「1. 人机共融的概念与发展」

人机协作诞生后，随着人工智能的发展，人机不再只是单纯的协作关系，可以是共融关系。1996年，美国西北大学的两位教授J. Edward Colgate和Michael Peshkin首次提出了协作机器人的概念，即机器人通过建立虚拟曲面来约束和指导人的操作，与人协作。2009年Universal Robots公司推出了首款协作机器人，人机协作得到了应用。协作机器人在与人协作过程中会有一定的精度、速度和协调性，但不会拥有人的学习、思维和推理能力。人工智能的发展，使机器人拥有了较强的感知能力、数据处理能力和自我学习能力，于是人与机器人产生了一种新的关系——共融关系。

人机共融可定义为：

在同一自然空间内，充分利用人和机器人的差异性与互补性，通过人机个体间的融合、人机群体间的融合、人机融合后的共同演进，实现人机共融共生、人机紧密协调，自主完成感知与计算。实现人机共融后，机器人与人的感知过程、思维方式和决策方法将会紧密耦合。

人机共融的发展还属于起步阶段。虽然在人机共融中应用较好的外骨骼机器人可以协助残疾人行走、帮助患者康复、助力工人搬运。但大多数机器人受材料、加工、驱动、控制、能源、计算速度的限制，使机器人在柔韧性、轻量化程度、力度与精度、续航能力、灵敏度上未达到理想要求。例如，机器人运动时，为了避免刚性冲击和提高能量利用率，在关节处需添加柔性材料，起到缓冲和储能的效果，但市面上很少见到能同时满足线性度高、行程长、刚度适中、可拉伸又可压缩的材料。虽然增材制造得到了一定发展，用拓扑优化技术设计出的金属零部件有着质量轻、强度高的特点，但加工成本高、精度很难保证。在机器人领域应用最广的是电机驱动和液压驱动，电机驱动精度高、调速方便，但出力小，往往需要外接减速器进行扭矩放大；液压驱动出力大，但系统成本高、可靠性差，并且还有可能出现漏油现象，污染环境。目前，锂电池作为机器人的主要动力源，但它的续航能力不能满足一些机器人的需求，需要反复充电。例如，具有代表性的ASIMO双足机器人，电池只能满足其半小时左右的行走；氢氧燃料电池续航能力强，但生产成本高，安全性无法保证。近几年在人工智能算法和计算机硬件性能上都有所提高，但在某些特定的环境对机器人进行控制时，一些动作需较长时间计算，影响机器人的灵敏度。因此，大多数机器人不能与人进行全方位、多层次的交互，离人机共融还有一段距离。

所谓人机共融是人与机器人关系的一种抽象概念，它有以下4个方面的内涵。一是人机智能融合，人与机器人在感知、思考、决策上有着不同层面的互补；二是人机协调，人与机器人能够顺畅交流，协调动作；三是人机合作，人与机器人可以分工明确，高效地完成同一任务；四是人机共进，人与机器人相处后，彼此间的认知更加深刻。人与机器人的关系也会朝着这4个方面发展。

「2. 人机共融的特点」

1）人机个体间的融合

机器人具有数据储存、搜索、计算、排序等技术思维的优点，人具有联想、推理、规划、总结等发散性思维的优点。在复杂的工况条件下，将人的不断自我规划能力与机器人的计算能力相结合，进行人机协作，充分利用二者的优势，实现更强的感知与计算。

在工业界，人提供应用场景、设计需求、评价指标，机器人进行产品设计，最后，共同完成产品制造；在服务行业，机器人提供研究、文娱和新闻资料，人对信息进行提炼、处理和反馈；在特殊环境中，机器人做到相对自主，与人协作，进行装配工作。

2）人机群体间的融合

机器人与机器人之间需要了解，人对机器人群体需要了解，机器人对人群体需要了解，人机共融也要体现群体智能，群体之间相互感知、共同认识和进行博弈，实现群体间的互联互通互融。

机器人与机器人进行通信和感知，各自分工明确，形成集群机器人，提高工作效率；人与机器人群体交互，时刻掌握其发展动态，更好地协作；机器人通过大数据分析了解团队成员的思维方式和行为习惯，促进机器人与成员间的配合。

