从大白到大黄蜂，未来机器人就藏在这些顶尖学府的实验室中

编者按：本文来自微信公众号“机器之能”（ID：almosthuman2017），作者Tanya M. Anandan，编译张玺；36氪经授权发布。

如今，未来的机器人技术已在实验室里初具雏形。从包裹配送机器人、自动驾驶汽车，到外科手术蛇形机器人、搜救机器人，各类创新影响深远。1 年后、3 年后或是 5 到 10 年后，当我们迫切需要机器人时，它们可能就会出现在我们的门口、我们家里或者我们身边。

本篇文章将透过全美顶尖学府机器人研究学术机构的镜头窥视未来。各家院校都在为机器人学科吸引招募富有声望的教员，且都设置了跨学科机器人技术的硕士与博士培养计划。此举催生了许多颠覆行业的衍生公司与知名校友。各家院校均采用综合的机器人研究与教学方法。

机器人技术是一条多学科赛道。机械工程、电子工程与计算机科学等传统研究领域已延伸到生物系统与认知科学。许多顶级院校的机器人专业培养计划正从各个角度应对机器人技术挑战，并有了极具吸引力的发现。

人机交互

卡耐基梅隆大学（CMU）机器人研究所创立于 1979 年，是全美历史最悠久的机器人研究所之一，也是全美首个开设机器人研究生课程的高校。

该研究所包括 CMU 在宾州匹兹堡校区的主要设施、劳伦斯威尔附近的美国国家机器人工程中心（National Robotics Engineering Center，简称 NREC）及黑泽尔伍德的机器人城——其前身是钢厂，在钢厂原址上建设了 40 英亩机器人测试场地。

CMU 和匹兹堡大机器人城（Greater Pittsburgh robotics scene）已经将这座「钢铁之城」转变为了「机器人堡」。

机器人研究所隶属于 CMU 计算机科学学院。研究人员从事机器人技术相关的综合研究，包括机器人设计与控制、感知、学习、自主及人机交互（HRI）。

实际上，研究所所长 Martial Hebert 认为，研究所的中心主题是人机交互（HRI），「大多数机器人技术研究与机器人关系不大，研究需要与人交互。」他说，「理解人类、预测人类、理解人类的意图。从理解行人意图的自动驾驶汽车到理解操作工人的协同机器人制造，涉及所有级别的交互应用。」

为了更好地理解人类，CMU 尝试了许多方法，研究人类的肢体语言就是其中之一。研究人员搭建了一个真人般大小的、配备了摄像机、高清摄像头与深度传感器的圆顶测量场，从成千上万条轨迹中捕捉图像。最终，实现人类的身体姿势及行为的动态 3D 重构。

我们人类可以无需任何语言，用肢体动作、姿势及面部表情做出表达。CMU 全景工作室（CMU Panoptic Studio）的建立就是为了捕捉上述细微的非语言线索，创建肢体语言数据库，帮助机器人更好地与人类相处。目前，研究正在进行中，可用数据集包括全身动作、手部手势及 3D 面部表情。

学界之外，研究成果也备受瞩目。备受启发的 Facebook 在匹兹堡设立了一个实验室，聘请了创立全景实验室（the Panoptic Studio）的 CMU 教授亚瑟·谢赫。事实证明，非语言社交在虚拟世界中同样重要。想想 Oculus Rift 吧，现在归 Facebook 所有的虚拟现实技术。

机器学习与机器人智能

Hebert 说，机器学习是 CMU 的另一块重要研究领域。他设想，机器人能够从自身动作与数据中学习，并逐渐通过学习改善表现──如机械臂学习如何抓取，无人机学习如何更好地飞行。日前，CMU 与霍尼韦尔公司强强联合，合作开发了先进的供应链机器人技术，人工智能将运用机器学习在上下游分销中心控制和操作多种机器人技术。

「这是一个物料搬运应用，包含分拣包裹及在分销中心附近快速搬运包裹。」Hebert 说，但他没有透露关于机器人的更多细节信息。Honeywell 最近与 Fetch Robotics 的合作可能会透露端倪。

「机器人只能重复机械工作的时代早已过去。」Hebert 说，「现在，机器人必须能够自主决策，适应环境。东西不会在那里一直不动或是在它们本应出现的位置，而这恰恰是机器学习与自主功能发挥作用的地方。所有因素汇总在一起，才催生出这种新的应用。」

