从固定机械臂到人形机器人：移动机器人的演进历程

从固定机械臂到人形机器人：移动机器人的演进历程 本文在撰写过程中得到了Iain Galloway、Joost van Dorn、Gerald Peklar、Peter van der Perk、Jari van Ewijk等专家的指导与支持。Nicolas LehmentCTO-SBS-SI 目录 摘要引言三大核心议题复杂性演进路径地点导航与任务执行应对新任务的复杂性结论和行动倡议...............................................................................................................................3...............................................................................................................................3..........................................................................................................................3...........................................................................................................3.........................................................................................................8.......................................................................................11.......................................................................................................12 摘要 经过计算机设计、控制理论、电机工程及传感技术的多年发展，机器人逐渐具备导航、交互与协作能力，能够完成更复杂的任务。如今，具身人工智能正成为新一代高机动性机器人的核心技术特征。本文总结了构建日益复杂的机器人系统的关键要素及其重要性。 本白皮书围绕移动机器人领域，探讨机器人技术的前沿进展与挑战，聚焦三大核心议题：机器人运动控制，复杂环境下的感知与导航，以及适用新任务的模块化与灵活性。全文以机器人系统从简易固定机械臂到高端人形机器人的演进脉络为主线，着重阐述具身人工智能（embodied AI）在实现机器人多功能化与敏捷性方面的重要价值。 三大核心议题： 文章系统梳理了自动导引车（AGV）、自主移动机器人（AMR）、漫游车、无人机、腿足机器人及人形机器人等各种机型，深入解析各种机型的控制系统、导航能力及为提高性能进行的AI集成。同时，文中还指出，为实现机器人系统的可扩展性与智能化，需要配备先进的实时控制器、功能安全机制及高效电源管理。 • 机器人运动控制机• 日益复杂环境下的感知与导航• 适用新任务的模块化与灵活性（沟通、设计等） 本文暂不展开机械设计、任务管理及机器人软件开发等细分领域，如有兴趣，欢迎联系移动机器人团队进一步交流。 本文最后讨论了人形机器人在以人为中心的环境中的未来应用，并强调构建多功能机器人形态组合对于提升实用性和加速普及的重要意义。 复杂性演进路径 以运动方式为分类维度，现代机器人可划分为几种不同类别，与操作机器人所需的控制与指令系统的复杂性形成显著的对应关系。随着各类技术的不断发展与完善，复杂性逐渐变得可控，其演进过程也可视为一部简明的机器人发展史。 引言 机器人技术一直是人类科技关注的焦点。尽管科幻文学中早期对机器人的描绘多为类人生物形态（如卡雷尔·恰佩克、艾萨克·阿西莫夫、E.T.A.霍夫曼笔下的经典形象），但1961年应用于汽车制造业的首台机械臂Unimate却是极为简化的工业设备。 机 器 人 最 简 单 的 形 式 可 能 是 一 个 三 轴 固 定 机 械 臂 或龙 门起重机，用于将物品或工具搬运至工作空间内的特定位置。更为复杂的固定机器人通常采用“机械臂”结构，由5至7个依次相连的驱动关节构成，末端配有工具或夹具。这类机械臂已广泛应用于装配、取放、焊接、检验等工业领域。机械臂的运动轨迹在空间内的指定点之间预先规划与计算，由中央电机控制系统根据位置/扭矩曲线调度关节电机，将工具移至指定位置。 在环境可控且已知的情形下，路径规划与运动控制可预先计算，或以低频运行。 随着工厂加速自动化进程，工程师已开始运用机器人在车间和仓库搬运货物与箱子。自动导引车（AGV）通过识别嵌入地面的磁条或光学标记，在预设站点之间进行导航。由于路径固定且地面平坦，AGV的电机控制与运动控制相对简单。 随着传感与计算能力的提升，AGV逐渐演变为具备自我定位与导航功能的自主移动机器人（AMR）。尽管运动与电机控制系统基本不变，但为了处理同步定位与地图构建（SLAM）、路径规划、任务调度以及更高层级的系统接口等任务，系统中需新增一个独立的计算模块。 计算、电机控制与传感技术的最新进展，逐渐打破传统的集中式结构与僵化的调度，更轻量化的机器人能够在工作空间内灵活地操控工具或夹具。目前，这些系统采用由中央运动规划器引导的分布式电机控制系统。 需留意的是，路径规划、运动控制与电机控制是三个区别明显的概念： • 路径规划是从工作空间层面考量任务，确定机器人需将工具（或自身）移动至何处，以完成指定任务。