近年來，機器人技術的研究與應用在全球范圍內得到了各發達國家的空前重視，從美國的“國家機器人計劃[1]”、歐盟的“SPARC機器人研發計劃[2]”，到日本的“機器人新戰略[3]”等，充分表明機器人技術對發展國家實力和保障國家安全的重要性。長期以來，中國相關部門對機器人技術的研發也給予了很大的支持，尤其是自2014年起，在各級政府的推動下，我國機器人產業的發展呈爆發式增長，一場中國式的機器人“大躍進”勢不可擋[4,5]。
據報道，2014年中國工業機器人市場銷量達5.7萬臺，與2013年的3.6萬臺同比增長55%，約占全球市場總銷量的1/4。中國已經連續兩年成為全球第一大工業機器人市場，但其中2013年國內企業僅占中國市場銷量的15%左右。另據國際機器人聯合會（IFR）統計，2005—2014年間，中國工業機器人市場銷售量的年均復合增長率為32.9%，而2004—2013年間為29.8%。預計到2017年，工業、服務和特種機器人的全球市場規模將達到750億美元，并帶動相關產業上千億美元的增長。該統計同時還指出，2013年，中國每萬名制造業從業人員機器人保有量僅為25臺，而世界平均水平為58臺，其中韓國396臺、日本332臺、德國273臺。對于機器人應用最多的汽車行業，先進汽車生產國的工業機器人使用密度均己達到1000臺/萬人，而中國僅為213臺/萬人。
因此，在目前的形勢下，如何進一步健康有效地發展機器人技術，是一個必須關注的重要問題。人才培養、深入應用、讓機器人在產品產業的轉型升級中切實發揮作用，是大家公認的正確途徑。同時，本文認為，除物理形態的機器人之外，應更加注重軟件形態的機器人技術的發展與應用，吸取計算機技術發展過程中“重硬件、輕軟件”所造成的信息技術與產業長期整體落后的慘痛教訓，避免重蹈覆轍。工業時代的核心技術是工業自動化，物理機器人正起著越來越重要的作用；但智能時代的核心技術將是知識自動化，因此必須從一開始就加快、加強以軟件形態為主的知識機器人的研發與應用，以軟件機器人的發展促進物理機器人的升級，盡快形成軟件和物理形態平行互動的新型機器人系統，并以此為突破口，引發下一代智能機器人的迅速發展。
1 物理機器人：功能智能化與深度化
第一臺可編程工業機器人Unimate源自George Devol 1954年的專利Unimation，即通用自動化（universal automation）之意，由Joseph Engelberger主持試制生產，1961年完成并用于通用汽車公司（General Motors,GM）的壓鑄生產線。1978年，他們又推出用于組裝生產的PUMA（Programmable Universal Machine for Assembly）機器人，這才真正啟動了工業機器人的時代。隨即，以George N. Saridis為首的自動化與智能控制學者進入機器人領域，于1984年創立“IEEE機器人與自動化委員會”，3年后轉為“IEEE機器人與自動化學會（RAS）”，今天已成為全世界機器人領域最大最具權威的學術研發與應用專業人士的組織[6]。
從發展歷程來看，機器人技術的研發與應用在20世紀80年代后期至90年代中期達到了一個歷史性的高潮（圖1為本文作者當時在美國亞歷桑那大學機器人與自動化實驗室進行實驗，領導團隊于1992實現了通過互聯網從法國和日本遠程控制實驗室的工業機器人），逐漸從工業制造向國防、救援、醫健、娛樂、家庭、教育、生物等方向擴展，形成了工業機器人[7]、服務機器人和軍事特種機器人[8]等分支。但核心技術基本相同，而且都是以機電一體化的物理形態機器人為主，機器人軟件開發、機機通訊、人機交互等重要但非主流方向[7]為輔。20世紀90年代后期，由于科技發展的熱點轉向網絡技術的研發與應用，機器人相關工作受到一定沖擊，一度進展緩慢，人才流失嚴重。進入21世紀后，隨著機器人和無人機在美軍反恐戰爭中的有效部署、特種手術機器人的成功應用、無人車的重大突破，特別是智能技術的迅猛興起與融合貫通，物理機器人的研發與應用也進入了一個新的歷史階段和高潮。
