详情
全书根据主题内容的相关性，进行了精选和重新组织，分为5章。 第1章介绍了机器人的历史、机器人挑战赛、机器人对人类的挑战、机器人开发的难点以及自动驾驶技术的发展。第2章是新款机器人的产品实测，介绍了ALAN机器人和国产的e-dog机器人等。第3章详细介绍了用PICAXE处理器和BASIC编程来实现各种机器人。第4章是机器人DIY。第5章是全球机器人领域最新的研究动态和资讯。
书名：机器人爱好者（第3辑）
ISBN：978-7-115-45176-7
本书由人民邮电出版社发行数字版。版权所有，侵权必究。
您购买的人民邮电出版社电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。
我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。
如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能追究法律责任。
• 著 美国SERVO杂志
译 符鹏飞 况 琪 雍 琪 赵 俐 等
责任编辑 陈冀康
• 人民邮电出版社出版发行 北京市丰台区成寿寺路11号
邮编 100164 电子邮件 315@ptpress.com.cn
• 读者服务热线：(010)81055410
反盗版热线：(010)81055315
Copyright © 2015 by T & L Publication, Inc.
Authorized translation from the English language edition published by T & L Publication. All rights reserved.
本书中文简体字版由美国T&L公司授权人民邮电出版社出版。未经出版者书面许可，对本书任何部分不得以任何方式复制或抄袭。
版权所有，侵权必究。
本书是美国机器人杂志《Servo》精华内容的合集。
全书根据主题内容的相关性，进行了精选和重新组织，分为5章。第1章介绍了机器人的历史、发展状态以及前景，特别关注了ARPA机器人挑战赛、机器人对人类的挑战、机器人开发的难点以及自动驾驶技术的发展。第2章是新款机器人的产品实测，介绍了ALAN机器人和国产的e-dog机器人等。第3章是专栏文章，详细介绍了用PICAXE处理器和BASIC编程来实现各种机器人。第4章是机器人DIY，包括机器人伺服的相关文章，以及机器人大脑的构建文章。第5章是全球机器人领域最新的研究动态和资讯。
本书内容新颖，信息量大，对于从事机器人和相关领域的研究和研发的读者具有很好的实用价值和指导意义，也适合对机器人感兴趣的一般读者阅读参考。
Tom Carroll 撰文 雍琦 翻译
2015年6月5日至6日，DARPA机器人挑战赛（DRC）决赛在美国加州洛杉矶波莫纳市的波莫纳展览中心举行。Thomas Messerschmidt此前曾撰文报道了此次比赛。我以前的文章也介绍了“前DRC”时代的某些情形，重点是DARPA挑战赛的历史。现在，规则已经变了，而DARPA机器人挑战赛已成为（用他们的话来说）历史。
我饶有兴味地读了关于最近一次DARPA机器人挑战赛的大量报道。有不少参赛者取得的成果简直令人吃惊。当然，另一些参赛者的失败也是免不了的。
不论对于专业人士还是普通大众来说，比赛都是极其精彩的。有意思的机器人太多了，有的来自学校，有的来自专业的机器人制造团队，它们共同营造出一种让人不虚此行的参观体验。关于决赛的新闻报导，占据了科技类新闻6月份里的头条——不论是正面还是负面的。
如果说有什么事让我失望的话，就是那些带有负面倾向的文章和报导。是的，确实有不少机器人在走出运输车或横越模拟碎石路时摔倒。于是，有人就形容步行机器人就像“小孩走路那样跌跌撞撞”。
是有不少参赛机器人摔倒了，有的还摔过不止一次，但经过修理，它们大多数仍能正常参加比赛。参赛选手及其团队为自己的机器人骄傲不已，哪怕它身上确实存在一些问题。
有些记者还有意强化悲剧。在德国大众汽车的车间里，有一个机器人装配工因为意外事故而身亡。我真想问问关心这件事的普通大众，还有媒体，你们对机器人和机器人挑战赛的复杂性懂得多少？或者，你们知不知道机器人技术已经取得的任何进步？
美国国防部高级研究计划局（DARPA）是在2012年提出设立机器人挑战赛（DRC）的想法的，就在不久前，他们成功举办了自动驾驶大奖赛。实际上，2011年发生在日本的福岛核事故，促成了机器人挑战赛的设立。
有时候，救灾现场对于救援人员来说太过危险，这就需要借助机器人进入现场，帮助救援。这也是设立机器人挑战赛的初衷。福岛核事故救援中就已经使用了机器人，但人们也明显意识到，还需要有更妥善的机器人解决方案，用于清理污染物。
在深入介绍最近的DRC比赛之前，让我们首先回顾一下20世纪五六十年代的太空竞赛。就在肯尼迪总统宣布美国将在20世纪60年代末登上月球之后，发射火箭折戟沙场了。
如果你在数月前亲眼目睹了火箭爆炸事故，你会愿意坐着经过改造的火箭驶向太空吗？
那时，水星计划和双子星计划已经成功实施。尽管如此，阿波罗8号的宇航员Bill Anders后来向我透露，他1968年第一次驾驶土星5号和阿波罗飞船进行的登月之旅，实际上隐藏着巨大的危险。
当时，有很多经验丰富的NASA工作人员认为Bill他们三个很可能没法活着回来，这次行动充其量只是对世人的炫耀。
美国政府还是下决心一试身手。就在第二年，我们成功地将二名宇航员送上月球，这是航天技术的巨大胜利。自1972年以来，美国航空43年间未遇敌手。科技进步，一路向前。
接下来，我们再来回顾一下最早的DARPA大奖赛。2004年3月，DARPA在加州的巴斯托市（Barstow）设计了一条169公里的越野赛赛道，邀请15个团队带着他们的自动驾驶汽车参加比赛。
获胜者将获得100万美元的奖金。但是，参赛汽车能够行驶的最远距离只有1.6公里。图1中卡内基梅隆大学的红队汽车行驶了最远的距离，但仍没有获奖。有些人认为这场赛事是以失败告终的。
图1 卡内基梅隆大学的红队，在2004年的DARPA大奖赛中开出了最远的路程
好在DARPA的领导说服了美国政府，得以继续举办比赛。第二次比赛于2005年10月在加州、内华达州交界地区举办，有5辆参赛车辆完成了全程约220公里的比赛。
第5名——来自Oshkosh卡车公司的名为TerraMax的巨形卡车——总共用了12小时（包括晚上休息时间）完成比赛，用时超过了比赛限定。获胜者是来自斯坦福大学团队的汽车（图2），总共用时6小时54分钟。
图2 斯坦福大学的参赛车赢得了2005年的DARPA大奖赛
看到了吧，相对第一次比赛来说，第二次比赛取得了巨大的进步！我们从中学到了很多无人驾驶的相关知识。
两年以后的2007年，DARPA举办了第三次无人驾驶大奖赛，这次的场地是一条96公里长的封闭赛道，地点位于加州胜利谷的前乔治空军基地。参赛者需要在6小时内完成比赛，而且要遵守驾驶规范和交通规则，不仅要能躲避障碍物，还要会避开突然并道的其他汽车。
卡内基梅隆大学的参赛汽车Tartan（图3）赢得了比赛，用时4小时10分钟。这辆参赛汽车是基于雪弗兰塔荷改装的。
图3 卡内基梅隆大学的Tartan拉力赛车赢得2007年城市挑战赛
先前的比赛里，总有汽车会冲撞护栏，摔出赛道。如今，参赛汽车不仅外形靓丽，而且能顺利穿越模拟城市道路的赛道。不得不说，这又是一个巨大进步。
这些DARPA举办的早期比赛，印证了一句老古话，“锲而不舍”，总会成功。
DARPA举办的系列比赛——从自动驾驶比赛到机器人比赛——可以说是政府部门的精明举措。
与其花大把的钱给仅仅是“可能”开发出新产品的投标公司，还不如以特定技术为目标，组织高质量的比赛，从中选取技术方案。这正是DARPA使用的办法。
比赛中的获胜者，可以拿着数百万美元“一走了之”，而DARPA则以相对来说极其低廉的价格，获取了技术专利。这是一种双赢。
有鉴于日本核事故及其贻留的环境灾难，DARPA举办了DRC比赛，希望组织世界各地的天才团队，让他们参与到友好的竞赛中来，目的是开发出一种可以进入类似福岛核事故现场，并帮助人类清理环境灾害的机器人。
现在，我们来看看激发DARPA做出决定的2011年日本地震，看看它究竟造成了的什么样的灾难。2011年3月11日，日本发生了大地震，其震级强度和破坏程度，堪称有记录以来最严重的一次。日本可以说是世界最重视地震和海啸的国家，但这次地震仍让他们措手不及。
当天下午2:46，福岛县遭遇了里氏9.0级地震。地震及其引发的海啸，造成18 500人遇难，48 8000人暂时或永久性地失去了他们的住房。
这次地震造成了重大的生命损失，幸存者也往往无家可归。但情况比这还要严重得多，地震破坏了附近的核电站，核污染最难清理，恢复过程同样很艰难。核反应堆的冷却装置在地震中失效，海水倒灌进核电站，破坏了备用发电机，强烈的核辐射使得救援人员无法进入核电厂。我在2011年6月份发表的文章，只是描述了整个灾难的冰山一角。
