中国的机器人产业说起来很火，都是虚火，太多的人看到了这是个风口，都跑来创业，不是真正热爱机器人，机器人行业本身需要相当深厚的技术积累与沉淀，这里面90%的企业都不会长久；无论是搞AI还是机器人能够成功的核心，一定是提升了效率，降低了人工成本。短期内，机器人创业的机会主要还是在B端。为什么这么说呢？因为现在技术和行业都不成熟，只有利益驱动，节省了人工成本，才会让企业率先接受机器人。

虽然从工业机器人角度来说，国内还存在诸多短板，如核心元器件、电机、传感器等，但服务机器人领域，国内的芯片厂商、传感器、语音识别等领域都各有所长，发展正逢其时。

其实目前国内机器人不足之处在于核心技术跟不上，包括上游核心零部件、中游机器人本体和下游系统集成，其中上游核心零部件包括精密减速机、伺服电机和控制系统。

我们国内人工智能没有与机器人完美结合，可以说没有人工智能的机器人根本不算机器人，目前国外的谷歌公司无人驾驶技术与谷歌大狗机器人都有了一定的人工智能水平，在整个中国机器人产业繁华表象的背后，大部分国内机器人企业还是在低端挣扎，关键零部件受制于人，核心技术缺乏，仅仅有概念、园区土地和政府补贴，并不能产生一个有强大市场竞争力的行业；与此同时，国外机器人品牌仍然占据绝对优势，国内机器人企业在知名度、可信度、出货量等方面难以望其项背。

虽然最近几年，平衡车、扫地机器人、多旋翼飞行器让机器人学开始进入人们的生活，但是可行的商业应用还是很少，而且已有的机器人和理论都还很难解决好与物理世界交互这件事情。

目前自主移动机器人三套件：激光雷达、定位导航模块、移动底盘；

现在国内的人工智能创业属于明显的技术红利期，估值普遍偏高。但从投资者的长远视角来看，未来随着基础计算平台和开源平台的丰富成熟，技术方面的壁垒会越来越不明显，整个人工智能的技术准入门槛会越降越低。

“历来技术不是机器人企业的竞争壁垒，而一家公司要想真正实现商业化场景布局必须要有精通光学、嵌入式、电子电路、驱动、产品、供应链、参数调整、测试、温控、运营、商业、数据、AI等不同方向的人才。

因为长期来看，人工智能、机器人创业和任何其他领域的创业一样，一定是综合实力的比拼，懂不懂行业、有没有找到刚需痛点、产品化和工程化能力怎么样（有没有好的产品和工程师团队？光在实验室里搞没用！）、营销能力怎么样（批量生产的话，你的供应链能力怎么样？），产品做完了能不能卖出去（知道什么方案能解决行业痛点，甚至有上下游的能力去推广销售掉解决方案或产品）等等。

光有好的技术及算法也不行，技术创业者如果只定位做技术提供商，而不直接面向用户/客户提供整体解决方案，未来价值会越来越小，不往上游走风险非常大，甚至是死路一条。

机器人学有四个核心领域：

感知部分：感知主要是基于视觉，听觉声觉传感器、声觉传感器及各种传感器的信息处理，如视觉传感器、图像传感器、红外传感器、超声波传感器、距离传感器（用于智能移动机器人的距离传感器有激光测距仪（兼可测角）、声纳传感器等，但是激光雷达是目前业界常用的传感器）、接近觉传感器（于触觉传感器和视觉传感器之间，可以测量距离和方位，而且可以融合视觉和触觉传感器的信息）触觉和力传感器、惯导等。

滑觉传感器（用于检测机器人与抓握对象间滑移程度的传感器）滑觉传感器按被测物体滑动方向可分为三类：无方向性、单方向性和全方向性传感器。其中无方向性传感器只能检测是否产生滑动，无法判别方向；单方向性传感器只能检测单一方向的滑移；全方向性传感器可检测个方向的滑动情况，这种传感器一般制成球形以满足需要。

速度和加速度传感器：速度传感器有测量平移和旋转运动速度两种，但大多数情况下，只限于测量旋转速度。利用位移的导数，特别是光电方法让光照射旋转圆盘，检测出旋转频率和脉冲数目，以求出旋转角度，及利用圆盘制成有缝隙，通过二个光电二极管辨别出角速度，即转速，这就是光电脉冲式转速传感器。