3）人机融合后的共同演进

随着人工智能的不断发展，我们不希望机器人的智能超过人类，无法保证人类的安全。人机共融的目标是：人与机器人可以相互理解、相互感知、相互帮助，实现人机共同演进。

机器人可以将人的知识不断输入，自主学习，变得更加智能与高效；机器人也可与机器人之间信息共享，相互博弈，不断进化。人应主动了解机器人，通过机器人的反馈，提升人的认知能力。

「3. 人机共融的关键技术」

1）传感器技术

传感器是支撑机器人获取信息的重要手段，不同类型的传感器在机器人上应用的越常见，机器人获取信息也就越丰富。这些信息可能有嵌入的、绝对的、相对的、静态的和动态的。降低传感器的生产成本、提高传感器的测量精度和减小传感器的体积大小是市场的发展趋势，传感器在机器人本体的应用也会更加全面。传感技术是智能制造的重要组成部分，能推动人机共融的发展。

以双足机器人为例。机器人的部分关节用电机作为驱动元件，通过谐波减速器减速输出，精准的位置控制需要角度位移传感器测量电机和谐波减速器的转动角度；动力学分析是机器人稳定、快速行走必不可少的环节，通过六轴力矩传感器测量脚踝处的力和力矩来推算脚底压力中心点的位置，从而，判断机器人是否稳定并对其进行步态控制；激光雷达是机器人的眼睛，具有测量精度高、测量距离远、稳定且对周围环境适应性强的特点，用其感知外界环境可为机器人的路径规划提供依据；碰撞检测传感器可以让机器人与外界进行交互时理解环境，判断是否继续运动，保证机器人与人的安全。

以智能穿戴为例。六轴惯性传感器通过测量设备的加速度和方向来判断人的运动状态，达到记录步数的目的，从而计算出运动消耗的卡路里，为人的运动提供数据，实现智能穿戴最基本的功能；光学心率传感器应用于智能手环中，由于血液是红色的，吸收绿光，反射红光，心脏跳动瞬间，吸收的绿光多，心跳间隙，吸收的绿光少，当电容灯光射向皮肤，反射回来的光被光敏传感器接收，从而依据血液的吸光率来测算人的心率；环境光传感器是智能手表的标配，它可以感知周围光线情况，并告知处理芯片自动调节显示器背光亮度，降低产品的功耗，提高其续航能力；智能手表中的MEMS麦克风可以消除外界噪音，识别人的语音，有助于人与智能手表间的通信。

2）人工智能技术

人工智能技术主要为：深度学习——利用多层神经网络，对大数据进行分析处理，模仿人脑机制对数据进行解释；强化学习——在未知的情况下，以“试错”的方式进行自主学习；对抗神经网络——两个人工智能系统以对抗的形式创造逼真的声音和图像，使得机器拥有创造力和想象力，并减少对数据的依赖。人工智能是机器人的大脑，也是人机共融的核心，目前，人工智能中的深度学习与强化学习得到了很好的应用。

深度学习被广泛应用。在人脸识别中，由于光线、姿态、表情和年龄等因素引起的类内变化和由个体的不同产生的类间变化是非线性的，且十分复杂，用传统的方法很难解决，通过深度学习尽可能保留类间变化，去除类内变化。在语音识别中，由于深度学习能够从大量的数据中自动提取所需要的特征，而不像高斯混合模型需要人工提取特征，这样，大大降低了语音识别的错误率。深度学习应用于无人驾驶，进行物体识别时，可以提高物体识别的准确率；进行可行域检测，做场景理解时，能够精准检测可行驶区域的边界；进行行驶路径检测，做路径规划时，能解决没有车辆线和车辆线模糊的情况。同时，深度学习也应用在了文字识别、医疗、金融等领域。

强化学习应用的成功案例。谷歌DeepMind人工智能团队成功掌握了高难度的Atari游戏，激发了人们对强化学习的热情。AlphaGo击败了世界围棋冠军，为强化学习的研究树立了一座里程碑。DeepStack 作为世界第一个在 “一对一无限注德州扑克” 上击败了职业扑克玩家的Al和 Libratus作为在双人无限注德扑中击败人类顶级选手的Al,其背后的强化学习技术同样具有里程碑意义。强化学习也应用于产品和服务，如AutoML尝试降低Al门槛，Google Cloud AutoML提供神经网络架构、设备摆放和数据增强的自动化服务，亚马逊推出了实体强化学习测试平台——AWS DeepRacer。同时，强化学习在机器人、教育培训、医疗健康等领域也得到了应用。