DARPA基本上要求参赛机器人是人形双足机器人，这一点具有充足理由。绝大多数建筑物，都是为适应双足行走而设计建造的。同样，汽车、楼梯、门廊、门把手、阀门把手、电器开关、手持式电动工具以及其他类似的东西，也都是为符合人体形状、便于人类操作而设计的。
下面列出了2015年DRC比赛的8项任务，每个任务计一分。
1．进入汽车，并按路线驶出一段距离。图4是一辆北极星游侠ATV全地形汽车，在测试赛中使用的也是这种车，不过为了适应身形较高的机器人，移除了翻车保护杆。有的团队选择让机器人自己走过比赛要求的路程，而不是驾驶汽车。
图4 Trooper团队的Atlas机器人坐在副驾驶座位上驾驶汽车
2．离开汽车（从汽车里走出来）。对有的机器人来说，做到这一点是很困难的。
3．打开建筑的大门，再走过一扇开着的门。门是朝内开的（与机器人行进方向一致），没有门槛。一旦完全打开，它就不会自己关上。如图5所示，有的机器人身形较大，要侧着身子才过得去。原设计了3种门。
图5 卡内基梅隆大学的Warner机器人，它得侧过身体才能进门
4．打开阀门（属于测试赛中的3种阀门之一）。DARPA使用的是直径20厘米的圆形阀门。阀门要以逆时针方向转动。
5．使用装配回旋刀的“钻机”在石膏墙板上割出一个洞。墙上画有一个圆形，直径同样大约是20厘米。必须要把这个洞挖透，洞内不能遗留任何建筑材料，但又要避开这个小洞之外的另一个较大的圆形。
6．决赛中出现了一个之前没有的、让人大吃一惊的任务。这项任务考验的是操作能力，而不是移动能力。这个“惊喜”就是，拔出插头，插到另一个插座上。这个任务对于机器人来说，可不像人类想的那样简单。插头的方向必需正确，而且要对准插座——有时候这对人类来说也是稍有难度的。
7．穿越碎石路。这项任务同测试赛时一样，有时要搬开布满一地的碎碴（断裂的管道和板材），有时要绕过随机放置的水泥块。很多机器人在高低不平的路面上摔倒，或者在经过水泥块时被碰倒。第7项任务本来设计为给消防栓安上水管。
8．爬上一段楼梯（台阶数和坡度都比测试赛中小）。楼梯只在左侧有扶栏。
如果机器人摔倒，或者需要手动调整，就要被罚10分钟的赛时。机器人有时可以调整自己，继续前进，但大多机器人跌倒时都需要人类的帮助。如果机器人无法完成某项任务，也要被罚10分钟，而且得“重启”为初始状态。
我敢说，大多数正常的成年人面对这样的比赛场景，只需要几分钟就能完成所有任务。但这不是比赛的重点。想想看，你被扔在充满核辐射的灾难现场，周围全是不稳定的化学物质和其他危险，该怎么办？赶快派出机器人吧！
美国和其他一些国家都向福岛核事故现场派出了履带式机器人，而且取得了一些成绩。日本在灾后迅速制造出来的机器人，也在救灾中派上了用场。不过，很多政府官员仍然认为，事故现场最需要的是人形机器人，它们需要有灵活熟练的机械手和臂膀，还要能够快速攀爬和穿越布满碎碴的路面。
下面的图表展示了参加DRC比赛的机器人，种类繁多，功能各异。其中有6个团队，使用DARPA现成的、价值百万美元的增强型Atlas机器人作为参赛机器人。
Atlas机器人的初始版本使用系绳作为外部动力。理由是：大型机器人容易消耗能量——大量的能量——而且系绳也有安全带的作用，可以防止机器人在测试时摔到地面。DRC参赛机器人都在其内部安装有很重的电池包，这对于保持行进平衡来说是一大不利因素。
Atlas机器人是由著名的波士顿动力公司制造的。表现让人惊叹的“大狗”就是由这家公司制造的，他们还设计制造了其他多种军用机器人。Atlas机器人高约1.83米，重约149～181千克，全身有多达28个液压关节，其原型是PETMAN机器人。
MIT的计算机科学和人工智能实验室为Atlas机器人设计软件，这是他们设计的第6个机器人软件，全部代码多达65万行。波士顿动力公司长久以来在机器人的动力平衡和行进控制方面，在世界范围内占据领先地位。
其他的参赛机器人均由各自团队自行设计制造。比如图6中正在进门的HUBO KAIST机器人，就是200万美元奖金的得主，它比赛用时44:28，得到了满分8分。图7中的机器人，设计堪称绝妙，它的膝盖和脚上都装有轮子，与其说它是行走式的，不如说是滚轮式的。图8展示的是KAIST HUBO机器人正在操作阀门。看它的姿势好像膝盖可以正反两面弯曲，其实不是，而是它的腰部可以旋转。它高1.8米，重79千克，基本上同一个成人的身高和体重差不多。KAIST这种人形双足机器人是从HUBO机器人发展而来的，如图9所示。HUBO不像本田公司的阿西莫（Asimo）机器人那样出名，但它全身没有一处是多余的。图10展示的是IHMC团队的机器人奔跑者（Running Man），它夺得了比赛的第二名，用时50:26，也得到了满分8分。Atlas型的机器人很会逗人乐，有时会绊一下，有时会摔到水泥块上。比赛的第三名用时55:15，同样获得满分8分，它是来自Tartan Rescue团队的CHIMP（CMU Highly Intelligent Mobile Platform，卡内基梅隆大学高级智能移动平台）机器人，如图11所示。我觉得它的样子就像手肘和脚上戴了磨砂带的红色大猩猩。
图6 第二天的比赛里，KAIST HUBO机器人正在开门。请注意它膝盖和脚上的轮子
图7 KAIST-4机器人的屈腿动作，可以看到受动轮和万向轮的布置方法
图8 KAIST HUBO机器人在比赛中打开阀门
图9 获得极大成功的HUBO人形机器人
图10 IHMC团队的奔跑者机器人，正走出北极星全地形车。它最终赢得了比赛第二名
图11 Tartan Rescue团队的CHIMP机器人，正在尝试比赛的第5项任务
实际上，卡内基梅隆大学的机器人设计得棒极了，非常适合用于救援抢险。卡内基梅隆大学一直在机器人技术方面处于最前线，而且还是从前的DARPA大奖赛的冠军。像KAIST HUBO这样使用轮行走的机器人，则是表现很稳定的有力竞争者。
图12所示的机器人属于来自德国的NIMBRO Rescue团队。它采用轮行走，重量是58千克，在灾害现场表现出灵活的操纵性能，还很善于爬楼梯。在DRC比赛中，这是一个靠轮行走的机器人的优秀案例。
图12 德国NIMBRO Rescue团队的机器人，正在尝试堪称“令人惊喜”的任务
我们不应该把关注和思考全部集中在单个机器人的缺陷和失误上，而是应该把DRC比赛本身看作是发展机器人技术的关键环节。举办这项比赛，目的在于设计制造出这样一种机器人——它能够帮助人类应对极端的、不可预知的自然和人为灾害。
想想过去数十年里无人驾驶汽车取得的长足进步吧。人们也设计并运行过机器人辅助太空作业，我同情他们的失败，同时也为他们取得的成绩欢呼喝彩。
我没有故意展示机器人摔倒的场景。为什么要让团队成员感到尴尬呢？他们为了让自己的机器人表现出色，兢兢业业地苦干了好几年。失败是成功之母。托马斯•爱迪生为了找到合适的白炽灯灯丝，寻寻觅觅了无数次，他曾这样说过：
“我不是失败了10000次。可以说，我一次也不曾失败过。我成功证明了那10000种方法是无效的。当无效的方法都排除后，我就能找到正确的方法。”
他的话正好可以用来说明，取得重大进步的历程是充满艰辛的，不论是设计机器人也好，还是发明灯泡也好。进步有可能是缓慢的，但对于那些努力奋斗的人来说，它是终将达成的。
Tom Carroll 撰稿 雍琦 翻译
我第一次看到极富天才的多产艺术家Donato Giancola的作品《伤心机器人》（Robot Sorrow）
（图1），是在2015年8月的《大众科学》（Popular Science）杂志上。Giancola以其充满奇幻色彩的绘画作品闻名于世，这些作品甚至为当今的很多电影创作提供了素材和主题。他的作品细节丰富，叙事有力，就像《伤心机器人》里表现的那样，两个机器人俯身凝视一位妇人的尸体。你可以从画作里感受到爱和悲伤。我不知道这幅场景背后的故事。是机器人和人类的战争吗？是人和人之间的战争吗，抑或只是人类的渐趋灭亡以及机器人在末世幸存？未来的人工智能会否变得性格怪癖甚至邪恶，不懂得以爱来回报创造出它们的人类？人工智能会是人类的终极挑战吗，它会不会终结人类？
图1 《伤心机器人》
“机器人就要接管我们了！”“人工智能是恶魔，带有伪装的恶魔。”想必大家在近些年的影视作品里，多少听到或看到过类似的论断。电影里总把机器人当作坏人。2015年6月份第一期的《时代》杂志有这样一篇文章，《科幻作品里的好技术变坏了》。文章里提到：“在电影作品里有一个悠久的传统，就是表现对于机器人摧毁人类的恐惧。时至今日，这种恐惧变得真实起来。”