过去 20 年，CMU 研究人员一直在 NREC 为工业及政府客户将机器人技术概念化及商业化，而该项目也正在 NREC 进行。从 F16 战斗机的激光脱漆机器人、无人拆弹车队、农作物自动收割机、施工装载机到采矿机器人，许多行业都受其影响。

尽管 CMU 在自动驾驶汽车方面大胆创新，Hebert 仍然认为他们对于机器人技术物理方面研究的关注少于机器人智能。关注算法或机器人软件技术层，是我们在学术界内外反复听到的主题。

他举了个例子。Kaarta 研发了一款 3D 移动扫描与制图生成系统，可在用户的手掌上实时运用即时定位与建图技术（SLAM）。无需后台处理，用户面前的手持触摸屏上立即生成 3D 数字模型。核心技术专利（高级 3D 建图与定位算法）正在申请中，这也是 CMU 机器人研究所的产品之一。

「我们的贡献就是收集传感器采集的海量数据，并快速高效地优化。」Heber 说，他对高等数学及算法赞不绝口。

该系统的成像硬件尺寸小、可定制，适用于陆地及空中运输工具（如无人机），内外侧都能使用。目前，这款产品主要面向基础设施检验员、勘测员、工程师、建筑师及设施规划师。但是，还有许多领域具备应用可能性──急救人员、危险品处理小组、执法人员与未来的自动驾驶汽车。

搜救机器人

说到急救人员，这让我们想到了 CMU 实验室开发的一款外形奇特的机器人，它能到达人类无法到达的地方。

Snakebot（蛇形机器人）能在狭窄的空间和极端条件下行走──可能此类环境是人类甚至犬类无法生活且预知的。去年秋天，墨西哥城遭受大地震后，Snakebot 被用于在地面上实施搜救工作。今年春天，Snakebot 被评为「年度地面救援机器人」。

CMU 生物机器人实验室（Biorobotics Lab，发明了 Snakebot）主任、计算机科学教授 Howie Choset 表示，他们对于机器人及其已取得的成绩感到十分自豪。然而，还面临许多挑战。

「挑战还有很多，包括如何移动（运动），移动到哪（导航），如何创建环境地图，如何为检验员提供极佳的远程环境感知。」Choset 说道。机器人前端的摄像头辅助操作人员观测机器人附近的即时工作区域，但低光线及高度狭窄的环境会限制其工作。在灾难场景中，声音及气味传感器之于发现生命迹象会更有效。

CMU 的蛇形机器人可以用它的多关节躯体攀爬立柱、在栅栏上滑行、操纵导管、滚进排水沟，甚至游泳。

Choset 认为，蛇形机器人十分适合于制造应用，如检查飞行器机翼内的紧固点，或在飞机机翼或轮船内部安装紧固件，在汽车车门内部喷漆。他还希望蛇形机器人能应用于核工业领域。

医疗机器人技术

医疗机器人技术是 CMU 另一个值得关注的研究领域，而 Biorobotics Lab 研发的另一款蛇形机器人在医疗机器人技术取得了重大进展。与用于搜救或工业应用的蛇形机器人不同，外科蛇形机器人是电缆驱动机器人。

Choset 详细解释了其中的差异。

「想象一个使用电线控制不同部分的提线木偶。电缆驱动机器人使用内部线缆控制连接，使关节屈伸。发电机不一定要嵌入式的，所以你可以使用更轻量化的机械装置，或者像我一样使用更大的电机。」这与移动机器人形成鲜明对比──移动机器人能够攀爬管道，所有的发电机都是嵌入式的。

Choset 说，「我认为微创手术是机器人技术应用的另一个重要领域。关键挑战是如何进入──如何到达正确区域；到达后，仍在开发的工具、终端执行器及其他机械装置如何进行治疗与执行诊断。环境感知或真正理解周边环境则是下一步。」

CMU 的仿生机器人团队认为，微创无痕手术是蛇形机器人的未来。与此同时，该项技术已在口腔机器人手术方面取得成功，并授权给了 Medrobotics Corporation──Choset 教授是这家总部位于马萨诸塞州的公司的联合创始人。机器人行业协会（RIA）下月将开始深入研究此项技术，届时，我们将专注于外科手术机器人技术。

当机器人与人类躯体连接或内置其中时，医疗机器人技术将人机交互提升至新高度。但是，当人类成为机器人的乘客时，情况会是如何呢？这应该就是自动驾驶汽车的应用场景。让我们去「汽车之城」看看吧。

