A3I：21世紀科技之光

黃心漢

(華中科技大學 自動化學院，湖北 武漢 430074)

A3I：21世紀科技之光

黃心漢

(華中科技大學 自動化學院，湖北 武漢 430074)

在回顧人工智能、智能控制與智能機器人(artificial intelligence, intelligent control and intelligent robotics，A3I)發展歷程的基礎上，介紹了人工智能的誕生和發展進程、研究目標與實現途徑。提出了傳統控制技術面臨的挑戰與出路，比較了智能控制與傳統控制在知識的獲取、描述、加工和運用方面的不同之處，闡述了二者之間的相互關系，指出了智能控制系統應具備的基本功能、主要任務與實現方法。介紹了機器人的過去——人類的幻想，機器人的現在——從幻想走向現實和機器人的未來——智能機器人。最后對人工智能、智能控制和智能機器人的發展前景進行了展望。

人工智能；智能控制；智能機器人；神經網絡；深度學習；模糊控制；專家系統；傳遞函數；動態規劃

舉世矚目的人機大戰落下帷幕，谷歌AlphaGo以4∶1戰勝韓國超一流棋手李世石，這是繼IBM“深藍”在1997年打敗國際象棋世界冠軍卡斯帕羅夫之后，人工智能技術取得的又一重要成果。AlphaGo在圍棋博弈的成功是人工智能技術在深度學習方面取得重大進步的體現，標志著人工智能的發展進入了迅速發展的新階段。目前有關人工智能是否會超越人類智能的大討論如火如荼，圍棋人機大戰巔峰對決的意義超越勝負，這是科技工作者經過半個多世紀的不懈努力所取得的輝煌成就。2016年是人工智能誕生60周年，讓我們來回顧一下人工智能誕生和發展的歷程。

圖1 人機大戰比賽現場Fig.1 Man-machine game site

1 人工智能：曙光初顯

1.1 人工智能的誕生

1950年英國數學家、邏輯學家，被譽為計算機科學之父的阿蘭·圖靈(Alan Turing)發表了一篇劃時代的論文《計算機器與智能》[1]，文中預言了創造出具有真正智能的機器的可能性。他的這篇著名論文和他設計圖靈測試(圖2)拉開了人工智能的序幕。

圖2 圖靈測試示意圖Fig.2 Schematic diagram of the Turing test

1956年夏季，美國10位杰出青年科學家：達特茅斯學院的數學家和計算機專家麥卡錫(John McCarthy)、哈佛大學的數學家和神經學家明斯基(M. L. Minsky)、IBM公司信息中心負責人洛切斯特(Nathaniel Rochester)、貝爾實驗室信息部數學研究員香農(Claude Shannon)、IBM公司的摩爾(Trenchard More)和塞繆爾(Arthur Samuel)、麻省理工學院的賽弗里奇(Oliver Selfridge)和所羅門諾夫(Solomonoff)、以及卡內基—梅隆大學的紐維爾(Allen Newell)和西蒙(Herbert Simon)在美國達特茅斯學院(Dartmouth College)進行了一次為期兩個月的夏季學術研討會，會議召集人麥卡錫將該會議命名為“人工智能夏季研討會”(Summer Research Project on Artificial Intelligence)[2]。主要研討用機器模擬人類智能的有關問題，并經麥卡錫提議，正式采用人工智能(artificial intelligence，AI)這一術語來表述相關問題。達特茅斯會議標志著人工智能作為一門新興學科的正式誕生。

圖3是達特茅斯會議原址達特茅斯學院的達特茅斯樓。圖4是2006年5位在世的達特茅斯會議參與者重聚達特茅斯紀念會議50周年時的合影(左起摩爾、麥卡錫、明斯基、賽弗里奇、所羅門諾夫)。

圖3 達特茅斯樓Fig.3 Dartmouth floor

圖4 五位達特茅斯會議參與者2006年的合影Fig.4 Photo of five Dartmouth conference participants in 2006