文章的作者Lev Grossman在谈到2015年的暑期档电影时是这样说的：“《复仇者联盟2：奥创纪元》（图2）里的大反派是个机器人，它的目标就是彻底消灭人类。”文章又说：“《终结者：创世纪》（图3）里反派同样是机器人，它们的目标同样是消灭人类。”作者接着指出：“《明日世界》（图4）里反派老大的爪牙又是机器人，它们想让人类走向自我毁灭。”
图2 《复仇者联盟》
图3 《终结者》
图4 《明日世界》
机器人会不会反噬人类？这样的问题可不仅仅只有我们这些机器人制造者在关心。英国科幻电影《机械姬》（图5）提出了一个不同寻常的思考角度。
图5 《机械姬》
故事是这样的：有个大型互联网公司的员工，赢得了一次访问公司老总私家庄园的机会，他将在那里测评老总的最新创造。这个“创造”是一个机器人，名叫Ava，被赋予了情绪智力。但是她的情绪智力不知怎么地异常成熟，甚至具有很强的欺骗性，远远超出了两个人类主人公的想象。
很多电影都把机器人描写成对人类怀有恶意的智能，而不仅仅是简单的计算机。它们的外形通常跟人类有点像，能走会跑，会说话，一双红眼透着邪恶，极具荧幕表现感。比起普通电脑或亮着信号的控制台，电影里机器人的形象显然更富有冲击力。《太空漫游2001》里的机器人HAL 2000，或者《机械公敌》里的机器人VIKI，可以算作例外。不过，HAL 2000仍然有着环绕整架飞船的红眼，VIKI则控制着所有的NS-5机器人。
拥有高级人工智能的坏蛋计算机，或许是邪恶力量的症结所在。但它总要通过机器人或某种别的机械系统来实现自身的目标，对人类施加影响。人类可能会被锁定，被毒死，被枪击或炸死，也可能是环境发生巨变，人类只能幽闭蜗居。
比尔•盖茨、斯蒂芬•霍金、埃隆•马斯克，以及其他一些科技界的头面人物，纷纷不约而同地表达了对人工智能可能在不久的将来接管人类的忧虑。他们可不是愚昧无知、只图一时口快的人。
这些人并不会因为自己关于人工智能的言论而获得什么私利。他们要么是亲自，要么是手下有人，对高级人工智能和机器智能做过研究。他们的警告和忧虑背后，有着坚实的科学依据。他们有的是高科技工业巨头，有的是著名科学家，但都认同这样的观点：在缺乏理性且负责任的防护措施下发展高级人工智能，很可能是在给人类自身铺设毁灭之路。
我之前曾写过一些关于人工智能的文章，涉及Google的自动驾驶汽车，DARPA的机器人挑战赛、机器人杯比赛（RoboCup），以及这些比赛的参赛者。人工智能比一般的计算机算法复杂得多，后者通过分析输入的数据，反馈指令，解决任务。即使是控制无人驾驶汽车行驶在繁忙的城市里，也还谈不上是人工智能。
现在的电影里所表现的人工智能，有点类似于阿兰•图灵对于现代计算机的设想。
很多人把人工智能视同执行指令性动作的机器人。20世纪80年代时，我担任过IEEE的Micromouse比赛的评审人。我记得那时候，人们为会走迷宫的“老鼠”惊叹不已。“老鼠”走完一次迷宫后，第二次就能毫不犹豫得快速穿越迷宫，还会以45°角走捷径，不用几秒钟就能走完全程。“哇”，观众们说：“这绝对是人工智能的最佳展示。”
那么，具有简单学习能力的机器，是人工智能吗？不是。会走45°角捷径的呢？嗯，虽然离人工智能近了点，但仍然不是。
人们想象当中的能对人类构成威胁的人工智能，需要一个重要前提，那就人类活动的方方面面都高度依赖于成熟且互联的计算机系统。从公用事业到银行，从信用卡到社交媒体账户，甚至是全球犯罪数据库，所有这些资料都存储在计算机里，并且连接到国际互联网。这个系统非但不是固若金汤，相反，它是很容易崩溃的。
或许你还记得1995年由桑德拉•布洛克（Sandra Bullock）主演的电影《网络》（Net），图6就是她饰演的女主角Angela。Angela是一位极客，供职于Cathedral Software。一个名为Praetorinas的邪恶互联网组织，篡改了Angela的身份，把她变成了一个有案底的通辑犯。在电影里，Angela最终战胜了反派。但问题在于，生活在当今现实世界里的我们，随时会遇到诸如此类的真实危险。
图6 电影《网络》里桑德拉•布洛克（Sandra Bullock）饰演的女主角
目前，人们正在把尘封的文件资料转移为数字存储。每一个网站都会要求你设置密码才能登录，而无良骇客就像如饥似渴的豺狼那样守在门口，就等你疏忽大意时，猛扑而上。
除了上文所说的人工智能可能对人类的威胁，很多专家学者（甚至是史蒂夫•沃兹尼亚克，苹果公司联合创始人）还表达了对人工智能用于现有武器的担忧。
“它们迟早会落到黑市和恐怖分子手上，”Nolan Feeney在《时代》杂志撰文指出。2015年6月末，在布宜诺斯艾利斯召开了一场人工智能国际联席会议，霍金、马斯克、沃兹尼亚克以及其他人工智能和机器人专家在会上发表了一份公开信，呼吁禁止开发“进攻性自主性武器”。
英国《卫报》上有一篇文章写道：“这封公开信特别指出了人工智能武器，这种武器可以是无人机或巡航导弹，能在人类设定好目标范围后，自主选择并攻击目标。
“公开信同时指出，因为使用人工智能可以减少战斗人员的投入，肯定会引发自主性武器的军备竞赛。自主性武器已被视为继火药和原子弹之后的第三次军备革命。”
联合国人权大会对自主性武器采取强硬战线。“致命性自主性武器（LARS）可以通过预先设定而进行杀戮或摧毁任务，在战场上完全不需要人类控制，这就不同于有人类远程控制的无人机。”在一次联合国的辩论中，特派调查员Christof Heyns教授说：“不能让缺乏道德判断的机器掌握生杀大权。缺乏对战争的反思，就会把战争变成一场纯粹的机械化屠戮。”
在反对杀人机器的集会上，人们用Northrup Grumman X-47B无人机（图7）作为例子，说明全自动武器的发展现状。图8展示的是美国空军UAV捕食者无人机发射导弹的场景，这是另一种使用全自动武器的例子。尽管这次发射是有人类坐在数千公里外的指挥室内控制的（图9），其使用前景仍令人权观察者感到担忧。在不久的将来，自主性武器很可能就完全不需要人类控制了，就像“射后不理”的导弹那样。
图7 能在航母上起降的X-47B无人机
图8 正在发射导弹的美国空军捕食者无人机
图9 捕食者无人机的控制室
自主性武器的几个关键点在于：
阿诺德•施瓦辛格1984年主演的电影《终结者》已经流行了30多年，它的影响所及，远超科幻圈之外。想必你能记得起来，电影里的人类抵抗者和人形机器人（终结者）是在2029年的时候被送回到1984年的。终结者的任务是杀死未来人类抵抗者领袖John Connor的母亲Sarah Conner，这样一来，世界上就不会存在John Conner这样一个人了。
人类抵抗者的任务就是阻止终结者。电影里，绝大多数人都在1997年失去了生命，只剩下抵抗者组织还在挽狂澜于既倒。1997年，嗯，我们是不是在这里错过了什么？机器是不是实际上已经统治人类了？
且让我们回头看看，然后展望未来吧！图10是今年的《终结者：创世纪》电影剧照，老施瓦辛格再次出场。据说影片票房高达300万美元。尽管我还未亲眼验证，但有人说Alan Taylor导演的这部戏，不如James Cameron导演的前几部好。
图10 电影《终结者：创世纪》
我之前提到过1968年的科幻电影《2001：太空漫游》，那部电影里有一个机器人明星HAL9000。它是一台有知觉能力的计算机，作为6名团队成员之一，共赴木星之旅。
HAL9000能模仿人类的大脑功能，而且更快更精准。它有着极强的可靠性，但也仍然免不了犯错。有一次它意外导致了飞船通信天线里的“AE-35单元”失灵，被没有进入冬眠状态的两名宇航员发现了。
因为自己的能力受到置疑，HAL9000竟然设计杀害宇航员以求自保。最终，宇航员战争了HAL9000，但仍然损失了队友。
别忘了，《2001：太空漫游》是一部拍摄于20世纪60年代的电影。那时的所谓“电脑”，还是需要占据整间大房子的庞然大物，人们得站在复杂的控制台前，才能操作它。而这种计算机的运算能力，可能仅仅相当于我们现在用的普通手机。
当幸存的宇航员漂向HAL9000的尸骸时，我们可以看到HAL9000有着巨大的身躯。然而，电影设定的故事时间是在2001年，月球车已经能在月球表面穿梭自如，从一个基地赶到另一个基地了。
其实，对于20世纪60年代的人来说，能够产生人工智能的高级计算机还仅仅是个梦想。那时还没有发明微处理器，集成电路——特别是“超级”电脑所必需的高速变换器——还极其少见。
Seymour Cray提出了“超级电脑”的概念，他曾任职于控制数据公司（CDC，Control Data Corporation），直至1972年。CDC曾尝试过制造超级电脑，但没有成功。Cray因此离开公司单干，创建了Cray研究所——就在CDC隔壁——设计并制造他自己的梦中电脑。
1975年，Cray揭开了CRAY-1电脑的面纱：80MHz主频，64位系统，1MB内存，CUP每秒能计算160M浮点数。