自动驾驶汽车

密歇根大学可能因其足球项目而闻名，但是里程碑式的自动驾驶汽车研究才真正使其享誉世界。距底特律城约 40 英里的 Mcity Test Facility，是在模拟城市环境中测试联网的自动驾驶汽车技术、独一无二的试验场。

试验场位于密歇根大学的安娜堡校区，占地 32 亩，拥有数英里长的道路──包含十字路口、交通信号及指示灯、人行道、模拟建筑与障碍物（如建筑障碍），甚至偶尔会出现测试行人避让技术的「假人」。对研究人员来说，这是在 2021 年前建成本地互联自动驾驶汽车网络的一个典型的户外实验室。

「我们最出名的可能就是自动驾驶。」密歇根大学工程学教授德 Dmitry Berenson（米特里•贝伦森）表示，「这也是优势所在。我们拥有密歇根大学交通研究所（UMTRI）──在自动驾驶流行前，这里就已经开展了多年自动驾驶研究。我们与汽车制造商关系紧密，能够与他们快速组织会议对接，获得反馈，我们与丰田及福特的良好合作关系也推动了自动驾驶技术的发展。」

我们第一次遇见 Berenson 时，他还在 Worcester Polytechnic Institute 组织团队进行机器学习与操纵规划方面的研究。那时候，我们还在讨论他关于仿人机器人堆叠盒子的动作规划算法的研究。如今，Berenson 负责自主机器人操纵（ARM）实验室──该实验室是他两年前加入密歇根大学时创立的。算法仍是他的最爱。

「密歇根大学所做的事情真的很重要，推动算法的边界，让机器人进入非结构化的真实世界环境。我们有研究人员正从航空航天应用的角度进行类似的研究，从步行运动到与我团队相似的操纵应用，再到自动驾驶。自动驾驶技术的发展势头强劲。我们的一些同事已经在此领域创业。」

密歇根大学教授 Edwin Olson 在 2017 年联合创立了 May Mobility。目前，该初创公司的自动班车服务正在底特律市中心运营，并在其他中西部城市拓展新领地。作为 APRIL Robotics Lab 的负责人，Olson 因其感知、建图与规划算法被人熟知。上述自动驾驶班车的授权知识产权都是在他的实验室开发的。

这个能容纳六位乘客的电动班车在某些场景下取代了柴油巴士，比如，在商业区、公司和大学园区的指定道路上行驶。这是去年试验项目的后续──May Mobility 在办公室及车库间班车接送 Bedrock Detroit 及其母公司 Quicken Loans 的员工。

来自宝马 i Ventures、丰田 AI Ventures 与 Y Combinator 等主要投资者的资金激增，再加上与一流汽车供应商 Magna International 新建立的合作关系，都将可能加速 Olson 的自主班车初创公司在全国的推广。

另一名密歇根大学老师 Ryan Eustice， 是丰田研究院自动驾驶部门（Automated Driving at Toyota Research Institute）的高级副总裁，因其 SLAM 技术研究而闻名。Berenson 说，「对于自动驾驶汽车来说，SLAM 是关键技术。没有 SLAM，它们寸步难行。」

Eustice 是感知机器人技术实验室（PeRL）的负责人。这是一座移动及海洋机器人技术实验室，隶属于密歇根大学，关注机器人感知、导航及建图算法开发。Eustice 还与福特一同研究下一代汽车（NGV）项目。福特是首家在 Mcity 测试自动驾驶汽车的汽车制造商。

机器人技术掀起高潮

福特有Michigan Robotics留下来的股份。密歇根大学安娜堡校区正在建设一处价值 7500 万美元的建筑，因为福特捐赠 1500 万美元给密歇根大学，故该建筑将被命名为福特汽车公司机器人大楼（Ford Motor Company Robotics Building）。该建筑占地面积约为 14 万平方英尺，设有供自动驾驶飞行器用的三层飞行区域，供有腿机器人使用的室外障碍训练场及供自动驾驶汽车使用的高层立体车库。此外，福特还将在第四层建立一座校内研究实验室──便于福特的研究人员与密歇根大学的教职人员协同工作，为学生提供实践机会。

这座新建筑还会配置教室、办公室及实验室。学生、教职人员与研究人员汇聚在一起，讨论机器人，使沟通交流更顺畅。实际上，密歇根大学领导人将倡导从各个角度（包括机械、电子、感知、控制及导航）研究机器人技术问题与解决方案的文化，并将该方法称为「全方位自主」。该建筑预计于 2020 年上半年竣工。