經過10余年的研究與發展，人工智能在定理證明、問題求解、計算機博弈等領域取得重要進展。第一屆國際人工智能聯合會議(International Joint Conferences on Artificial Intelligence，IJCAI)于1969年召開，1970年人工智能雜志《Artificial Intelligence》創刊，這些事件標志著人工智能作為一門獨立學科得到國際學術界的認可。

隨著實際系統越來越龐大、越來越復雜，人們對于人工智能的應用有著強烈需求。人工智能越來越關注實際應用，與其他學科的聯系也越來越緊密，統計學、控制論、生物學等學科不斷深入到人工智能中，誕生了不少新觀點和具有良好應用效果的研究成果。1982年，美國物理學家約翰霍普菲爾德(J.J. Hopfield )提出了霍普菲爾德神經網絡[3]，這一成果與1985年由魯梅爾哈特(D. E. Rumelhart )等提出的多層網絡中的反向傳播(BP)算法[4]一起，促進了神經網絡研究的復興。20世紀80年代中后期開始，統計學在人工智能中發揮重要作用，隱馬爾可夫模型被引入語音識別，貝葉斯網絡成為不確定性推理的重要手段。20世紀80年代后期出現了數據挖掘技術。1991年，麻省理工學院著名機器人專家羅德尼布魯克斯(R. A. Brooks )發表了《沒有表示的智能》[5]和《沒有推理的智能》[6]的新觀點。1995年出現的智能體(Agent)[7]和多智能體(Multi-agent)概念[8-9]，迅速成為智能系統的構造，特別是分布式智能系統構造的研究熱點[10-12]。近年出現的深度學習、大數據、云計算和互聯網+，為智能控制的發展提供了新的途徑。

1.2 人工智能的研究目標

1)長遠目標

揭示人類智能的機理，用人工智能技術構建智能機器來模擬和擴展人類智能，實現腦力勞動自動化。

2)近期目標

研究如何使機器更聰明，使它在某一方面和在一定程度上模擬人類智能，如智能機器人[13]的環境識別、自主決策和人機交互能力等；或者在實際應用中，為人類提供智能工具，幫助人們解決一些具體問題，如智能制造、智能家居、智能樓宇、智能醫療、智能手機、智能交通[14]等。

長遠目標與近期目標沒有明確界限，長遠目標為近期目標指明方向，近期目標為人工智能的應用提供理論和技術基礎，隨著人工智能研究的發展和進步，最終實現長遠目標。

1.3 人工智能的實現途徑

1)符號處理

其理論基礎是紐維爾和西蒙提出的物理符號系統假說[15]，用符號來表示知識，并進行基于符號的推理，實現人工智能。應用領域包括問題求解、計算機博弈、自動定理證明和專家系統等。

2)連接主義

以結構模擬為核心，主要實現方式是人工神經網絡，由于人工神經網絡是通過大量神經元相互連接而形成[16]，因此得名連接主義。目前主要的神經網絡結構模型有感知器、霍普菲爾德網絡、自組織特征映射網絡等。

3)學習

學習是獲取知識的途徑，因此通過機器學習實現人工智能就是一種自然想法，賦予機器學習能力涉及人類智能本質的根本問題，對這一問題的解決意味著真正的人工智能的到來[17-18]，但這也是一個非常困難的問題。涉及的研究領域包括：計算機視覺、模式識別、知識發現與數據挖掘、人工神經網絡、專家系統等。

4)行為主義

布魯克斯在1991年發表的《沒有表示的智能》和《沒有推理的智能》是對傳統人工智能的批評和否定，開創了基于行為的人工智能研究新途徑。行為主義認為智能來自于感知與行為和對外界環境的適應，而不是傳統的“深思熟慮”的表示和推理。研究領域包括智能機器人[19]、機器昆蟲等。

5)進化主義

其基本思想是模擬生物進化過程，借助遺傳學和進化論，通過遺傳和變異完成進化過程。進化主義與學習有類似之處，本質上都是試圖不斷提高智能系統解決問題的能力，但二者采用的手段存在很大不同，學習是一種個體行為，而進化則是一種群體行為。