除傳統的機電傳感、規劃控制、協調執行等研發方向之外，物理形態機器人的最近工作呈現許多新的趨勢，例如：1） 人機交互、人機共同操作（Co-manipulation）、人機安全等；2） 軟體機械人，從柔性機械臂向軟性材料構建的機器人發展，對各種性能的人工假肢、人工關節和驅動型人工肌肉的開發；3） 小至體內檢測、釋藥、手術的體內醫用機器人，大至管道檢測維護和岸邊或離岸的巨型機器人等多種多樣的特種機器人系統，還有更多種類的先進機器人武器等；4） 以無人車或智能車為代表的移動機器人更為引人注目，各大汽車制造廠家紛紛介入，推出自己的相應產品或演示系統，機器人汽車或許不久將成為現實；5） 機器學習、SLAM、概率圖方法、多源數據深度融合、自然語言處理等智能技術方法廣泛用于機器人的研發和應用，特別是己經成為數據驅動的機器人和人形機器人等的興起及發展之關鍵。有關綜述性描述，請見文獻[9]～[27]。由這些文獻可以看出，物理形態的機器人的研發正朝著功能的精化、可靠、高效和智能化方向發展。
圖1 20世紀90年代初本文作者在亞利桑那大學機器人與自動化實驗室工作，圖中有2個PUMA工業機器人和1個三菱教學機器人
Fig. 1 Wang Fei-Yue collected data at UA/SIE Robotics & Automation Lab
2 軟件機器人：系統虛擬化與云端化
軟件機器人的歷史起源很難清楚地界定，雖然與機器人仿真、胞式機器人（cellular robots）、元胞自動機（cellular automata）等密切相關，但這些從未被正式地以“軟件機器人”稱之。事實上，英文“software robots”或“software robotics”很少被專業地使用，至少沒有專業上的界定或學術定義。一般認為：“softwarerobots” 就是“bot、web bot、web crawler、spider”等軟件的統稱，就是網上數據的搜索、下載、復印等軟件程序而已。近來，Siri、Cortana、 “小冰”、“小度”或“小i”等聊天問答軟件的出現，更被大眾視為“軟件機器人”的代表和象征。
事實上，網絡化機器人的出現和發展應被視為軟件機器人的真正開始。20世紀80年代，通用汽車公司在已有工業機器人應用的基礎上，提出“制造自動化協議（manufacturing automation protocol，MAP）”工程以及相應的基于EIA-1393A通訊協議的MMFS（Manufacturing Message Format Standard）標準。由于MMFS無法滿足由不同廠家的機器人、數控機（NC）、可編程控制器（PLC）等組成的過程控制系統（PCS）的通信要求，制造報文規約（manufacturing message specification，MMS）應運而生[28,29]，成為“虛擬制造裝置（virtual manufacturing device, VMD）”之間通訊的標準，最終演化為國際標準ISO-9506，為網絡化機器人系統，進而軟件機器人的形成和實際應用創造了基礎條件。
MAP/MMS之后，特別是在WWW使基于TCP/IP的HTTP得到廣泛應用之后，網絡化機器人系統才真正起步。20世紀90年代初，基于互聯網的工業機器人系統雛形出現，如通過電子郵件和網頁控制的PUMA和其他機器人系統[30,31]，并逐漸發展成“網絡機器人學（networked robotics）”這一新領域。 至20世紀90年代末，又提出了遠程腦化機器人（remoted brained robots）等概念，并進一步演化成與生物或人類大腦交互的網絡控制機器人等相關研究方向[32]。
2001年，IEEE RAS創立“網絡機器人專業委員會”，以推動相關研究。同時，自動化領域也開展了網絡化控制等相關方向的工作，如基于代理的控制方法（agent-based control，ABC）等。代理，特別是移動智能代理的引入，加快了從網絡機器人向軟件機器人轉化的進程。2009年，歐盟的“機器人地球（RoboEarth）”項目啟動，目標宏大：提出要建立機器人自己的WWW，形成一個關于機器人的巨大網絡和相關數據、知識和算法的機器人世界，讓機器人可以在RoboEarth里共享信息并相互學習各自的行為和環境。圖2[33]給出RoboEarth的系統構架，相關功能模塊清晰地顯示了機器人軟件從實質上開始了向軟件機器人的轉化過程。云網絡、云計算等等，如Rapyuta平臺，已在此項目中發揮重要作用[34]。