图11是一款跟CRAY-1类似电脑，在当时绝对震撼。Cray以每台500万至900万美元的价格，卖出去80多台。他解决的最大困难在于，给这台能耗115千瓦、重达5.5吨的巨兽降温。
图11 摄于1975年的CRAY-1超级电脑。
Cray研究所当然不会因为有了CRAY-1而固步自封，而是继续加快研发脚步。在他们所有的产品之中，有3台电脑名列2015年全球十大最快电脑榜单。
研究者们认真审视CRAY以及类似的正在制造中的电脑，认为它们的强大计算能力，预示着人工智能已近在眼前。
不过，人工智能科学家早已认识到，真正的人工智能远非只是强大的处理能力和速度而已，这些只代表人工智能的一小部分。如何整合外部数据，以及如何将整合的数据有效输入电脑，是更为关键的问题。
让我们来看看另一台超级电脑——它并不以打破计算速度为目的，而是为了回答以自然语言提出的问题——它更符合人工智能领域的人机交互要求。
IBM设计的第一台Watson电脑，专门用来回答“什么是”这样的疑问句。它曾在2011年的Jeopardy电视知识竞赛里一展身手，与两名人类冠军对决。
如图12所示，Watson拥有4TB磁盘空间，存储了200万页数据，但并有没联网。尽管它有时在理解短语提示时有问题，但仍然在电视节目中赢得了100万美元奖金。
图12 IBM的Watson超级电脑。
Watson理所当然地被视为一台超级电脑，它由90台IBM Power750服务器组成，每台服务器使用8核3.5GHz POWER7处理器，每核4线程。整个系统拥有2880 POWER7线程和16TB内存。比赛时，Watson的全部资料存储在内存里，因为访问4TB磁盘来读取资料的话，耗时太长。
在比赛过程中，每个问题的“提示”是以电子文本的方式输入给Watson的，而人类选手则直接听主持人Alex Trebek口述。
因此，这里并没有涉及语音识别。Watson在运算速度方面，可能很快就会被其他超级电脑甩得老远。但不论如何，IBM仍旧能以拥有全球10大最快服务器中的4台而自豪。Watson目前最大的实际用途是，快速访问医疗数据，辅助诊断。
当处理即时信息所需的快速处理器成为人工智能的关键所在时，微型处理器就显得格外重要。当PC机逐渐成为主流，时钟频率逐渐向GHz级别迈进时，台式机和笔记本电脑的性能很快就超越了很多早期的超级电脑。据说，售价400美元的索尼Playstation游戏机，其峰值运算速度可达每秒1.84万亿次浮点运算，比CRAY-1快了11500倍。
索尼的Playstation游戏机使用的是专门用于电子游戏的图形处理器，这就使它不可能成为超级电脑。不过话说回来，也有很多超级电脑使用Nvidia的显卡为自己助力。
当代超级电脑，比如中国的天河2号（图13），峰值运算速度达到每秒55千万亿次浮点运算，是索尼Playstation游戏机的30000倍。
图13 中国的天河2号超级电脑
回顾人工智能的历史，最知名的人物当属John McCarthy（图14）。他曾就读于加州理工学院，在普林斯顿大学获得博士学位，起先在MIT任教，后来转任斯坦福大学计算机科学教授，直到退休。他创办了著名的斯坦福大学人工智能实验室（SAIL）。
图14 John McCarthy（1927-2011）
在达特毛茨大学时，McCarthy组织过人工智能研讨会，“人工智能”这个词就是因此而诞生的。他设定的议题是：“假设任何方面的学习或其他可归于智能的领域，都可以得到精确的描述，人造机器即以此为基础模仿智能。”
这是人工智能和计算机科学的首次结合。
1958年，McCarthy发明了LISP语言，这是继FORTRAN之后最古老的编程语言。LISP直到今天仍有人使用，而且是人工智能领域的首选。图15展示的是McCarthy用计算机同时与4位俄罗斯棋手下国际象棋，时值1966年。McCarthy后来说，“国际象棋和其他棋类游戏是人工智能领域里的果蝇”。果蝇是遗传学研究起步时的重要研究对象，孟德尔正是以果蝇为实验对象，开创了现代遗传学。
图15 1966年，John McCarthy在计算机上同时与4名俄罗斯棋手下国际象棋
很多人工智能专家单纯地认为我们可以造出“友善的人工智能”，它们会认同人类的价值观，敬畏其的创造者。但当面对公众疑问时，他们也承认所谓“友善”，更多的是一厢情愿。
或许更好的问题应该是这样的：一旦人工智能发展到比人类聪明百万倍甚至千万倍，它们看我们，会不会就像我们看蚂蚁或萌宠？
大学、大型企业、政府实验室等等机构，正在为人工智能的研究投入巨大资金，目标就是要造出具有人类智能水平的机器。如果有一天这真的实现了，有人担心人工智能接下来就会自己获得生存的本能。
本文提到了人工智能发展史上的一些里程碑，这段历史才刚刚开始。让机器人美观友善，让它们可以同我们这些碳基生物无障碍交流，并且完美地服务于我们，这是人类发展人工智能的终极目标。
机器人获得制造自身的能力，看来是迟早的事。我们只能寄望于，不要反受其害，成为它们的盘中餐。
Tom Carroll 撰文 李军 翻译
我记得在20世纪80年代，当人们兴奋地谈论或写道关于机器人革命的时候，似乎这场革命到了要爆发的时候了。1984年4月，我有机会参加在美国新墨西哥州的阿尔布开克召开的第1届国际个人机器人大会（International Personal Robotics Congress，IPRC）并发言。参加这些大会的一些机器人的照片如图1所示。
图1 1984年国际个人机器人大会上的机器人
乐观主义开始泛滥，人们认为机器人将会出现在每个人的家中。这届IPRC上，所有的重要角色都出席了，包括RB、Robot、Heath Hero系列、Androbot，甚至像Polaroid这样的供应商（这是著名的静电距离传感器生产商）。那时候，人们的想法是，如果个人计算机能够变得流行起来，个人机器人也应该紧随其后并且变得有用起来，并且IPRC为这一想法做出了证明。
到1984年，已经有足够的个人机器人生厂商存在了，并且还不断有新成立的厂商，这使得我们这些对机器人感兴趣的人，都开始相信宣传炒作热潮。在早期的时候，“流行”和“独特”是很关键的，遗憾的是，现在仍然是这样。即便是Rockwell的管理层，也想要让我深入研究并发现机器人的新科学，从而让我们的公司受益，因为很多其他的公司已经开始使用机器人了。
把这种微处理器技术移植到那时候正在生产的众多的机器人中，似乎是合乎逻辑的做法，既然相同的IC已经用于PC中了。
回到20世纪70年代早期，微处理器技术的到来，使得像比尔•盖茨和史蒂夫•乔布斯这样具有远见卓识的人们，开始为我们开发真正有用的软件和计算机。早期的8080、6800、6502和Z80，都得以在计算机中使用。
即便是在甚至更早的IC（例如Intel的4004、4040、8008，以及后来的8086、8088甚至Motorola的68000）成为PC的核心之前，也经历了很多的步骤。1974年代诞生的基于8080的MITS Altair（如图2所示），以及1975年的Imsai 8080（如图3所示）等等，这些最早的“计算机”，对用户并不是特别友好，要通过搬动开关才能完成编程。
图2 MITS Altair 8800
图3 Imsai 8080
盖茨和他在微软（微软是在1976年11月26日成立公司时候第一次采用的名字）的同事保罗•艾伦，就是从为Altair开发软件而起步的。在1983年，Matthew Broderick和Ally Sheedy主演的电影《War Games》中，Imsai获得了一些知名度，如图4所示。
图4 Imsai 8080出现在1983年代的电影《War Games》中
我认为这样一款老旧的计算机出现在电影中有点令人惊讶，因为比较新的带有真正的键盘、显示器和现代处理器以及有用的软件的计算机，在1983年的时候已经如此普及了。即便是史蒂夫•沃兹尼亚克和乔布斯在1977年设计出来的基于6502的Apple 1（如图5所示），也已经有了键盘了，而这台电脑售价为666.66美元。
图5 1976年最初的Apple 1计算机PCB
如果你今天足够幸运，能够遇到一款放在家庭自制的盒子中的Apple 1的话（如图6所示），礼貌地给售卖者他想要的25美元，然后赶快抱着你的奖品跑回家吧。找一个巨大的、安全的地方把它藏起来，因为这件古董现在大概能卖100万美元。
图6 放在一个好看的箱子中的Apple 1计算机
我记得南加利福尼亚州机器人协会的一名成员，在20世纪70年代后期曾经说过，他的基于6502的机器人证明了未来的机器人开发终于找到了成功的关键。我记得他是这么说的：“通过使用这些强大的处理器，我们将能够构建出令人惊讶的机器人”。 我们是在NASA JPL职员和Robotics Age杂志的帮助下认识的，并且在图书馆会面。