6)群體智能

不同于進化主義通過遺傳和變異實現一代一代的進化，群體主義是通過個體之間的協同與合作來解決問題，表現出群體智能，而非個體智能。主要方法包括由多智能體構建分布式智能系統，以粒子群算法(particle swarm optimization，PSO)[20]和蟻群算法(ant algorithm，AA)[21]為代表的群智能優化算法等。典型應用如機器人足球賽、機器人圍捕及群體攻擊與路徑規劃等。

7)深度學習

深度學習是機器學習的一個新的領域[22]，Hinton等[23]在2006年提出深度學習概念，通過模仿人腦的機制和構建類似于人類大腦的神經網絡來解釋數據、圖像、聲音和文本。AlphGo構建了2個網絡來模仿人類的深度學習，一個是“策略網絡”，用來決定下一步棋如何走；另一個是“價值網絡”，用來分析勝負形勢。2個網絡同時運行，取得了很好的效果。深度學習有兩種方式，即監督學習與無監督學習，不同框架下建立的學習模型也不相同。如卷積神經網絡(convolutional neural networks，CNNs)是一種監督學習模型，而深度置信網(Deep Belief Nets，DBNs)則是一種無監督學習模型。

1.4 人工智能的應用領域

人工智能的應用領域非常廣泛，目前涉及的領域包括：認知科學、機器學習、自然語言理解、機器人學、計算機博弈、自動定理證明、模式識別、計算機視覺、人工神經網絡、專家系統、知識發現與數據挖掘、自動程序設計、智能控制、智能決策支持系統、分布式人工智能以及大數據、云計算和互聯網+等。

2 智能控制——方興未艾

2.1 傳統控制面臨挑戰

1948年，美國學者、控制論創始人維納(N. Wiener )發表了他的名著《控制論：或關于在動物和機器中控制和通訊的科學》[24]，控制理論的發展大體上可分為3個主要階段：經典控制理論(20世紀40年代)，現代控制理論(20世紀60年代)和大系統理論與智能控制理論(20世紀70年代)。經典控制理論和現代控制理論一般稱為傳統控制理論[25]。

2.1.1 經典控制理論

自動控制技術可追溯到工業革命前對蒸氣機的運行控制，1868年英國物理學家麥克斯韋(Maxwell)以蒸氣機閥門的飛球調節器系統為對象，建立了調速系統的線性常微分方程，解釋了控制系統中出現的不穩定問題，提出了用數學模型分析和綜合控制系統的方法，揭開了系統分析和反饋控制原理等基礎研究的序幕。1892年，俄國數學和力學家李雅普諾夫(Lyapunov)在他的博士論文《運動穩定性的一般問題》[26]中給出了運動穩定性的嚴格數學定義，建立了從概念到方法的關于穩定性理論的完整體系，從而奠定了穩定性理論的基礎。20世紀20年代以來，Black、Nyquist[27]、Bode等關于反饋放大器的研究，1940年美國應用數學家Bode提出的波德圖[28](Bode plots)，1942年Harris將拉普拉斯變換應用到分析自動調節系統提出的傳遞函數[29]，以及Nyquist提出的“乃奎斯特判據”和美國學者Evans提出的根軌跡法[30-31]等，這些理論的提出逐步完善了自動控制理論的分析與綜合方法，形成了經典控制理論。

經典控制理論是一種基于數學模型的定量方法，它以“反饋控制原理”和“Lyapunov穩定性理論”為基礎，以研究單變量系統為主要對象，在用復變函數和Laplace變換建立系統傳遞函數的基礎上，采用時域、頻域或根軌跡法來分析和綜合系統的動態和穩態性能。如求解系統的微分方程，繪制Nyquist曲線、Bode圖、根軌跡圖、Routh判據列表等。已形成了完善的理論體系，獲得了廣泛的應用。