3）人机交互技术

人机交互技术主要体现在以下四个方面：一是面向自然动作的感知技术，例如对人的手势和手指触摸的二维感知，以及深度摄像头对人体动作的三维感知；二是基于语音识别的对话交互，通过智能软件助手与机器进行语音沟通；三是面向穿戴的新型终端，通过智能穿戴测量人的心跳、记录人的运动情况，感受虚拟现实；四是脑机接*技口**术，它可以直接从人的大脑提取特定的人脑神经信号，来控制计算机或者机器人等外部设备，该技术才刚刚起步。人机交互的发展是实现人机共融的必经之路。

人机交互的应用实例。Kinect导入了即时动态捕捉、影像辨识、麦克风输入、语音辨识、社群互动等功能，它的发布正式将人机交互的方式从二维图形交互延伸到三维手势交互，让游戏摆脱了键盘、鼠标和手柄的约束，玩家可以用动作和语音在游戏中开车、与其他玩家互动、通过互联网和Xbox玩家分享图片、信息。百度AI平台中的手势识别能识别如图1所示的多种常见手势，可应用于智能家电、家用机器人、可穿戴、儿童教具等硬件设备；Siri软件是苹果牌手机、平板和智能音箱等产品的语音助手，利用如图2所示技术，可以执行读短信、介绍餐厅、询问天气、语音设置闹钟等命令，也能自我学习，主观回答“生命的意义是什么”“能给我的生活提点建议吗”等问题；宝马X5 iDrive 7.0构建了触控、旋钮、视觉、语音、手势为一体的“五维人机交互”，可以用7种手势控制电话接听、音量增减、视角切换等自定义功能，其智能化程度高，用户体验效果好。智能穿戴测量人的心电图、手机的指纹解锁、虚拟现实等一系列的人机交互方式也都应用于生活中。

图1 百度AI平台中的手势识别

图2 Siri软件的语音助手功能

「4. 人机共融在智能制造中的应用」

1）人机共融在工业生产中的应用

图3所示的ABB YuMi机器人与人协同作业使风险处于可接受的安全水平，它适用于小配件装配，例如对手机和平板的操作，甚至穿针引线。图4为YuMi和人一起生产插座。图5的FANUC CRX－10iA机器人具有高安全性、高可靠性、便捷实用的特点，可以对小型部件的搬运、装配等应用需求为用户提供精准、灵活、安全的人机协作解决方案。图6的KUKA LBR ii机器人拥有7个自由度，适用于涂抹、喷漆、粘接、安装、卸码垛、包装、搬运等。图7为该机器人与工人协同作业。图8的Boston Dynamic Handle 是一款先进的搬运轮式机器人，有着精准的视觉感知能力、高效的深度学习能力以及强大的灵敏度与平衡性，可以进行物流搬运，是一款真正意义融入生活的工业机器人。

图3 ABB YuMi机器人

图4 YuMi在生产插座

图5 FANUC CRX－10iA机器人

图6 KUKA LBR ii机器人

图7 LBR ii协同作业

图8 Boston Dynamic Handle搬运机器人

2）人机共融在航天航空中的应用

图9为俄罗斯推出的F-850太空机器人，它用坚固的材料打造，可防止太空振动，飞船飞行时，该机器人坐在指挥官的位置，掌握并报道飞船的运行情况和动力情况，还可以完成步行、掌握方向盘、开门和使用灭火器等动作。图10为美国推出的Robonaut2太空机器人，该机器人对宇航员有着自动感知系统，具有一双灵活的双手和惊人的臂力。图11为德国计划用于月球的iStuct Demonstrator猿猴机器人，该机器人能站立会爬行，行走和攀爬方式与猿猴相似，并且可以在极端温度和真空环境下进行探索。图12为Lemur太空机器人，能够协助宇航员在太空中检修和建设较大的建筑物。