这家杂志已经在十多年前就不再出版了，并且这个协会的名称在20世纪80年代更改了一次，但是，这些话语作为机器人发展的一个转折点，令我印象深刻。我忘了这个家伙的名字和具体的话，但是，我感觉，这只是机器人发展刚开始的部分。
那时候，所有的机器人都只是严格地在一个活动的平台上滚动，也有一些水下机器人和自动的水下交通工具。二足行走的机器人还并不真正存在，除了在像Marc Raibert（Boston Dynamics的创始人，现在Boston Dynamics归Google所有）这样的大学研究者的实验室中。
那时候也有多腿的4足或6足机器人，但是，两条腿的机器人的平衡是大多数实验者未能解决的难题，因为陀螺仪和加速计都非常昂贵。
那个时候，众多的机器人实验者使用的最普遍的一种机械部件，就是模型飞机电机。我们那时候就有了这个，尽管电机是模拟类型的并且款式也很有限。我看到一些构建者将模型飞机电机用于小型机器人，改造之后可以用于持续的旋转，但是又因为太小了而无法用于较大的机器人。
用于机器人的大多数的电机都是电刷式减速电机，在旧货市场或者商店的电机橱窗中可以找到。
各种类型的冗余电机通过产品目录可以获得。还记得吗，那时候没有互联网，我们要通过一个产品目录来邮寄订购单？我有幸居住在距离加利福尼亚的Pasadena的C&H Sales仅仅40公里的地方，并且可能花了超过1000美元来购买各种电机、齿轮、促动器以及各种机器人部件。
那时候，C&H每季度有一个很不错的目录，并且甚至有一个很不错的精选店。这个目录上的电机都有详细的规格说明，并且商店店员也都专业知识丰富。在那个时代，有时候最好的东西也许只是中国制造的便宜器件，这些都是冗余器件，而且没那么普遍。
一个主要的因素是，一般公众认为机器人是一种尖端的科学和应用。1974定期播出的系列科幻电视剧《The Six Million Dollar Man》，以一名飞行员Steve Austin为人物背景，他在测试飞机坠落后受了重伤。在系列片每一集的开头，播出了1967年一架人为驾驶的M2-F2航天飞机真正坠毁的场景，其中的飞行员Austin受了重伤，并且他的眼睛由于感染而失明。由于某些原因，空军部门决定用一组新的腿、装有电子装置的胳膊和电子眼睛来让Austin起死回生。“我们能够重建他。我们拥有这样的技术。我们可以让他更好、更强，更快”。
当然，他还拥有核能生成器，并且这个系列电视剧很成功，最后编剧甚至制作了一个电子“妇女”。由于内部产生的核能量，她能够以60MPH的速度奔跑、举起汽车，从地面上飞跃到楼顶。所有这些都被描述为40年前的科技水平。但是今天，我们仍然没有接近这种科技水平。
观众可能会说：“那只是在电视中，而不是真实情况。编剧不应该夸大事实并描述那些对于军方来说并不可用的东西”。今天的Extant电视系列片则描述了“humanich”个体，它看上去和上述的情况类似，但是其行为好像只有一个8岁孩子的智商。
在电影《iRobot》中，CGI所发明的NS-5机器人将会出现在每个人的家中，执行各种任务。C-3PO、R2D2、Chappie，以及每一部展示了“机器人”的电影和电视剧，所描述的科技都要比实际存在的科技更加先进。尽管观看了这些电影的每一个成年人都知道，这只是编剧所创造的科幻小说，但是在内心深处，他们都会沉浸于电影之中并觉得这是真实的机器人。
如果潜在的客户对于他们应该拥有什么样的产品有一些想法的话，那么，要向他销售产品是很难的。在由西雅图机器人协会赞助、在西雅图中心举办的Robothon这样的机器人展销会和竞赛中，我们已经听到过人们表达对于机器人的一些观点了。很多人会问，这个机器人能够做什么。在听到问题并给出回答之后，制造者可能会思考一下问这些问题的人的想法。制造者可以看到人们脸上的反应，“哦，这就是它能做的所有的事情？我在电影和电视中所看到的机器人，能做的事情可比这个要多得多”。
你可能要花上几个小时和人们谈论机器人在过去的十几年里所取得的所有进展，但是，你还是无法彻底改变他们的观点。如果没有一些新的、令人惊讶的东西来展示，很难改变公众的观点。
我最近从Robotics Trends上读到了几篇有趣的文章，文章的题目分别是《4 Challenges Holding Back Robotics （阻碍机器人发展的4大挑战）》和《4 Reasons Programming Robots is Difficult（机器人编程面临困难的4大原因）》，这两篇文章都是Redtree Robotics的Jason Ernst撰写的。在文章中，他写道：“当人们观看关于未来的电影的时候，他们看到了机器人和周围的环境交互、快速学习并且适应变化的环境”。
尽管他将科幻和现有的机器人产品进行了比较，但是潜在的个人机器人购买者还是想要这种协同式的交互。他提到每个厂商开发自己的机器人产品的平台都是片段化的，彼此之间互不兼容。
Ernst还将编程的困难描述为用户所面临的另一个障碍。当然，这一反馈也得到机器人设计者的认可。他说：“机器人不是像计算机一样，一开始就是可插拔的。机器人中缺乏内建的可靠通信。在机器人中，大多数人使用Wi-Fi或类似的方式”。Ernst提到了，在可用的编程软件领域中最大的一个因素是，要开发可以利用这些软件的平台，成本太高了。
这个困难使得我想起了PC早期的时候所面临的因素，例如，基于Intel 8080的Altair所使用的S-100总线。我仍然有一堆的空白S-100主板，早先购买的时候想要储备起来，那时候我认为它们将会是工业标准扩展总线。而事实远非如此。Ernst还描述了互用性和无线连接性在工业届总是扮演事后诸葛亮的情况。他说，“在今天或者不久的将来，你都不会看到哪一种产品会设计为和其他的产品彼此协作的”。
每个机器人设计者在机器人设计方面都有自己的困难领域。某些局限性对于最终设计的限定之严格，超出了设计者的预期。移动机器人设计给制造者提出了一大堆新的潜在问题，从可靠的电池到能效高（且强劲）的电机。
当然，设计的过程取决于对机器人的预期的应用、想要的最终设计的复杂程度，各个部件以及整个构造可用的时间和经费。
让我们讨论系统和部件上的一些提高，在我看来，这是未来的机器人所需要的。以我的经验，能源是大多数移动机器人设计最主要的限制。一开始，我们对于较大的机器人使用铅蓄电池，对于较小的机器人使用普通电池。铅蓄电池可能会泄露硫酸，并且非常重，由此进一步发展出密封铅酸电池。
在大小和电容量上，下一个可供选择的是镍镉电池，并且它们在中等大小的机器人中很流行。镍镉电池带来的问题较少，但是其容量有限，而且在充放电过程中会有“记忆效应”。后续的镍氢电池具有更大的电容量，并且没有内存效果，但是，我们还是需要更大的电容量。
最新的系列锂电池似乎是解决方案，但它们有一个很糟糕的特性就是容易着火，特别是锂聚合物电池。设计师可能在寻找一种电池并追求高容量，但是他们最终意识到，大多数电池（特别是铅蓄电池）需要有20小时的充电时间。而他们的设计在1小时内放完电之后，电池就会以非常低的电量提供电力。要考虑一下这个问题。
那么，机器人开发者在发明的过程中有哪些东西可用呢？很多机器人消耗大量的电力，并且可以在1小时之内用完电池的电量。Honda的漂亮的小Asimo，其背包式电池也只能保证他持续使用1小时。即便是在DARPA 机器人挑战赛上使用的100万美元以上的Atlas机器人，其巨大的电池持续工作时间也低于1小时。
没错，双足行走的机器人比大多数移动机器人需要消耗更多的电量，主要因为在其各种关节中都有很多电机，但是所有的移动机器人都面临电量缺乏的问题。在室内的平台的地板上移动的机器人，可能并不需要在户外草地或不平坦的地面上移动的机器人所需的那么多电量，但是底线是：所有的机器人对电量的消耗，就像是在参加一场吃饼大赛。对于今天的机器人来说，我们需要显著提高的电池技术。
机器人通过传感器，可以以和人类类似的方式看到其周围的环境。我们拥有眼睛、耳朵和触觉系统，耳朵中的半规管充当陀螺仪，神经末梢具有位置反馈系统，加上我们还有味觉系统。尽管我们只是在电影中看到过这些，但是，我们的组织的感官还是很优越的，而且数百万年来一直在起作用。
在电影《终结者》中，我们看到了传说中的人类机器人所能看到的世界，在他的视觉里也是一行一行的文字。这个机器人可以进入其广阔的数据库中，并且当看到一辆车有10个变速器和一个250 HP的引擎的时候，它在5秒钟内就可以判断出这是一辆18轮大卡车并下载其驾驶教程。我们人类的“数据库”，就是我们接受过教育的大脑。
我们的眼睛比人类制造的任何视觉传感器都要高级，并且它连接到我们的大脑，形成了一个令人惊讶的传感系统。这同样也适用于我们的耳朵。我们不需要任何特殊的硬件或软件，就可以在一个单独的处理器中比较一系列样式的视觉图像。这个“处理器”刚好就是我们的大脑的不同部分。