2.1.2 現代控制理論

20世紀60年代隨著宇宙飛船軌線控制的需要，提出了以多變量控制為特征的現代控制理論。現代控制理論是在1960 年6 月在莫斯科召開的國際自動控制聯合會(International Federation of Automatic Control，IFAC)第一屆年會上首次提出。它以線性系統理論為基礎，以狀態空間分析為工具，借助計算機的強大計算能力對系統進行分析、計算與設計，不僅方便，而且概念清晰。其代表性成果有：龐特里亞金(Pontryagin)極大值原理[32]、貝爾曼(Bellman)動態規劃[33]、卡爾曼(Kalman)濾波[34-35]等，這些研究成果奠定了現代控制理論的基礎。

2.1.3 大系統理論

大系統理論是20世紀70年代形成的，它綜合了線性規劃、決策理論和現代控制理論等方面的成果，把復雜的工業系統、生態環境系統和社會經濟系統作為研究和應用的對象。大系統理論涉及系統建模和模型簡化、系統結構和穩定性以及信息獲取和遞階與分散控制等內容。大系統理論在工農業生產、交通運輸、資源開發、物流管理、人口與計劃生育、天氣預報和環境保護等領域獲得了成功應用。

2.1.4 傳統控制面臨的挑戰

傳統控制理論(包括經典控制理論、現代控制理論和大系統理論)是以精確數學模型為基礎的系統分析與綜合方法。面對科技和生產力水平高速發展和對大規模、復雜和不確定性系統難以建模的困境，基于數學模型的傳統控制技術的局限性日益明顯，其應用受到了很大限制，從而面臨一場嚴峻的挑戰。那么，它的出路在何方呢？

2.2 智能控制的誕生

隨著人工智能和自動控制技術的發展，人們在將人工智能作為思維科學的同時，也不斷探索將其應用到科技領域。智能控制(intelligent control，IC)正是人工智能與自動控制技術融合的產物。它摒棄了傳統控制對數學模型的依賴，以控制目的和行為為目標，運用人工智能技術，通過學習、訓練、推理、判斷、決策的符號演繹實現對復雜大系統的控制。計算機科學、信息科學、人工智能的新進展和智能機器人的工程實踐為智能控制的誕生奠定了理論和技術基礎。

2.2.1 智能控制與傳統控制的比較

在理論基礎、實現方法和系統規模上智能控制與傳統控制有著本質的區別，但它們也不是互相排斥的。傳統控制往往用來解決系統底層(執行層)的控制問題，從而保證系統的控制精度。智能控制則在系統的中層(協調層)和高層(決策層)進行環境識別、信息融合和推理決策等，實現對系統行為和目標的控制。智能控制與傳統控制的結合既提高了系統的智能化程度，又能保證系統的控制精度，使系統結構更加合理，達到互補的效果。

傳統控制(traditional control)是基于數學模型的定量方法。有完善的理論體系和有效的系統分析與綜合方法，有嚴格的性能指標體系，在單機自動化和復雜系統的底層得到了廣泛成功的應用。

智能控制(intelligent control)是基于知識和經驗的直覺推理方法。尚無完善的理論體系，實現方法具有多樣性，智能控制以控制的目的和行為來評價系統性能，而無統一的性能指標體系。智能控制的應用極為廣泛，可涉及自然科學和社會科學的各個領域，是控制界當前的研究熱點和今后的發展方向。

從對知識的獲取、描述、加工和運用的過程來看，傳統控制與智能控制的比較如表1所示。

表1 傳統控制與智能控制的比較

2.2.2 智能控制的主要功能與方法

智能控制系統必須具備的基本功能有組織協調能力、聯想記憶和學習能力，以及動態自適應能力等。智能控制方法很多，比較成功的典型方法有：由瑞典著名學者Astrom[36]提出的專家控制(expert control)；在美國學者Zadeh[37]提出模糊集理論的基礎上，由英國Mamdani[38]教授1974年提出的模糊控制(fuzzy control，FC)；20世紀80年代中期，Hopfield提出的Hopfield網絡和Rumelhart提出的BP算法為人工神經網絡研究注入了新的活力，人工神經網絡被引入控制領域并得到廣泛應用，形成了神經網絡控制(neural network control)；Albus[39]1981年提出的分層遞階控制(hierarchical control)模擬了人腦的分層結構，由組織級、協調級和執行級構成，其智能表現為傳統的“感知—思考—動作”的有意識的行為。