丰田研究员还将资助密歇根大学的研究工作。Berenson 说，「他们重视我们的机器人技术与自动驾驶技术，不是因为他们认为哪些技术能增加他们明天的利润，而是这将在未来五到十年给他们带来利益。我的 ARM 实验室已获得一项资助。」

机器人操纵及抓取

Berenson 正在 ARM 实验室中开发机器人运动规划与操纵算法。研究工作包括杂乱环境下的抓取与可变形物体的操纵，如具有韧性及抓取时会变形的绳索或织物。

「这儿有许多可变形物体，成堆的杂物中有一些可能是我们之前见过的，一些是我们没见过的。无论如何，我们必须操纵它们。」Berenson 说，「我们不能等到有人对环境进行完美建模，给我们提供所有的参数，告诉我们东西都在什么位置或为每个物体提供一个 CAD 模型。这些也许在工厂中适用，但在家庭中完全不行。」

「你永远不会得到一个描述绳索或织物表现如何的完美模型。我们必须在不确定的条件下操纵。」Berenson 补充道，「举个例子，我们可以在桌上的特定位置摆放餐垫，避开障碍物。我们可以在不知道可变形物体大部分参数（如刚度与摩擦系数）的条件下，完成这类任务。」

2018年早些时候，Berenson 因提高自主机器人处理柔软及可变形物体的能力，获得了美国国家科学基金奖（National Science Foundation CAREER award）。他认为，包含拾捡可变形物体（如线缆、衣服甚至肌肉组织）在内的挑战，能够通过基于距离约束的物体及任务表征与公式化描述，及基于该表征的控制与规划方法来解决。按照此方法运用机器人，能够使得医疗机器人在外科手术中或在准备病床等方面执行简单重复的任务，或是，在家庭服务中，让机器人承担洗衣做饭的工作。

「我们对此项研究感到特别兴奋，因为我们相信它将推动前沿发展──机器人能基于有限信息正常工作。这点对于机器人在人们的家庭中或自然环境中工作，异常关键。」

此外，ARM 实验室也在致力于研究成形算法。当你面临杂乱环境时，如一堆衣服或其他需要分类的物体，该算法优势明显。「如果你用激光扫描仪扫描东西，仅能看到物体的前面部分，却完全不知道物体后面是什么，或者物体纵深多远。我们一直在研究填充无法观测物体部分的算法。」Berenson 说。

他的团队充分利用前人在深度神经网络方面的研究成果进行 3D 重构。通过机器学习，该算法已经学会观察一个物体的局部扫描，并通过观察之前已扫描过的上千个物体推断出它看不见的部分形状。结果证明，许多家用物件十分相似，所以 Berenson 表示，他们可以在家用物件方面做出相当好的预测。

研究团队使用一些复杂的机器人技术来测试和验证他们的运动规划与操纵算法。你能看到一对 KUKA LBR iiwa 机器人手臂，配备了 Robotiq 三指机械爪，可以操纵形状、重量及易碎性不同的日常物件。

随着机器人逐渐融入我们的生活，各种干扰也逐渐出现。不只是技术层面，社会、伦理、法律与经济问题都将引起人们对隐私、可靠性、潜在工作机会丢失、持续性学习与社会习俗等方面的担心。有一所大学正密切关注机器人技术创新的社会影响。

机器人伦理及政策

科瓦利斯市是俄勒冈州中西部的一座城市，距太平洋海岸约 50 英里。我们在科瓦利斯市中心发现了「宝藏」。作为威拉米特河谷的一部分，这里土壤十分肥沃，也是机器人技术领域后起之秀的沃土。

俄勒冈州立大学 (OSU) 是科瓦利斯市最大的雇主，也是协作机器人技术与智能系统（CoRIS）研究所的所在地。2017 年，俄勒冈州立大学工程学院创立了 CoRIS，旨在提升机器人及智能系统的设计、开发与部署，实现机器人与人类的无缝交互。

「我们正在摒弃机器人必须与人类分开工作的观念。」Kagan Tumer 说道。Tumer 是 CoRIS 的负责人、俄勒冈州立大学机械、工业与制造工程学院的教授。Tumer 说，「我们与机器人的互动无处不在，从工厂到日常工作甚至在家里，现在，我们发现有消费者购买人工智能及机器人。了解人类如何与机器人交互──无论它只是一个简单的扫地机器人还是家政护理级别的聊天机器人，关于如何与机器人交互，还存在许多待解决的问题。」

