不是从科幻里长出来的。

软件这一层长期落后于铁臂。二〇〇七年十一月，斯坦福人工智能实验室与 Willow Garage 把后来称为 ROS（Robot Operating System）的代码公开到 SourceForge。它不是操作系统，而是一套节点、话题与驱动的中间件，让感知、规划、控制模块可以分开写、再组合。

ROS 2 改用 DDS 通信，并补上实时与安全方面的缺口。二〇二二年《Science Robotics》的综述把它写成从实验室走向野外部署的基础设施。工业现场仍大量使用厂商私有控制器，ROS 更多出现在研发、服务机器人和新产线验证上。

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#

教科书上的经典堆栈叫感知—规划—执行。机器人先用传感器估计世界状态，再在模型里算出一条动作序列，最后把指令交给关节。斯坦福研究院的 Shakey（一九六六至一九七二年）是这条路线的早期整机。它的优点是层次清楚、便于分析；缺点是每一步都要等上一层"想完"，环境一变，计划就过时。

无论机械臂还是人形，一个机器人系统可以解剖为这三层。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，也是 控制与反馈 在关节上的日常形态：

$$u(t) = K_p\, e(t) + K_i \int_0^t e(\tau)\, d\tau + K_d\, \frac{de(t)}{dt}$$

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。

伺服环解决的是"这一拍怎么咬住"，不是"下一步该去哪"。把规划问题丢给 PID，机械臂会沿错误轨迹非常精确地撞上工件。位置环可以做到很高的重复精度，却不能代替逆解、避障和力限。

产品手册上的 ±0.02 毫米，说的多半是重复定位精度：回到已示教点的散布。绝对精度是另一回事——末端能否到达笛卡尔指令给出的那个点，还取决于标定、温度和负载。离线编程若没有标定，很高的重复性帮不上绝对精度的忙。

中间层是规划：给定目标，算出怎么走。对机械臂，给定末端要到的位姿，反求各关节角度，这就是逆运动学。正运动学从关节到末端通常唯一；逆问题往往有多解，还会在奇异位形附近把微小的笛卡尔误差放大成巨大的关节速度。

规划器必须在速度、加速度、避障和关节限位里挑一条既可执行又不吓人的轨迹。工业现场常用示教加离线编程，把逆解藏进控制器；研究平台则把这一层暴露出来，因为抓取失败经常死在"解算出来的姿势，手够不着"。冗余自由度可以躲开奇异点，但也让解不再唯一，必须再加一条光滑或避障的优化准则。

"我在哪"和"这是哪"不是同一个问题。定位是在已有地图上估计自身位姿；建图是在已知或可推的位姿上把观测累成地图。SLAM（同步定位与建图）把两件事做成一个概率估计问题：位姿不确定，地图也未知，两者必须一起收敛。

这套框架在 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。把定位误当成建图，或把一张过期地图当成真相，是移动机器人现场最常见的两类事故前兆。货架被挪走、灯光变了、人走进激光雷达的视野，定位就会在正确的几何里给出错误的自信。

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 ±0.02 毫米量级的重复定位精度（六轴工业臂的常见量级），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。布鲁克斯一九八六年提出的包容结构把感知—规划—执行的顺序拆掉，让反射层直接抢占高层。工业现场很少纯用某一种架构，但诊断故障时仍要问：这一层在等哪一层。

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，人形常常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。工业机器人的安全主标准是 ISO 10218：第一部分约束制造商把什么安全功能做进机器人，第二部分约束集成商在工位、围栏、互锁和风险评估上必须验证什么。ISO 8373 还区分"工业机器人"和"工业机器人系统"：后者包括末端执行器、视觉、焊机和任务程序。

二〇一六年的 ISO/TS 15066 曾单独给出人机协作的生物力学力与压限值。二〇二五年第三版 ISO 10218 把这些要求吸收进系列正文，并写明：协作的是应用，不是机器人本身。买一台符合 10218-1 的机械臂，并不等于工位已经符合 10218-2。

协作技术通常归为四类：安全等级的监控停止、手引导、速度与间距监控、功率与力限制。没有哪一类等于"机器人已经安全"。力限制必须对照人体不同部位的接触阈值来验证，而阈值在夹持（准静态）和碰撞（瞬态）下并不相同。人因工程 要处理的，正是这些阈值之外的问题：人会抄近路、会疲劳、会把手臂伸进"按理说不会有人在"的空间。

一台被叫做"协作臂"的机器，若工位设计允许它在人未受保护时全速挥焊枪，它就不是协作应用。阿西莫夫的定律在这里帮不上忙：可审计的是风险降低措施，不是机器的道德承诺。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。自动化与工业 真正改写的，往往不是某一个工种的消失，而是节拍、技能与责任在产线上的重新分配。

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 2023 年底，全球工业机器人运行存量约 428 万台，制造业员工机器人密度约每万人 162 台（国际机器人联合会《2024 世界机器人报告》）。《2025 世界机器人报告》前言给出的 2024 年运行存量约为 466 万台，密度口径随后因劳动力统计修订出现分歧，引用时必须标明年份与版本。

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。可靠的系统仍然靠把不确定性关在工装和程序之外，而不是靠一台会走路的机器在现场即兴发挥。

IFR 的工业机器人统计遵循 ISO 8373 的词汇，不计入大多数服务机器人和实验人形。工厂里的密度数字，解释不了商场里那台会走路的样机；反过来，样机的演示节拍，也解释不了焊装线为什么必须把工件锁死。

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. "A Robust Layered Control System for a Mobile Robot." IEEE Journal of Robotics and Automation 2, no. 1 (1986): 14–23.
• Quigley, Morgan et al. "ROS: an open-source Robot Operating System." ICRA Workshop on Open Source Software, 2009.
• Macenski, Steven et al. "Robot Operating System 2: Design, architecture, and uses in the wild." Science Robotics 7, no. 66 (2022).
• ISO 8373:2021. Robotics — Vocabulary.
• ISO 10218-1:2025. Robotics — Safety requirements — Part 1: Industrial robots.
• ISO/TS 15066:2016. Robots and robotic devices — Collaborative robots.
• International Federation of Robotics. World Robotics 2024 and World Robotics 2025（工业机器人卷）.

延伸阅读#

• Siciliano, Bruno & Oussama Khatib (eds.). Springer Handbook of Robotics. Springer, 2016.
• Brooks, Rodney A. Flesh and Machines: How Robots Will Change Us. Pantheon, 2002.
• Asimov, Isaac. "Runaround." Astounding Science Fiction, 1942.
• 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）。