2.2.3 智能控制的研究目標

智能控制的研究目標包括：

1)智能控制系統的穩定性、可控性、可測性、魯棒性等定義及判據；

2)動態系統的知識獲取、分類、表達、利用及規劃的相容性及完備性；

3)學習理論與方法研究；

4)加強對人—機結合、認知心理學、神經網絡、離散事件動態系統、以及可拓學的理論與方法的深入研究；

5)探索人工智能與自動控制技術相結合的各種途徑，以及應用的新領域；

6)將人工智能方法用于系統建模、優化、控制、故障診斷、生產計劃和調度;

7)將智能控制技術應用到自然科學和社會科學的各個領域，拓寬智能控制的應用范圍。

2.3 智能控制的發展前景與展望

智能控制自20世紀60年代末提出以來，經歷了40多年的發展歷史，取得了令人矚目的進展。據有關資料統計，在現有的600多個傳統行業中有200多個行業已經被人工智能技術和機器人完全取代或部分取代，如大家熟知的電話交換機、打字機、照相機、印刷機、汽車和家電制造等行業，機器換人勢在必行。隨著人工智能技術、智能控制技術和機器人技術的發展，智能交通、智能家居、智能大樓、智能物流以及與人類生活和生產相關的各個行業的智能化進程會越來越快，人類社會正在步入智能化和機器人時代。

雖然智能控制至今尚未形成完整的理論體系，還沒有一個被大家所公認的定義，但人們對控制技術已開始走向智能化發展階段形成了共識。

智能控制是人工智能與控制技術的結合，是人類將自身的智力用于改造客觀世界的必然產物。正因為它在理論上還不夠完善，應用領域還有待進一步開發，對它的理論和應用研究才更具挑戰性、更有吸引力。

傳統控制面臨挑戰、人工智能曙光初現、智能控制方興未艾。

3 智能機器人——璀璨明珠

習近平主席[40]2014年6月在兩院院士大會開幕式上發表重要講話中指出：在全球機器人產業激烈競爭的背景下，我們要審時度勢、全盤考慮、抓緊謀劃、扎實推進，不僅要把我國機器人水平提高上去，而且要盡可能多地占領市場。習主席的講話為我國機器人技術的發展和應用指明了方向。

比爾·蓋茨[41]2007年1月在CES開幕式上的演說中預言：未來家家都有機器人。他說：機器人即將重復個人電腦崛起的道路，極有可能深入人類社會生活的方方面面，影響之深遠絲毫不遜于過去30年間個人電腦給我們帶來的改變，機器人將成為我們日常生活的一部分，必將與個人電腦一樣，徹底改變這個時代的生活方式。比爾·蓋茨的預言已經和正在不斷成為現實。

3.1 機器人的過去：人類的幻想

人類對機器人的幻想與追求已有3 000多年的歷史，古今中外，概莫如此。古代能工巧匠們制作的各種各樣的自動工具和玩偶就是現代機器人的雛形。

中國的西周時期，偃師制作的歌舞藝人；春秋后期，魯班制作的木鳥，能在空中飛行三日不下； 1 800年前的漢代，張衡發明的計里鼓車，每行一里，車上的小木人擊鼓一下，每行十里擊鐘一下；后漢三國時期，諸葛亮發明的木牛流馬，可在崎嶇山路中運送糧草。

公元前2世紀，古希臘人制造的青銅雕像太羅斯，不僅可以開門，還可以借助蒸汽唱歌；1662年，日本的竹田近江制作的自動機器玩偶，在大阪的道頓堀演出大受歡迎；1738年，法國技師杰克·戴·瓦克遜制造了一只機器鴨，會嘎嘎叫、會游泳、會喝水和進食；1773年，瑞士鐘表匠杰克·道羅斯父子制造了自動書寫玩偶和自動演奏玩偶，有的拿著畫筆繪畫，有的拿著鵝毛蘸墨水寫字，結構巧妙，服飾華麗，在歐洲風靡一時；1927年，美國西屋公司的工程師溫茲利制造了一個電動機器人電報箱，裝有無線電發報機，可以回答一些簡單問題，在紐約世博會上展出引起轟動。