图9 F-850太空机器人

图10 Robonaut 2太空机器人

图11 iStuct Demonstrator猿猴机器人

图12 Lemur太空机器人

3）人机共融在医疗健康中的应用

图13为达芬奇Xi机器人，其设计理念是通过使用微创的方法，实施复杂的外科手术，它是目前最先进的微创外科技术平台，由外科医生控制台、旁床机械臂系统和成像系统组成，机器人将病人的状态通过成像系统展现给医生，医生操控机器人来给病人做手术，形成了机器人与医生和病人间的交互。图14为SL-HCR1物品配送机器人，它具有自主行走、自主避障、防跌落、自主语音提示、自主充电等功能，特别是在新型冠状病毒爆发期间，能够给感染患者进行配送和语音交互。图15为并联机器人，利用智能视觉系统，对杂乱无章的药品进行识别、定位、动态跟随和抓取，然后将来料分拣至规则的料盒中。图16为外骨骼机器人Guardian XO，该机器人拥有24个自由度，具有承重大、功率低、续航能力强的优点，能很好地协助人行走和搬运。

图13达芬奇Xi机器人

图14 SL-HCR1机器人

图15并联机器人

图16 Guardian XO外骨骼机器人

4）人机共融对现代生产的帮助

人机共融能够激发中小企业的创造力与活力，生产出个性化和智能化的产品；能够提升大型企业的生产效率，保证产品的产量和质量；能够积极推动智能制造，加快我国实现工业4.0的步伐。

「5. 人机共融未来发展趋势」

当前，人机共融面对着三大挑战：

（1）智能感知。机器人需要通过自带的传感器获取外部信息，并对数据进行储存、分析、推理、判断，任何一个环节出问题，机器人都无法做出正确的决策。

（2）安全交互。由于出现机器人故障、人操作失误和其它设备故障在所难免，并且人和机器人在同一个自然空间内频繁接触。为了保护人的安全，对机器人设计、控制和传感等技术提出了较高的要求。

（3）数据处理。大多数人机共融数据都可放到互联网上共享，但由于应用场景、机器人本体、人机交互方式存在差异，如何处理好这些数据将是一个难题。

未来，人机共融会朝着三个方向发展：

（1）人机共融日常化。首先，穿戴式设备会更加集成化、便携化以及智能化，人人都可以将小机器人随身携带，进行语音、动作以及视觉上的互动；其次，随着科技的发展，各种传感器和相关硬件生产成本的降低，会降低智能机器人的生产成本，智能机器人则更容易走进日常生活；最后，社会对智能机器人的市场需求会促进生产、教育、医疗和娱乐的发展。

（2）人机共融自然化。首先，人会淡化与机器人交互的目的感，与其交互是一种本能反应，类似于和朋友聊天、与好伙伴搭档工作；其次，人不需要使用编程语言、遥控、手柄和触摸屏幕等方式与机器人交互，也不需要看机器人手册，直接用肢体动作和语音即可将信息输入给机器人；最后，机器人对人的感知不断更新迭代，对人的认知也会不断加深，与人交互更自然。

（3）人机共融无障碍化。目前谈到的人机共融都包含机器人对人先学习后了解的过程，未来，脑机接*技口**术成熟后，机器可以不用学习，直接获取人的大脑信号，达到高度人机融合，实现真正意义的无障碍化。

来源：智造苑

中国工程科技知识中心（以下简称”知识中心”）是经国家批准建设的国家工程科技领域公益性、开放式的知识资源集成和服务平台建设项目，是国家信息化建设的重要组成部分。

知识中心建设以满足国家经济科技发展需要为总体目标，通过汇聚和整合我国工程科技相关领域的数据资源，以资源为基础、以技术为支撑、以专家为骨干、以需求为牵引，建立集中管理、分布运维的知识中心服务平台。

知识中心以为国家工程科技领域重大决策、重大工程科技活动、企业创新与人才培养提供信息支撑和知识服务为宗旨，最终建设成为国际先进、国内领先、具有广泛影响力的工程科技领域信息汇聚中心、数据挖掘中心和知识服务中心。

中国工程科技知识中心公众号：知领

中国工程科技知识中心微博：知领直播