加速度传感器是一种能够测量加速度的传感器。通常由质量块、阻尼器、弹性元件、敏感元件和适调电路等部分组成。传感器在加速过程中，通过对质量块所受惯性力的测量，利用牛顿第二定律获得加速度值。根据传感器敏感元件的不同，常见的加速度传感器包括电容式、电感式、应变式、压阻式、压电式等。

机器人要想做到如人类般的灵敏，视觉传感器、声觉传感器、距离传感器、触觉传感器、接近觉传感器、力觉传感器、滑觉传感器、速度和加速度传感器这8种传感器对机器人极为重要；一般情况下业内目前采用多传感器融合技术，包括超声波传感器，防跌落传感器、碰撞传感器和深度摄像头等，使机器人实现更加智能、实用的自主运动。

内部传感器主要用来检测机器人各内部系统的状况，如各关节的位置、速度、加速度温度、电机速度、电机载荷、电池电压等，并将所测得的信息作为反馈信息送至控制器，形成闭环控制。

而外部传感器是用来获取有关机器人的作业对象及外界环境等方面的信息，是机器人与周围交互工作的信息通道，用来执行视觉、接近觉、触觉、力觉等传感器，比如距离测量、声音、光线等。

认知部分：认知部分则负责更高层的语义处理，如推理，规划，记忆，学习等人工智能、知识表达、规划、任务调度、机器学习等。

行为控制部分：专门对机器人的行为进行控制，如运动学、动力学、控制、manipulation和locomotion等。

数学基础：最优估计、微分几何、计算几何、运筹学等。

目前双足机器人主要有电机和液压两种运动控制方式，前者结构相对简单，但负载能力有限；后者虽然有较大的负载能力，但结构复杂。而轮式、履带式机器人的运动控制方式主要由纵向控制和横向控制两部分组成，前者调节移动速度；后者调节移动轨迹。在运动、避障过程中，轮式、履带式机器人能够根据速度的不同采取不同的控制策略，以保持整体的稳定性。从目前的技术发展和实用性来看，轮式、履带式的机器人显然更符合市场需求。

根据以往机器人领域的研究进展和对应用的初步分析可以认为如下的感知、认知技术，将是实现应用的关键。

1.三维导航定位技术。不管什么机器人，只要可移动，即需要在家庭或其他环境中进行导航定位。其中SLAM(Simultaneous Localization and Mapping)技术可同时进行定位和建图，在学术研究方面已经有不少技术积累。但对于实际系统，由于实时性低成本(比如无法采用比较昂贵的雷达设备)的要求和家庭环境的动态变化(物品的摆放)，因而对导航定位技术提出了更高要求，仍需进一步研发。雷达SLAM虽然成本较高，但却是目前最稳定、最可靠、高性能的SLAM方式。

一般SLAM可分为基于外部感知的环境特征提取、递推形式的预测和更新算法以及相应的数据相关技术三个步骤，算法至关重要。SLAM以往主流的是 A* 算法，它的路径是根据已知地图，预先规划好的，一旦机器人前往目的地的过程中遇到了新的障碍物，就只好完全停下来，等待障碍物离开或者重新规划路径了。但还有D*算法，即动态启发式路径搜索算法，可以让机器人在陌生环境中行动自如，在瞬息万变的环境中游刃有余。

SLAM机器人自主定位导航技术是指在未知环境下机器人无需人类帮助，完成自主定位、自动建图、路径规划、自动避障的整套流程。目前，该技术已广泛应用于机器人、无人驾驶、AR等领域，成为业内主流定位导航方式。

目前基于在SLAM领域，应用基于三角测距triangulation的激光雷达，专做机器人移动底盘的提供商，未来估计也很危险。主要是技术壁垒没那么高，其上游最主要的客户扫地机器人，只要出货量一大就会考虑自己做。

视觉SLAM经过了三个大时代：提出问题、寻找算法、完善算法。而我们目前正处于第三个时代，面对着如何在已有的框架中进一步改善，使视觉SLAM系统能够在各种干扰的条件下稳定运行。