圖2 機器人地球（RoboEarth）系統框架
Fig. 2 Framework of RoboEarth
2010年，James Kuffner正式提出“云機器人（Cloud Enabled Robots）”和“云機器人學（Cloud Robotics）”的概念與術語，并闡述了其可能的優越之處[35]。這一提議，很快得到了業界的支持，雖然Kuffner沒有使用軟件機器人一詞，但這標志著軟件機器人已經與物理機器人分離，入駐云端，成為一個獨立的機器人研發與應用領域。
物聯網、大數據、云計算為云機器人控制建立了起飛的基礎，而機器學習、人工智能、智能控制等智能技術，特別是眾包（包括人類的眾包和機器的眾包）又為云機器人構筑了起飛的平臺并提供了發展的動力。但云機器人的發展也面臨著諸多挑戰，如在隱私與安全方面，存在著許多與法律和道德相關的約束，以及易受黑客和計算機病毒攻擊等重要問題必須解決。技術上也存在網絡引起的可靠性、服務質量、性能效率、算法設計等問題。很明顯，基于代理的網絡控制和管理方法，特別是“當地簡單，遠程復雜”的網絡云系統設計原理，可以從IaaS、PaaS、SaaS這3個層面來應對這些挑戰。
然而，軟件機器人的深入和進一步發展，必須將機器人的物理形態與軟件形態進一步分離，同時在分離的基礎上更加深度地融合，因此，必須考慮知識機器人和平行機器人。
3 平行機器人：互動可視化與個性化
2011年，文獻[36]～[38]引入網間機器人（web surrogates）、知識機器人（knowledge robots）、平行機器人（parallel robotics）等概念，試圖將機器人從CPS（cyber-physical systems）空間推向CPSS（cyber-physical-social systems）空間，從牛頓式的機械物理機器人，邁向默頓式的智能平行機器人，使機器人也普及成為RaaS（robot as a service）式的實時、互動，而且網絡化、可視化和個性化的產品。最終，使機器人從主要服務于工業自動化，逐步發展演成為促進知識自動化的主力。
給出平行機器人的框架，主要由2個對應體和3個功能塊組成。首先是一般意義下實體形態的物理機器人，其次是特別意義下虛擬形態的軟件機器人，或軟件定義的機器人（Software Defined Robot, SDR）。軟件機器人SDR不但刻畫了機器人的規格和性能，還以可視化的手段提供了機器人的其他詳細信息，主要包括維護、維修、備件、更新、服務、新算法、新應用等網絡化實時知識，使對應的物理機器人的操作與保養變得簡單而且經濟、方便、可靠。換言之，SDR就是實際物理機器人之“活”的本體知識描述、可視化的信息中心，可以放在云端，也可以放在手機端或其它客戶端，是云機器人的具體化、個性化和專門化的體現，也是類似于RoboEarth項目發展的必然結果。通過軟件機器人和物理機器人的對應和平行互動，可以實現下面3個主要的功能模塊：
1） 機器人的學習與培訓——這既可以是機器人的操作員，也可以是機器人本身的學習與培訓。可以是操作人員利用SDR學習使用機器人，也可以是機器人本身學習新的控制算法或智能技術。此時，RoboEarth中所提供的虛擬工作環境和互學習功能可以被充分的利用，眾包式的人類計算手段也能夠得到更加完美的發揮。
2） 機器人的實驗與評估——同理，可以是操作員或機器人本身進行的各類“計算實驗”或“計算實踐”，以此對機器人的軌跡規劃、任務排序、安全檢測等程序進行分析與評估，借以降低成本、遵守法規、合乎模式等等。目前的機器人圖形編程和可視化規劃，正是這一功能模塊的初型。
3） 機器人的管理與控制——通過物理和軟件機器人的虛實平行互動，在CyberSpace中形成一個關于任務執行的大閉環系統，從而可以利用虛實互動自適應的反饋方式，使平行機器人系統更加準確快速地完成指定的任務，實現對機器人系統的智能控制與管理。