实际上，即便我们最高级的产品，例如最近5个参加过DRC机器人挑战赛中的Atlas（它们可以驾驶着北极星AVT汽车，在石子路上行驶一段距离，而这整个过程都是由机器人Atlas来控制的），它们拥有高级的视觉系统，但是，它们对周围的环境只能够判断这么多。别理解错了我的意思。我对于这些DRC参加者所完成的事情感到吃惊，而这一比赛真的让机器人专家甚至是普通公众大开眼界。但今天的机器人确实还有很多的局限需要去突破。
在描述当今的MEMS陀螺仪、指南针和加速计、可视摄像头以及其他的现代传感器系统的时候，我好像使用了评价不高的词汇，但是，那并非我的本意。在过去的，我们可能站在一个高尔夫球场中，并且估计到第12个球洞在大约164米的位置，而今天站在我们身边的一个机器人则能够发现它实际上有184米的距离。没错，对于高尔夫球手来说，有很多种类型的手持测距仪，但是，这些都只供人类查看图像并且在仪器的屏幕上显示数字范围图像。
在用于机器人的传感器变得广泛可用之前，我们使用过去黑客使用的微控制器从这些手持范围测量仪读取数据，以供机器人距离测量系统使用。如今，并不是很昂贵的微电子机械系统（MEMS)已经使得机器人、四轴飞行器以及很多其他的移动平台能够感知方向和移动，并且使其控制也变得很容易。最新的MEMS技术，已经允许在一个微处理器的控制下，进行复杂的导航和附件运动。转轴编码器、加速计、陀螺仪和磁力指南针的价格都从数百美元下降到几美元。图7所示的Pololu AltIMU-10，将陀螺仪、加速计和指南针IMU的功能，组合到带有测高仪的一个小平板上。这些MEMS芯片使得机器人能够拥有一些令人惊讶的移动性和移动能力。
图7 Pololu AltIMU-10 v4陀螺仪、加速计、指南针和测高仪
在过去的几年里，在其他的机器人传感器方面也取得了惊人的进展。对于预算很在意的机器人制造者，正在寻找如图8所示的LightWare SF-10系列这样的激光测距仪，Parallax生产的这种测距仪的价格在350～550美元之间，并且能够精确地测量从25米到100米的距离。这种令人吃惊的传感器，可以替代多数机器人应用中更加昂贵的旋转式激光系统。
图8 Parallax LightWare F-10A距离传感器
目前还有一些为机器人而设计的“智能”视频摄像头，例如，价格在139美元到259美元之间的CMUcam系列，如图9所示的CMUcam3模块。这些摄像头已经证明了其功能性很强大，并且对于移动机器人真的很有用。
图9 用于机器人的CMUcam3智能摄像头
我已经介绍了当今的机器人设计中所有令人惊讶的（也不太昂贵的）可用传感器。我们可以和机器人对话，它们也会回话，而且它们可以看到我们并遵从我们的指令。在构建人类大小的双足机器人的时候，电池成为了主要的问题，但是对于较小的滚轮式移动平台来说，这个问题就没那么显著了。对于使用Propeller、Arduino、Raspberry Pi、Beagle Bone或者其他类型的微处理器的构建者来说，可以使用的软件包括ROS、Python、C++、Java、Microsoft RDS、PBasic、Linux，还有很多其他的系统。那么，这里的问题是什么呢？
让我们先回顾一下早期的计算机。当CPU主板放置在和软盘驱动器相同的一个箱子中，并且软磁盘上可用的软件变得不太贵而且有用的时候，PC的流行开始爆发了。计算机的电源供应也是必须的部分，并且显示器可以放置在计算机之上，或者是包含在同一个机箱之中。后来出现的计算机，添加了硬盘，现在的计算机则可以做我们能够想象到的任何事情。我们可以打游戏、制作电子表单，并且添加一台便宜的打印机来进行文字处理，而不必使用打字机（使用打字机的时候，每个单词都不能修改，没有橡皮或者涂改液）。家庭用户和商业需求使得处理器能力数以百万计地增加，同时增加了各种类型和功能的软件，从而使得计算机迅速发展起来。
考虑一下早期的机器人。第1款个人和试验的机器人出现的时候还很小，并且逐渐增大。刚开始带有一个小轮子的箱子，就被看做是机器人。然后，模型飞机电机被改造为持续旋转的形式，供Parallax Activity Bot和其他类似的试验和教育类机器人使用。图1中后面所示的较大的商业化的家用机器人，如Hero 1和2000、RB5X、Topo，还有其他的一些很可爱但是只能做很少的一些事情的机器人，其目标在于改变世界（但不一定能够活到其变得普及的时候）。Hero系列和RB5X都拥有胳膊，并且它们并不是很高效，仅仅能够用于实验。
我已经在系列文章中讨论过很多次了，机器人的机械设计似乎是设计者最大的障碍。找两个改造好的电机，并且将它们加载到一个小的塑料或金属平台上，给电机添加两个轮子，或者添加第3个小轮子；加一个Propeller、BASIC Stamp或者Arduino微控制器板子和一些AA电池，你就有了一个机器人了，这些对于一个初学者来说似乎相当容易。这是开始学习机器人的好办法。
不久之后，你个人就会想要制作更大的机器人，这可不只是随处走动并对传感器做出响应的机器人了。制作者想要在自己对机器人说话的时候，它能够做一些事情。现在，必须要用齿轮马达来代替电机，并且需要更大的电池。传感器和视觉系统也需要有专门的支架来安装。
较大的机器人对于驱动系统也需要有很安全的加载技术。添加一个或两个胳膊，并且制作者要面对需要新的金属结构的问题。对于很多人来说，裁剪或弯曲金属板材或对金属进行机械加工是有点可怕的事情。
制作者可能会选择使用ServoCity/Actobotics或类似的供应商所制造的金属管材或相关的支架来完成较大的机器人的架构。很多厂商使用这些流行的结构化组件来对原型进行数次迭代，但是最终还是希望能够使用弯曲的金属板材或者使用机械加工的金属部件来完成成品。只有少数的实验机器人制造者能够做到这一步。大多数的试验者都是裁剪金属板材，并且用支架将金属部件连接起来，或者是通过焊接来形成最终的结构部件。
这也是很多潜在的厂商所面临的设计和生产问题，并且开始影响到他们想要的功能。经费也成为一个问题，并且多次的设计评估有时候会将“绝妙”的机器人变为“很好”的机器人。
我曾经介绍过2015年6月举办的DRC以及其25个令人惊讶的参赛者。尽管其中的6个参赛者都使用了之前开发的百万美元级的机器人加上Atlas平台，但在各种机器人领域还是展现了大量的聪明才智。Team Tartan的参赛者CHIMP（如图10所示），在其四肢上使用了滚轮作为测试，证明了在灾难地区的基本行走都是很困难的事情。没错，这对于大多数参赛者来说都是一个问题。获胜者是KAIST的改进后的Hubo，它通过在较低的四肢上的轮子来做同样的事情。Team GRIT、Team Robosimian和Team Nimbro Rescue，都是由一个基本的双足类人机器人演变而来。为什么呢？在不确定的环境中行走，对于机器人来说，真的是很困难的事情。
图10 Team Tartan的CHIMP
Boston Dynamics的Marc Raibert长期以来都是带腿机器人方面的世界级的专家。我第一次看到他的单腿“Raibert Hopper”，还要追溯到1981年或1982年，如图11所示。它是放置在实验室的一个架子上，而我则看到了它保持跳动的一个视频，并在脑海中留下了深刻印象。只有一条腿！这个带有气胎的机器人必须保持跳动才不会跌倒，但是它是平衡技术的一个优秀的例子，那个时候还太早了，可没有今天的MEMS加速计和陀螺仪。Raibert和他的团队继续设计了大狗机器人，这是一个机器人动物，很大程度上参考了Atlas机器人系统以及其他的带腿机器人。
图11 Marc Raibert的单腿跳机器人
我在这里使用的示例是为了说明我们能够做到的事情。我们可以构建伟大的机器人。这可能很难，但是只要真的想要做到，我们最终一定能够制作任何类型的机器人。
即便机器人设计和产品的机械部分看上去是最大的障碍，但是像Raibert以及DRC的参赛者这样的人，以及我们介绍过的其他的机器人专家，还是会设计和构建出未来的机器人。更好的电池、传感器和软件将会出现。有很多未曾触及的应用领域，只是在等待用于机器人的解决方案。
因此，请无视那些反对者，抬起头来，继续制造能够真正做一些事情的机器人。不要只是犹豫不决。
Tom Carroll 撰稿 李军 翻译
闹钟刚刚响起，你还在床上躺着，在半睡半醒之间，等着开始繁忙的一天。当你的“仆人”进入房间并问道：“您今天的早餐想要吃点什么”？ “照常”，你回答道：“法式吐司、两片培根、橙汁和咖啡”。你的仆人离开了房间，你起床、洗澡并穿好了上班的衣服。仆人把早餐放到了餐桌上，另一个仆人开始打扫客厅的地板。
吃完早餐后，仆人清理了餐桌，你则拿起公文包，走向车库并钻进自己的汽车。“直接载我去上班，Johnny”，你告诉司机。车库的大门打开了，Johnny小心地把车开出车库，并且开到了街道上。Johnny告诉你：“I-5路上有交通事故，我打算走另外一条路，先生！”。