SLAM算法在实际运用中会出现以下三个问题：

一是目前导航定位方案室内室外不能通用，或只能在平地使用，需不断改进来适应不同场景。

二是导航定位是其基本的功能，未来还将集成更多与应用所需的功能，并通过集成提供交钥匙方案。

三是如今研发是一种方案，但实际工程应用是另一种方案，未来一两年内或将实现统一。

2.视觉感知技术。其中包含人脸识别、手势识别、物体识别和情绪识别等相关技术。视觉感知技术，是机器人和人交互的一个非常重要的技术。

3.语言交互技术。其中包含语音识别、语音生成、自然语言理解和智能对话系统等。

4.文字识别技术。生活中有不少文字信息，如书报和物体的标签信息，这也要求机器人能够通过摄像头来进行文字识别。与传统的扫描后识别文字相比，其可通过摄像头来进行文字的识别。

5.认知技术。机器人需要逐步实现规划、推理、记忆、学习和预测等认知功能，从而变得更加智能。

从目前的研究现状看，服务机器人面对的关键技术均有了长足进步，但对于机器人技术，大家关心的一个问题是，是否需要采用专用的人工智能芯片。目前探索的一个方向被称作混血计算(Hybrid computing),其是指用通用处理器和其他架构一起合作来进行计算。不过，还处于早期探索的阶段。

目前机器人主要的瓶颈，还是在应用需求的开发和感知、认知技术上。也许未来的架构，也会随着对应用的深入开发而不断创新。一个架构是否能成功地应用于服务机器人，需要看性能是否满足应用的需求，功耗等是否合适，这是一个考虑多种因素平衡的选择。同时也可以考虑用FPGA架构来为一些比较专门的应用提供加速，这样在应用发生变化的时候，将具有更多的灵活性。

机器人正跨入2.0时代

第一代机器人能做什么呢？从智能化程度来讲，机器人具有两大属性，一个是机器属性，另一个是人的属性。

第一代机器人或者说传统意义上的机器人更多的偏向于机器属性，即作为一种专用的机器设备来替代人类的工作，主要是拓展人类的肌肉功能、做一些体力活，比如搬运、码垛、焊接、喷涂、装配等一些需要人力来完成的繁重、单调、乏味的工种。另外，还有一类是在高温、高压、有毒、易爆等复杂的工作环境下代替人完成环境监测与事故应急处理处置作业任务的机器人。

第一代机器人有个共同的特点，它们往往只能在结构工作环境下进行工作，即只能在预先编程的情况下，做一些程序化的、重复性和规定性的工作。从功能实现角度看，现在大多数的机器人缺乏环境感知系统、视觉功能和力觉功能，也没有触觉功能，就好比人没有眼睛、没有神经系统一样，感受不到外界环境的实时变化，不能很好的与外界进行沟通和交流，因此也就不能适应复杂的非结构环境和空间下的自主工作。

此外，在灵活性、灵巧性操作层面，机器人的作业能力还有待进一步提升，特别是在智能手机、笔记本电脑和平板电脑等消费者电子产品的组装生产上。一方面，现有机器人产品在精度、性能等方面不能满足上述新领域的技术要求；

安全性也是机器人非常重要的问题之一。目前大部分机器人都工作在围栏里边，与人隔绝，将来的机器人趋势将亟需解决人机协同作业问题，尤其是在如何保证人类的安全方面。

在人机协作方面，目前市场上已经出现了大量的人机协作机器人产品，如ABB双臂机器人YuMi、KUKA的iiwa机器人，以及发那科的绿色机器人等。这类机器人一般具备安全功能，一旦检测到有人碰触就会立刻停止工作、受到人的推力也会巧妙地避开等等。但当前成熟应用于工厂里的大多数机器人还不能很好的与人进行自然的交互，更多的依赖于编程、键盘等工具和手段。

从演进路径看，新一代的机器人将会从“传统机器人”走向“现代机器人”，并且朝着人机交互，人机交流，人机一体的方向发展。

从发展趋势来看，机器人的智能化将经历计算智能、感知智能和认知智能三个不同的阶段。首先是计算智能阶段，计算智能主要指机器可以有超强的记忆力和超快的计算能力，这个阶段随着计算机的诞生而开始。其次是感知智能阶段，目前机器人智能技术已经进入此阶段。最后从感知智能进入到认知智能阶段，还要解决如何让机器自我学习的问题。