• 运动控制将机器人在操作空间内的姿态与位置视作其关节位置的函数。为实现路径规划器要求的目标姿态，运动控制会计算电机所需执行的动作。• 电机控制负责实时指令下达与状态监测，执行由运动控制系统计算出的动作指令。 理解身体运动控制与单个电机控制之间的紧密关联，为腿足机器人的设计奠定了基础。从波士顿动力公司的四足机器人Spot等广为人知的设计开始，工程师原本应用于单个转子的运动/电机控制回路扩展为运动链结构。可以这样理解：在无人机中，四个转子以不同的力向下推动空气。若要以稳定的速率上升，必须同时提高四个转子的转速。而机器狗站立时，至少两个（通常是三个）关 节 需 以 不 同 的 扭 矩 和 速 度 移 动 至 特 定 位 置 并 精 准保持。因此，腿足机器人从相对简单的集成速度控制，转变为多个位置控制回路组成的互联运动链。在运动过程中，机器人的重心通过这些运动链的动态排列来保持平衡。 漫游车与自主移动机器人（AMR）同属轮式机器人，但它们已突破仓库和工厂等结构化环境的限制，能够在动态的户外环境中执行货物运输或状态监测任务，甚至远赴火星。漫游车面临的主要挑战在于如何在不受控的广阔环境中进行导航；在这种环境下，避障与机载规划是任务成功的关键。我们将在“地点导航与任务执行”章节中更详尽地探讨导航方面的挑战。 需要指出的是，前文提到的所有系统（机械臂、AMR和漫游车）在设计上本身就具备稳定性——即使断电或运动控制功能失效，系统也会自动进入安全、稳定的静止状态。然而，随着嵌入式计算能力的提升，工程师开始突破固有稳定性的限制。在研发多旋翼无人机时，工程师成功地让本质上不稳定的系统实现了稳定。 这一成果得益于对原本独立的运动控制与电机控制系统的深度整合。运动控制成为维持特定位置与姿态所必需的实时关键功能。一旦运动控制回路中断，无人机将立刻坠落。由于功耗与重量的限制，路径规划等更高层级的功能在早期通常由人工操作完成，例如通过遥控器下达“以特定速度向前移动”等一般性运动指令。 为了稳定控制这些运动链，需要位置编码器、电机、惯性测量单元（IMU）、陀螺仪和计算元件等所有相关组件之间实现低时延通信。此外，还需以低时延执行复杂的全身运动与电机控制算法，而这一能力的实现得益于机载计算能力的显著提升。 更为复杂的是，这些系统被设计用于应对具有挑战性的环境——毕竟，在平坦的仓库或医院地面，简单轮式结构已足够应对移动需求。腿部结构只有在轮式方案不再适用时才显现其价值，因此在运动规划中必须考虑环境因素（例如，确定机器人每只脚落下的位置）。由于系统处于动态运动且本身不具备稳定性，运动规划必须以极低延迟执行，确保每只脚都能及时落在符合更高层级导航要求的合适位置。 当前许多腿足机器人仍通过“踩踏式”腿部运动规避这一挑战，这种模式在多数平坦地面场景中有效。但未来技术突破的关键在于开发近实时的运动规划器，以支撑复杂的运动与电机控制系统。 尽管仍面临诸多挑战，人形机器人如今已具备在林间小道上以双足行走的能力。然而，要实现人形机器人的完整构想，手臂部分也必须纳入考量。目前，许多演示系统聚焦于展现复杂的身体运动，以营造视觉上的强烈冲击。在这些系统中，手臂作为辅助元件集成至全身运动规划与执行框架中，力求达到实时协同。这一设计显著增加了计算复杂性，因为在腿部沿预定路 径行走（或完成复杂的跳跃动作）时，手臂需要辅助维持平衡。 机器人研发企业倾向于将关键计算任务集中于单一中央计算平台，同时通过嵌入机器人四肢与关节驱动器的微控制器（MCU）来执行单关节位置控制。这种架构既满足运动规划与控制的无缝集成需求，也便于在持续的快速迭代过程中只需更新一个计算平台。 目前研究与创新的前沿在于赋予人形机器人多物体交互能力，比如搬运不同重量的物品、使用手持工具对静止甚至动态的物体施力，以及转动头部捕捉全景与细节。上半身执行的动作必须通过全身运动与控制保持平衡。由于手臂上的接触力在任务过程中不断变化，为了维持整体平衡，运动规划系统必须与实时控制回路深度融合，以适应任务执行中动态变化的运动约束。 尽管人形机器人备受关注，但从经济实用性出发，轮式或多足结构仍然是主流地面移动机器人方案。 运动规划越来越依赖AI模型，具身人工智能正深刻影响系统设计，AI逐步成为保障系统稳定与平衡的核心部分。因此，对AI可靠性与实时性能的要求也变得至关重要。 地点导航与任务执行 目前，大多数轮式移动机器人的导航主要依赖于两类传感器。第一种是激光扫描仪，既能生成机器人周围水平地面的二维地图，又能触发关键的功能安全机制。第二种是摄像头，在有限的视野（FOV）内收集重要信息，比如用于标识位置或待取货物的二维码。 信息（如仓库地图）进一步提升精度。生成的地图随后用于规划通往环境中特定位置的路径，同时考虑其他机器人或箱子等临时障碍物。这个阶段称为导航，其复杂程度取决于作业区域的大小、其他车辆或人员的数量和速度，以及作用于机器人的操作限制等因素。在仓储物流中，广域导航通常由集中协调计算机处理，为整个机器人机群安排路径。 激 光 扫 描 仪 和 摄 像 头 的 数 据 会 被 输 入 到 负 责 环 境 建 图和 导 航 的 计 算 模 块 中 。 这 个 过 程 的 第 一 阶 段 通 常 称 为SLAM，可以通过全球或本地定位系统（如GPS、蓝牙®标签、墙上的二维码）提供的数据进行增强，并结合已有 在 工 业 或 物 流 环 境 中 运 行 时 ， 固 定 机 械 臂 和A M R都必 须满足严格的安全要求。将机器人与人类用户严格隔离，或者使用经过安全认证的区域传感器（如激光扫描仪），可以满足功能安全需求，例如在人员接近时，于安全距离内停止运动并切断系统电源。虽然这些区域传感器也可用于导航任务，但它们会在车辆周围划定一 个 严 格 的 安 全 区 ， 确 保 无 人 会 接 触 到 正 在 移 动 的机 器人。然而，其高昂的成本是工业机器人整体系统成本居高不下的一个重要因素。 更广泛的应用领域。可以说，手机市场对低功耗、高性能芯片技术的推