“很好，Johnny”。早高峰的交通总是很拥堵，车速很慢，但Johnny还是把你送到了办公室。你走下车，对他说：“去停车吧，我们回头见”。
Johnny直接把车开走了，开到员工车库，你则进入办公室的大门，并且前台和你打招呼。“早上好，Jones先生，您今天到的有点早啊”。“是的”，你回答道，“我得准备好早上8点钟会议的简报”。
你可能觉得这里的Jones先生是一家大公司的老板，并且无论他是在家还是在公司，都有各种各样的人帮助他完成一天的事情。好吧，从他早上醒来到步入办公室，他都没有和任何“人”说过一句话。他的个人机器人做好了他的早餐，而另一个机器人则负责打扫房间。“Johnny”是他的自动驾驶汽车，并且公司的前台也是一个仿真机器人，它通过面部识别匹配的方式，并感知员工的RFID工卡，从而记录他的上班时间。Jones先生第一次和人打交道，是他同事一起走进电梯去他们的办公室的时候。
我通过这个场景来描述我们都知道的事情，机器人会很快（并且已经）出现在我们的日常生活中了。然而，在这篇文章中，我集中讨论自动驾驶汽车。我使用“Johnny”这个名字来表示自动驾驶汽车的司机，这参考了1990年阿诺德•施瓦辛格的电影《Total Recall》中自动出租车的名字JohnnyCab，如图1所示。这个电影的故事安排在2084年的一个火星殖民地。
图1 机器人JohnnyCab，来自电影《Total Recall》
没错，即便是在1990年（甚至更早）的电影中，我们已经在梦想着诸如2004年的电影《iRobot》中所展示的Will Smith的奥迪这样的自动驾驶汽车了（如图2所示）。有趣的是，这部电影的场景设定在2035年，距离现在只有20年。图3所示的Robot Taxi将于2016年在日本进行测试，会有一个人类驾驶员坐在旁边，但是只有在需要的时候，这个人才会干预。Robot Taxi计划在2020年东京奥运会的时候提供服务。
图2 电影《iRobot》中未来的奥迪车
图3 2020年将要在日本投入服务的Robot Taxi
到2035年，我们能拥有完全自动驾驶的汽车吗？如果Google、Uber、Apple、Robot Taxi或者其他的公司不食言的话，那么，我们会的！我们可能还不会很快就拥有功能完备的、双足行走的仿真机器人作为个人助理，但是，自动驾驶汽车现在已经可供使用了。
这个标题听起来有点像是“回到未来”，但是，我想要强调过去的一些预测未来的想法，并且看看一些梦想是如何没有能够变为现实的。善于创新的人无时不再展望未来更加美好的生活。1920年，一辆轰轰隆隆、不断抖动的福特T型车肯定要比乡间小路上绝尘而去的一匹马或一辆四轮马车看上去更好一些。在1933年，Buckminster Fuller设计了如图4所示的Dymaxion。其一半以上的空间，塞满了一个引擎和结构性的部件。实际上组装了3台，只有第2台保存至今，Norman Foster制作的一个副本如图5所示。这是适用于每一个人的汽车，但是只有一个后轮转向装置，并且其高昂的生产成本导致公司倒闭。
图4 1933年Buckminster Fuller的Dymaxion
图5 Norman Foster和他重新制作的Dymaxion
1950年，未来的无人驾驶汽车如图6所示，这似乎更像是一个梦。这个梦是这样描述的，65年后，我们会看到一个家庭坐在相当于一个温室之中，没有安全带，沿着公路上给汽车规划的直线一直开着。
图6 昨日的无人驾驶汽车
所有这些汽车都有一个大大的（但没什么实际作用的）尾翼，看上去有点像是1950年的喷气式飞机。我们不知道这些汽车依靠什么动力，或者如何在公路或高速路上驾驶它，而只是有一些草图展示了设计者的梦想。
在过去的几十年里，我们都看到过关于可以放在每个人的车库中的“飞行汽车”的相关文章。今天，如图7所示的飞行汽车和60年前的意义是一样的。如果我们的汽车的4个轮子中的一个变扁了，我们会换下来并进行修理。如果图7所示，如果4个提升翼中的一个坏了，哦，我们就直接玩完了。
图7 1950年的飞行汽车
如果忽略我们所必须面临的技术难题，逻辑性和可操作性的问题就变得相当显而易见了。但我们看到头条新闻中报道，每年在高速路上的死亡人数超过32 000人，并且意识到这些汽车大多数只是以每小时160千米以下的速度在两维的道路上行驶的话，我们可能会问，在一个三维的空间中，平均的死亡人数会达到多少呢？
我们来看看最近的一个非常典型的飞行汽车的场景：这是一场足球比赛的中场休息时间，“Bubba”和朋友已经喝完了12瓶装的啤酒，并且和他一起看比赛的朋友还想要继续多喝点啤酒。Bubba钻进了自己的飞行汽车并开到就近的7-11店，要在买一打啤酒。他四周都是其他的“飞行汽车”，就像是野餐时候的苍蝇一样，在周围嗡嗡地飞着。他匆匆忙忙地从7-11店起飞的时候，差一点就撞到另一辆飞行汽车了。他考了好几次以后，才刚刚通过了FAA飞行考试。他已经卖掉了自己的皮卡车，以便分期付款购买这辆飞行汽车，并且就剩下一个月的分期付款了。
多年来，我关注过很多不同的“个人飞行器”项目。大多数都是小型飞行器，可以停到车库中，并且从你的住处起飞或降落。来自加拿大的Paul Moller，在过去的40年里经过了一系列完全不同的构建，终于完成了Moller Skycar，这是如图8所示的一个原型图。
图8 Paul Moller的Skycar
Paul多年来到处借钱和寻求投资，并且向投资者承诺很高的回报率，这是很多创业者多年来习惯于面对的场景。这种技术很昂贵。它使用4个提升翼，每个提升翼都要用2台旋转发动机来提供动力，并且提升翼在起飞和降落的时候都要面朝下方。它无人操作而进行飞行，通过一个电缆连接，如图9所示。在航空社区对于个人飞行持续的负面报道和负面评论之中，这是个人飞行继续努力奋斗的一个不错的例子。
图9 Skycar带有线缆的展示原型
在前面描述Bubba的场景中，我可能已经听到了一些贬低的声音，但是，我就是想要使用一个飞行汽车驾驶员的极端的例子。无论飞行汽车有多自动化，无论你在飞行器中放置多少个自动驾驶仪、雷达和传感器，飞行汽车仍然是一个飞行器，并且其驾驶员必须经过严格的训练。
我不久前参加了飞行训练课程，并且独自飞行过大约10小时，但是，高昂的成本以及我工作的需求迫使我停了下来。如果价值500 000美元的Moller Skycar会飞到空中的话，它会更加复杂。对于在道路上行驶的自动驾驶汽车来说，这同样也适用，只是程度稍轻一些。传感器和电气设备在某个时刻可能会失效，并且自动驾驶交通工具中的乘客应该有某种方法来临时性地接管其操控权，而且至少要能够将它停到路边。大多数的这类交通工具，都设计了一个关键性的开关，乘客可以触动它以便把汽车停下来。
我们先从20世纪50年代的时候预测的自动驾驶汽车“可能是什么样”出发，分析了“应该是什么样”以及“肯定不应该是什么样”，并且讨论了自动驾驶汽车现在是什么样，以及很快会变成什么样。Google的自动驾驶汽车在过去的6年里都占据了新闻头条。让你的团队把大多数精力投入到开发一款非常复杂的软件和众多必需的传感器，而不要从头开始开发自动驾驶汽车，这么做可能会更有意义。这款软件能够通过LIDAR（Light Detection And Ranging，激光探测与测量）而不是无线电探测与测量（RAdio Detection And Ranging）来接受输入。
在自动驾驶汽车开发的早期，Larry Page、Sergey Brin和Eric Schmidt（如图10所示）选择了一种明智的方法，使用一种流行的、经典的混合动力汽车，即丰田普锐斯。
图10 Eric Schmidt、Larry Page和Sergey Brin在早期的Google汽车原型中
对这辆汽车进行的唯一的明显的改造，就是汽车顶部的旋转式LIDAR，以及连接到驾驶者一侧的后轮上的里程编码器。
有人可能会对此产生疑问，为什么两名斯坦福大学计算机科学的博士生（《The Anatomy of a Large-Scale Hypertextual Web Search Engine》这篇论文的共同作者），要一起去开发自动驾驶汽车。他们的公司已经获得了惊人的成功，并且开发自动驾驶汽车是他们对外声明的使命中的一项明智的挑战。
Google现任CEO Page对于自动驾驶和遥现技术很有兴趣，并且决定让互联网成为更容易找到信息的一个地方。共同创始人和负责高级项目的总监Brin则是一个天才，并且他将精力放在了“新”项目上。执行主席Schmidt是一位电器工程的硕士，计算机科学的博士，而这些专业背景都和Google的新产品的方向很契合。