要实现机器人的认知智能功能，即机器自己可以思考、可以理解，这一目标还有很长的一段路要走。在实现这一过程中，包括大数据、云计算和移动互联网等新一代信息技术和人工智能技术的发展将会起到非常关键的作用。

服务机器人的核心技术包括人机交互、导航及路径规划、多机器人协调、人工智能、云计算等，具体涉及语音、语义、处理器、算法、通讯、大数据、云联网等，以实现服务机器人的自主性、适应性、智能型。专业选择大致分为两个方向，一个是算法方向，包括机器学习，人工神经网络，智能计算等，可以简单理解为机器人的大脑系统，需要大量的运用到编程，算法，所以一定要对编程很有兴趣，相关专业如计算机科学与技术、软件工程等；一个是机械传动方向，偏向于自动化，相关专业为自动化专业、控制理论与控制技术、计算机控制技术等。

人工智能、机器人这个领域是对人的意识、思维的信息过程的模拟，属于交叉学科，也是一门极富挑战性的科学，从事这项工作的人必须懂得计算机知识，心理学和哲学等等。

好比我们在广告视频推广看到的物流机器人，大多数只是从事简单的搬运工作，即将货物整块卡板从库位A移动到库位B，从库存区移动到捡货区再送回库存区，在大数据分析的支持下主动的调整畅销品的库位从而提升捡货的效率，再高级一点的可以学会组板和拆板，可以在人的语音或者手势指挥下将散箱抬下流水线或者装车，可以在限定区域和工作内容下的拆卸包装或者放置物品。

机器人项目推广方法：

第一，就是需要精确的告知顾客，机器人可以做什么，不可以做什么，在仓库作业中机器人使用的优势以及由此带来的流程和仓库规划的限制条件。控制客户的期望是销售任何解决方案类产品的第一要点。不要让客户期望过高，因为一听到机器人，所有人都会觉得是高科技，天马行空的想法非常的可怕，对项目的推进有巨大的破坏性。

第二，就是需要大概的计算投资回报率，准确按照财务规则计算的结果。当然在前期可能针对当前项目的数据是没有的，就是介绍行业的平均情况，大概一次性的投入和回收期，技术的革新速度和更新换代的频率等。首先需要确认给客户的是，机器人是高科技，也是投入有回报的高科技。介绍这个的时候，估计客户的老板眼睛都亮着耳朵都竖着的，打动客户关键就在这里了。

第三，就是项目实施的方案。机器人不是一个单独的产品，不是卖给你一个扫地机器人，拆开包装就可以扫地这么简单。机器人的产品，必须包含了跟客户现有流程现有系统的改造，必须包含了对客户第一线工作人员的观念升级，必须包含了技术的不断创新和问题的不断发现和解决。

第四，就是必须有大数据分析的全程参与。成本的核算，人机共存的生产环境优化，机器的路径优化，现有系统的设置调整，现有流程的精简和增加，这一切都必须在数据收集／分析／总结的基础上。个人经验主义不是没有了市场，而是失去了决策的准确性和指导性。

最后，就是重复讲解，机器人可以做什么，在客户的这个项目或者仓库中，可以做什么，主要的提升在效率还是在流程改进上还是在人员节省上，最终都是体现在财务报表上才是可以落地的项目。

其实能做得了技术服务，不一定能做垂直解决方案，因为团队不一定有行业经验，这是很大的问题。只做技术提供商肯定不行，一定要做整体解决方案——选个适合你的行业，把你的技术产品化、然后搞定用户/客户实现商业变现、然后获得更多的数据，这样才能再夯实你的技术。一句话讲，要做技术、产品、商业和数据的“全栈”，形成闭环！如果你的技术创新对这个垂直领域是革命性的，就越有机会走到上游。如果只是改良性的，你就老老实实在下游赚个辛苦钱算了。越是颠覆性的东西，越有机会往上游走。因为上游越离不开你，意味着你有机会做他的事。