古今中外的能工巧匠制作的各種各樣、形形色色的自動工具和玩偶反映了人類對機器人的幻想與追求，也是現代機器人誕生和發展的基礎。

3.2 機器人的現在：從幻想走向現實

3.2.1 現代機器人的誕生與發展

現代機器人是隨著社會的需求和科學技術的進步而誕生和發展起來的。1938—1945年的二戰時期，隨著核工業和軍事工業的發展，研制出主從機械手(master-slave manipulator)和遙控操縱器(teleoperator)，用于核材料的搬運、加工和裝配操作，大大降低了核輻射對操作人員的危害。1949—1953年，美國麻省理工學院研制的多軸數控銑床，可進行飛機螺旋槳葉片復雜曲面加工的要求。1954年，美國人喬治·德沃爾(George C. Devol)制作了世界第一臺可編程示教再現機器人實驗裝置，發表了題為《適用于重復作業的通用性工業機器人》的文章[42]。1960年美國聯合控制公司(consolidated control)研制出世界第一臺通用型工業機器人，開始定型生產名為Unimate的工業機器人推向市場，機器人產品正式問世。兩年后，美國機床與鑄造公司(AMF)也生產了可編程工業機器人Versatran。

20世紀70年代，機器人的應用領域進一步擴大，各種坐標系統、不同結構的機器人相繼出現。由于大規模集成電路和計算機技術的飛躍發展，機器人性能大大提高，成本不斷下降。20世紀80年代，工業機器人在發達國家已經進入了實用化的普及階段。隨著人工智能技術、智能控制技術和智能傳感技術的發展與進步，智能機器人研究勢在必行。機器人視覺、觸覺、聽覺、力覺、接近覺的研究和應用不斷深入，大大提高了機器人的適應能力和應用范圍，促進了機器人的智能化進程。

經歷了50多年的發展，機器人技術形成了一門新的綜合性學科——機器人學(Robotics)[43-44]，涉及的學科內容有：機械手結構與設計，機器人運動學、動力學和控制，機器人驅動與傳動裝置，機器人軟件結構與編程技術，運動軌跡和路徑規劃，機器人傳感器(包括內部傳感器和外部傳感器)，機器人視覺、聽覺和語音表達，模式識別與圖像處理技術、信息融合技術、神經網絡與多智能體技術、機器情感與機器人智能等。

3.2.2 工業機器人

工業機器人涉及工業生產的各個環節，如加工、裝配、焊接、打磨、上下料、噴涂、搬運等，是應用最為成功和廣泛的機器人[45]。圖5～7分別為汽車裝配線上的工業機器人、焊接機器人和鉚接機器人。

圖5 汽車裝配線上的工業機器人Fig.5 Industrial robot on automobile assembly line

圖6 焊接機器人Fig.6 Welding robot

圖7 鉚接機器人Fig.7 Riveting robot

目前，工業機器人主要生產廠家有德國的KUKA(圖8)、瑞典和瑞士的ABB(圖9)、日本的FANUC(圖10)和安川(圖11)，這四大家生產和銷售的工業機器人產品達到了全球工業機器人產銷量的50%。