俄勒冈州立大学的研究人员通过强大的协作研究文化（是 CoRIS 的特点）来解决这些问题，多学科融成一体。此外，他们还特别关注伦理与政策。

Tumer 说，「这是我们非常重视的事情。这样的研究结构通常会设置一名研究负责人和学术负责人。我们在部署方面，特别设置了一名政策与伦理负责人。因为我们认为这十分重要。据我所知，我们是唯一开设研究生级别的机器人伦理学课程的学校。希望我们的毕业生不仅精通技术，也能够理解他们所创造机器人技术的真正内涵。」

俄勒冈州立大学的 CoRIS 强调机器人技术和人工智能中的人类要素。研究人员探索机器人技术在伦理、政治与法律方面的内涵以了解社会与技术干扰的范围与规模，以及其对于未来科学、技术及社会的影响。

机器人步行移动

当机器人开始与人类共享活动空间时，伦理与政策变得更加重要。机器人在我们身边散步是迟早的事。

俄勒冈州立大学实验室研发的双足机器人 Cassie，在校园里漫步时引起了很多人的关注。Cassie 看起来像一对鸵鸟腿，但仿生学不是它的使命。Cassie 的开发者只是希望创造出稳定的有腿平台，能够应对多变的地形与无法预测的环境。

Cassie 在俄勒冈州立大学的成功并非偶然。Tumer 努力招募顶尖的机器人技术人才，他找来了 CMU 机器人技术博士 Jonathan Hurst，而他也成为俄勒冈州立大学首位致力于机器人技术的老师。

Hurst 钟爱步行移动，尤其是机械系统的被动动力学。他创立了动态机器人技术实验室（Dynamic Robotics Laboratory），组建了设计与开发 ATRIAS（Cassie 的早期原型）的团队。ATRIAS 的被动动力来源于系列弹性玻璃纤维弹簧，其工作原理类似悬挂系统与机械能量存储方式。该技术基于弹簧质量模型，这是一种与动物高效跳跃步态相关的理论。想象一下，跳上一根弹簧高跷上，能量被压缩时存储在弹簧中；当它膨胀时，能量被释放，你就被向上抛起。

Tumer 说，「ATRIAS 是一项科学试验，从未想过能成为现实世界的机器人。它当时只是验证模型想法、机器人工作的被动动力学方法，以及你是否可以基于非常简单的原则（如复制动物步态）设计出机器人。Cassie 就是那个实验的产物。」

较于 ATRIAS，Cassie 能够控制每条腿两个以上的关节，静止站立或蹲坐时都能保持平衡。臀部的全方位运动使得 Cassie 能够转向。Cassie 的重量是 ATRIAS 的一半，但动力却是其一倍，且能量使用效率更高。由于系统密封，Cassie 能在雨雪天气运行。由于团队没法找到足够小或具备要求性能的现成部件，俄勒冈州立大学实验室自主研发了许多 Cassie 的部件。

俄勒冈州立大学的衍生公司 Agility Robotics 正在将 Cassie 作为一个强大的双足机器人研究平台进行销售，面向从事腿部运动研究的学术团队。加州理工学院与密歇根大学正在测试 Cassie 的算法，为截瘫患者开发新一代假肢和外骨骼。除了私人/辅助机器人技术外，Tumer 表示，创造者设想 Cassie 的实际应用是包裹配送与搜救机器人。

Tumer 说，「我们离无人驾驶汽车已经不远了。如果你能想象一辆货运卡车自动驾驶到你的社区，那如何处理最后的 100 英尺或 300 英尺？此时，应该有腿机器人登场──先跳出卡车，将包裹送到你家门口，再回到卡车上，驶向下一站。」

Cassie 的发明团队正在研究类似手臂的附件，该附件能搬运包裹且能在摔倒后自动恢复平衡。Cassie 最终需要「眼睛」观察你的家门，所以，视觉及其他传感器也已提上议事日程。

Tumer 说，「如果你仔细观察住宅附近的环境──从路边到人行道，到有点斜坡的车道，到门前的一或两层台阶，这些对于任何类型的轮式机器人都是十分危险的路线。当给自动驾驶货车配置一个有腿机器人，一切都搞定了。能在为人类设计的环境中行走意味着一次重要进步。」

包括 Andy Rubin 的 Playground Global、Sony Innovation Fund 及 Robotics Hub 在内的投资机构全都寄希望于此。2018 年初，俄勒冈州奥尔巴尼的 Agility Robotics 的 A 轮融资金额为 800 万美元。2018 年 6 月，它们在匹兹堡成立了第二家分店，期望充分利用该地区强大的机器人技术人才库。此外，俄勒冈州立大学仍在持续研究 Cassie 的迭代升级。