我们来假设另外一种可能的场景，其中，来自这家拥有54000名雇员的成功公司的3个人坐下来讨论自动驾驶汽车。在这一讨论中，我会和我自己曾经面对的一个相似的情况进行比较。当我在Rockwell工作的时候，管理层要求我设计一种全新的太空交通工具，这是用于NASA空间站的汽车远程操控系统。作为这个工程的领导者，我和我的团队必须设计一种机器人爬行系统，它可以在空间站机构的任何位置放置Spar Aerospace公司的机械臂。这个价值900万美元，高约15米长的“机器人”，将能够在太空站结构中爬行，并且可以操作航天飞机以及其他的贵重器件。
还是回来关注Google的管理团队，以及他们对于自动驾驶汽车的全新想法，他们立刻意识到，自动驾驶汽车这一全新的个人交通工具是不同的，并且必须要调动公司的人才和资源去研发一台概念车。他们选择了一种汽油和电力混合动力的汽车作为测试平台，并且意识到他们必须使用高级的GPS定位信息、LIDAR高级地图，以及简单的里程计。
由于很难在车内放置一个稳定的旋转轴仪表盘，他们聪明地选择了放置于后轮的中心位置，就像我前面所介绍的那样。当车轮弹起并落下的时候，这个旋转轴编码器只需要将Z轴位置抬高或放低几个厘米，因此，在这种情况下也不会影响到车辆的外观。网上给出的一些绘图将这个传感器叫做“位置测量器”，然而实际上，它只能计算行驶的距离，而不能测量位置。要综合GPS系统和LIDAR才能获取位置信息。
图11所示的Velodyne HDL LIDAR传感器是另一个非常重要的传感器（也很昂贵，大概需要7万美元），它安置在车顶，并且带有一个GPS接受天线。这个传感器不仅能够获得位置信息，而且感知快速改变的环境。目前为止，这是成功操作自动驾驶汽车所需要的最昂贵的信息器件。还使用了其他的传感器，包括RADAR，就是如图12所示的汽车原型的前面的突起的部分。这个传感器检测汽车前面的障碍，并且判断汽车和障碍物的接近程度。
图11 Velodyne HDL传感器
图12 新的Google汽车原型
所有这些传感器彼此结合起来使用，使得如图13所示的汽车计算机能够判断很多复杂的情况，而在我们人类常规的驾驶中，对这些情况往往习以为常。Google汽车的软件功能叫做Google Chauffeur。
图13 早期的Google汽车所带有的计算机
Velodyne HDL并非自动驾驶汽车上使用的唯一的LIDAR。斯坦福大学参加2005年DARPA大挑战的Stanley（如图14所示）赢得了这次大奖赛最高的200万美元的奖金。在这辆车的架子上，一共挂载了5个的Sick AG LIDAR单元，它们将数据传送给汽车的计算机以运行其地图程序。计算机将解释3D LIDAR地图，并将其压缩为一个2D版本。斯坦福并没有参加过以前的竞赛，因此，他们这一次的成绩让很多人大吃一惊，但是，他们对于AI的熟练和对于自动汽车的控制倒是真的并不意外。MIT和卡耐基在机器人领域拔得头筹，但是斯坦福通过全世界知名的SAIL在AI领域领先一步。这就很容易理解，为什么斯坦福大学的博士生把自己的公司运作的如此成功。
图14 斯坦福2005年DARPA大挑战赛冠军Stanley
Quanergy是硅谷地区的另外一家创业公司，专注于生产如图15所示的价值250美元的LIDAR单元。他们已经和Mercedes合作（如图16所示），开发了一个不太昂贵的传感器，专门用于自动驾驶汽车市场。DARPA也开发了一个独特的用于自动驾驶汽车的LIDAR，它并不使用机械旋转的转台来扫描激光束。他们的兴趣肯定是瞄准军用，但是消费者应用需求也是大量存在的。
图15 Quanergy LIDAR
图16 奔驰车上加载了2个Quanergy LIDAR传感器
SRS RoboMagellan机器人需要在一个开阔的区域找到可见的路标，从而到达最终的目标区域，其复杂性要小一些，而与此不同的是，自动驾驶汽车则要载着人类进入到很多公里之外的一个未知的区域。我们都知道RoboMagellan机器人利用了GPS来判断自己在比赛区域中的位置，并且使用里程计来调整GPS数据，通过摄像头来找到路标和目标位置。如果这种类型的机器人陷入到灌木丛中或者碰到了路的边缘，构建者可以把它取回来，修改几行代码，并且让它再重新尝试。可是，如果自动驾驶汽车横穿了几条车道，撞到了迎面而来的其他的车，可没办法重写几行代码来避免悲剧的发生。
在所有的事情中，生产厂商最不愿意考虑的就是产品的可靠性。据说，梯子的最大的成本，可能就是来自于那些没有采取适当的安全措施的人们针对梯子可靠性的法律诉讼（例如，那些将铝材质的梯子靠到一条电线上的人被电死了，而他的老婆则怒而控告生产梯子的公司）。当一个醉酒驾驶的司机在高速路上撞死了人的时候，这已经够糟糕的了，但是，当一辆自动驾驶汽车再碰到上面的情况，该怎么办呢？自动驾驶汽车必须绝对“安全”，或者说尽可能地安全，因为司机不在是人类，而自动驾驶汽车又确实是公司的一项产品。
尽管NASA只需要一个太空站汽车远程操作系统机器人，就需要大概100万美元的成本，Google则必须寻找一款消费者产品，其售价在几百美元、几千美元甚至百万美元，因此，成本的问题很严重。Velodyne HDL LIDAR是一款很不错的产品，但是，其传感器对于消费级产品来说还是太过昂贵了。
这就像Neato所意识到的问题一样，他们设计自己的第一款机器人吸尘器，并且想要使用LIDAR来构建房屋的地图，价值数千美元的SICK和Hokuyo LIDAR吸尘器对此来说也太贵了。他们最终开发了自己的版本，而材料只需要70～100美元就可以买到，这对机器人来说很好用。
Google在其原型中使用的Velodyne LIDAR HDL-64E单元有点太高级了，因为它必须要有特殊的应用程序才能在户外工作。它有64层的激光束，并且以70米的半径和600 RPM的速度进行360°的扫描，从而得到汽车周围的环境的一个3D地图。LIDAR的最终信息（通常如图17所示）比“检测”和“范围”要复杂一些。它包含了丰富的地图信息，使得车载计算机能够感知到汽车周围的环境。
图17 Google汽车中使用的Google Chauffeur对外界环境的计算机表示
计算机可以接受GPS信息来判断道路的布局，并且添加一个LIDAR层来判断道路周围是什么。它可以识别2米高以1MPH速度行走的人，但是，一个类似的以10MPH移动的物体，必然是一个人或一辆自行车。1个2米宽和2米高且以50 MPH速度移动的物体，则必然是一辆汽车。
类似的，电线杆、路边、街道上的交通线以及其他的物体和标志则无法被“看到”。最近出现了一个案例，一辆Google汽车在遇到路边一名骑自行车的人的时候，停下来犹豫了片刻，而这个骑自行车的人当时正把脚放在脚踏板上，停在停止标志旁边并没有走。
Google汽车的速度限定在25MPH，并且如果路标的速度限制低于25MPH的话，可以通过编程来遵守限速。然而，有些人实际上通过编程来使得展示车开的更快。汽车中有一个“关键开关”，可以让乘客感受到难以预防的危险（和电影《Total Recall》中的场景不同，在这部电影中，施瓦辛格扮演的角色需要胁迫出租车司机的脑袋并控制这辆车）。除了复杂的LIDAR，车辆前后还有雷达传感器，有能够感知到人、汽车和其他物体的摄像头。有一系列的传感器测量3个方向上的加速和旋转，还有通过一个旋转轴编码器作为里程计（参见图10中Sergey的手下方的位置）。车的顶棚上安装了一个LIDAR，它为汽车计算机提供最有用的内部信息。
未来的Google无人驾驶汽车的顶部将不会有大大的突起，其他的公司的无人驾驶汽车也不会有这种突起。传感器将能够缩小并融入到汽车的结构之中，并且其功能会更强大一些。续航里程将会增加，而改善现在这样的每100英里要充一次电的情况，车辆前面的可爱的笑脸将会演变为一个更加证实的设计，这使得人们在街道或高速路上看到自动驾驶汽车的时候感到更加舒适。
Google Chauffeur软件也将大大改进，用户在驾驶自动汽车的时候会更加自信。你肯定可以放心的是，Page、Brin和公司将继续作为自动驾驶汽车领域的领导者，就像Elon Musk通过Tesla在纯电动汽车领域所做的一样。
在互联网上通过Google搜索，可以找到成千上万的关于高级的3D影像和自动驾驶汽车的控制的相关信息。查看一下这些站点，你会对试验者所能够做的事情感到惊讶。自动驾驶汽车和“飞行汽车”不是同一个领域。这种技术如今已经有了，并且人们将会购买自动驾驶汽车。
Google并不是唯一一家努力以生产出成本效益合理的自动驾驶汽车的公司。Uber、Nissan（如图18所示）、Toyota、BMW、通用、福特，甚至Hitachi（如图19所示）也都在这么做。所有这些公司都在努力工作，以使得自动驾驶汽车可供每个人使用。
图18 自动驾驶汽车Nissan Leaf
图19 Hitachi Ropits自动驾驶汽车
当我第一次乘坐自动驾驶汽车的时候，我可能还有一点紧张，不过我的本性就是尝试任何的新东西。我已经等不及了。我想世界上的其他人也很渴望这种新的交通工具，就好像他们当初对“不用马拉的马车”的期待一样。