圖3 平行機器人框架
Fig. 3 Framework of Parallel Robotics
顯然，利用平行機器人的框架和運營機制，可以方便地將生產制造的物理空間、消費服務的社會空間、數據知識的信息空間連通，進而使平行機器人成為基于CPSS，而非僅僅是基于CPS的智能機器人。一定程度上，平行機器人可視為封裝的O2O（O2O in a box）。而且，這種面向智能產業的新型機器將為人類社會產生新的工種，就像計算機產生新的工作崗位一樣，如機器人學習與培訓工程師、規劃與評估工程師、操作與管理工程師等等，絕非是簡單的“機器換人”，而是“機器擴人”、“機器渡人”、“機器化人”等，使社會更加智能、高效、舒適和安全。
4 從工業自動化到知識自動化：牛頓機與默頓機
在工業時代，受效益驅動，加上生產制造任務的不定性、多樣性和復雜化等，促生了工業自動化和工業機器人。隨著社會的不斷進步發展，知識工作，特別是涉及網上的數據處理、信息操作、知識運營等工作也變得更加不定、多樣、復雜，因此更加迫切地需要知識機器人，也只有這樣，才能真正邁入一個知識經濟和智能社會。知識機器人，如上述的平行機器人系統，正是進入這一新社會形態的一種關鍵且核心的工具和手段。
如圖4所示，利用平行機器人形式的知識機器人系統，可以將物理世界中物理形態的機器人和虛擬或云端世界中軟件形態的機器人融合起來，如同實數和虛數的融合打通整個數域，通過社會網絡和物聯網絡連通形成虛實互動的機器人平行世界，即：
如此就可以形成虛實一一對應、一多對應、多一對應、多多對應式的新型工業機器人、服務機器人、特種機器人系統等等，使智能機器人在處理不定、多樣、復雜的知識工作任務和流程的時候，具有深度知識支持的靈捷、通過實驗解析的聚焦以及反饋互動自適應的收斂等能力，進而完成從工業自動化向知識自動化的轉化。
必須指出的是，在這一轉化過程中，必須考慮以前工業機器人不必處理的社會信號。物理機器人曾只需要考慮物理信號，但在平行機器人中，軟件機器人在相當程度上是依靠社會信號來獲取其對社會和信息空間的感知，這就是平行知識機器人必須面臨的新挑戰，也是為什么知識機器人必須利用自然語言處理、機器學習、人工智能和其它智能技術的主要原因。這方面的相關討論和研究目前剛剛起步[39,40]，涉及社會、心理、文化等學科，主要是如何完成從“大定律，小數據”的機械式牛頓系統轉向“小定律，大數據”的智能化默頓系統。這一過程遠比傳統的工業機器人的開發要復雜，但意義也更加重要和巨大，必須倍加關注，盡快完成從機械的牛頓機器向智能的默頓機器的升華。
圖4 知識機器人：從工業自動化到知識自動化（注：本圖引用了網上開源的機器人圖片，特此說明致謝）
Fig. 4 Knowledge robots：From industrial automation to knowledge automation
5 展望
發展智能機器人系統是產業升級和智能產業的基礎，也是時代的要求。首先是智能產業對勞動人口的能力提出了更專、更深、更高，有時甚至是“非分”的要求，一般素質難以達到。其次是新一代“QQ”式的勞動力人口，伴隨著智能手機、微博、微信等“碎片化”社會媒體和生活方式成長，已經難以適應上一代傳統的學習方式與工作要求，相對而言“傳統能力”退化。這“一進一退”，使得需求雙方的差距更加擴大，必須靠機器人這類智能機器加以“補償”。否則，不但產業無法升級，整個社會的競爭和影響力也將退化，這就是中國和其他國家近年來紛紛提出發展機器人和智能制造戰略與計劃的根本原因。
人才，特別是面向應用的高端人才的培養和有效利用仍是機器人產業發展的瓶頸。此外，必須充分思考機器人產業發展的戰略，在提高加強物理形態的工業機器人的基礎上，關注并重視剛剛起步但意義非凡的軟件和知識機器人，特別是二者融合的平行機器人，吸取中國在計算機產業發展過程中的教訓，突破重“硬件”，輕“軟件”的傳統思維，不要在回頭撿“芝麻”之時，卻被面前的“西瓜”絆倒，在智能機器人和先進裝備制造領域再次失去另一次可能的重大發展機遇。