多机器人协作

多机器人协作是俄勒冈州立大学另一个重要研究领域，也是 Tumer 的主要研究重点。他表示，许多有趣的现实世界场景需要多个机器人或人与机器人协同工作。搜救工作就是其中之一。

Tumer 解释道，「你可能需要搜寻废墟的无人机（UAV）、能够四处移动的无人地面车辆（UGV）及有腿机器人。你将需要大量部件进行不同工作。我们如何部署那些机器人，使得整个团队能完成你的预期，这才是关键。为所有不同的机器人解决目标选择问题是我们研究的重要内容。」

Tumer 表示，在一个多机器人团队中，不同的机器人需要一定程度的待处理任务感知能力。这样，它们才能决定如何为团队做出最好的贡献。他的团队正在尝试赋予机器人高级协作能力。

水下机器人

Tumer 在多机器人协作方面的研究成果也可应用于水下机器人。俄勒冈州立大学有一个强大的海洋学系，因此，他们与 CoRIS 展开了合作，尤其是专注于水下自主技术的俄勒冈州立大学教授 Geoff Hollinger 博士。

Tumer 说，「我们在机器人身上进行了许多水下科学的研究。这全都与海洋健康有关──观察河流如何带来水与沉积物，及其它们如何传播。我们的所作所为对环境产生的影响，蕴含着许多研究问题──从河流分流到海藻再到其他问题。我们有一队智能滑翔机，可以为科学家们收集信息。」

这些「智能滑翔机」或者自主水下航行器（UAV）外形像鱼雷，但没有发动机，他们顺着水流滑行，而不是自行推进。船上配置的传感器采集不同深度海水的盐浓度、温度、营养素与氧气浓度数据。这些滑翔机能自主变更浮力，潜入水下 1000 米，并在数小时后浮出水面，将采集到的数据与位置信息通过卫星传播出去。它们每隔六小时左右就重复一遍此流程，连续数周每天 24 小时采集数据。

来自俄勒冈州立大学不同学科（海洋科学与机器人技术）的研究人员共同协作，为海底滑翔机配备生物声学传感器，利用其独特的声学特征识别不同种类的海洋动物。这也有助于科学家们研究捕食与被捕食动物的分布规律以及它们与海洋条件的关系。

Hollinger 与机器人决策实验室（Robotic Decision Making Laboratory）开发的高级控制算法，使得滑翔机与其他水下机器人（AUV）更加高效地在强流与干扰环境下航行，对环境信号做出响应。运用智能 AUV 在潜水员无法到达的环境中收集数据，对于维持渔业、保护海洋生物及理解气候变化具有长期利益。

当更多的机器人系统进入水下、街道以及家庭后，研究人员表示，我们需要正规的验证测试方法，以支持大规模部署。

机器人技术的验证测试

CMU 的 Herbert 认为，未来 5 到 10 年虽然没有那么激动人心，但集成、验证与测试却是最为关键的机器人技术研究领域。随着人与机器人交互逐渐成为我们日常生活的一部分，这一点尤其重要。为了说明他的观点，Herbert 拿航空工业做了一个类比。

「乘坐飞机的乘客感觉安全，是因为我们的航空技术已经经过 150 年的验证测试。但是，人工智能与机器人技术的相关工具并没有。如何让选用系统进行重复学习并适应？哪些系统是依赖于学习数据的？与人类有复杂交互的系统又该怎么办？」Herbert 说，「针对这些较新的机器人技术领域，我们还没有保证系统性能及行为的工程工具。我们需要做的是能在日常应用中使用它们。我们需要为大家真正信任的系统提供最佳的实践与正规工具的集合。」

信任将在公众对于智能自主系统的接受程度方面起着关键作用。我们可以将我们爱的人与最容易受到伤害的人群──老人孩子，托付给系统去照护；机器人也许将来会分享我们最私密的空间；系统将能够访问我们的隐私数据、生活细节及私人会谈；我们将交出机器人系统的控制权。

为了达到该目标，它们需要赢得我们的信任。我们与机器人的美好未来取决于此。研究人员正帮助我们实现这一未来。

原文链接：

https://www.robotics.org/content-detail.cfm/Industrial-Robotics-Industry-Insights/The-Dream-Labs-of-Future-Robotics/content_id/7533