圖8 KUKA工業機器人Fig.8 KUKA industrial robot

圖9 ABB工業機器人Fig.9 ABB industrial robot

圖10 FANUC工業機器人Fig.10 FANUC industrial robot

圖11 安川工業機器人Fig.11 YASKAWA industrial robot

工業機器人的結構如圖12所示，由執行機構、驅動和傳動裝置、傳感器和控制器4部分構成。

圖12 工業機器人的結構Fig.12 Industrial robot structure

典型的6自由度機械臂可以到達操作空間任意位姿，其中腰、肩、臂3個自由度確定空間位置，腕部的3個自由度確定方向。工業機器人的驅動方式主要有電動、液壓和氣動3種方式，中小型機器人多采用電動方式，電動方式具有控制靈活方便、精度高等優點。液壓驅動具有出力大的優點，大型機器人多采用液壓驅動。機器人的末端執行器和氣動肌肉由于控制精度要求不高，多采用氣動方式。機器人傳感器分內部傳感器和外部傳感器兩種，內部傳感器安裝在機器人本體內，用于檢測機器人的自身狀態，如各關節的運動位置、速度和加速度等，內部傳感器多采用光柵和光電碼盤。外部傳感器安裝在機器人本體以外的工作環境中，用于檢測各種環境信息，如視覺、觸覺、滑覺、接近覺、力/力矩傳感器等。控制器是機器人的核心，根據任務需要對機器人進行位置、速度、加速度、以及力與力矩的控制等。

工業機器人的控制通常采用半閉環方式，各關節用傳統的PID閉環控制，直角坐標用開環控制，通過求解逆運動學方程將直角坐標的空間位置和方向轉換為各關節的位置向量，然后對各關節進行協調控制。在沒有安裝外部傳感器的情況下，工業機器人通常只能應用在結構化環境中。

3.3 機器人的未來：智能機器人

未來的智能機器人具有多種感知功能和高度適應能力，可進行復雜的邏輯思維和判斷決策。其底層的執行級通常采用傳統控制，上層的決策級采用智能控制，通過多傳感器集成與信息融合，獲取環境和自身狀態的信息，可在非結構化環境中自主完成各種不同和復雜的任務[46-48]。

3.3.1 軍用機器人

軍用機器人是用于實戰系統的機器人，包括無人機(圖13、圖14)[49]，無人作戰平臺(圖15)以及水下掃雷機器人(圖16)等。軍用機器人已經在實戰中取得成功，如美國的“全球鷹”和“捕食者”無人機在阿富汗、伊拉克、利比亞和敘利亞戰爭中戰果輝煌。無人機由原來主要用于軍事偵察發展到現在的“察打一體化”，在發現目標和受到威脅的情況下，利用自身攜帶的武器(導彈或火炮等)進行高精度打擊。軍用機器人已在過去幾年的局部戰爭中發揮重要作用，并將改變未來戰爭的模式。

圖13 美國“全球鷹”無人機Fig.13 US “Global Hawk” UAV

圖14 中國“翼龍”無人機Fig.14 China “Pterosaur” UAV

圖15 美國無人作戰平臺Fig.15 US Unmanned combat platform

圖16 瑞典“雙鷹”水下掃雷機器人Fig.16 Swedish “double eagle” underwater demining robot

3.3.2 仿生機器人

仿生機器人是仿生學、機器人學和人工智能等多學科交叉的產物，有著廣泛的應用前景，是目前機器人研究的一個重要方向。仿生機器人的研究內容很豐富，如機器魚(圖17)[50]、機器鳥(圖18)、機器貓(圖19)等。

最著名的要數美國波士頓動力研制的“大狗”(圖20)[51]， 它被認為是當今世界上最先進能適應崎嶇地形和復雜環境的機器人，不僅可以爬山涉水，還可以承載較重物資。“大狗”長1 m，高70 cm，重75 kg，外形與一條真正的大狗類似。這種機器狗的行進速度比人類還快，可達到7 km/h，能夠攀越35°的斜坡，可攜帶重量超過150 kg的武器和其他軍用物資。

圖17 機器魚Fig.17 Robotic fish

圖18 機器鳥Fig.18 Smart bird

圖19 機器貓Fig.19 Machine cat

圖20 波士頓動力研制的“大狗”Fig.20 Boston Dynamics developed “big dog”

美國波士頓動力公司最新研制的SpotMini機器人(圖21，2016年6月23日在Google YouTube發布)將仿生機器人技術推進到新的高峰，SpotMini的驅動方式不同于“大狗”的內燃機驅動，而是由電機驅動，因此是一款非常安靜的機器人，行動更為敏捷和靈活。在其身上還安裝了一臺蛇形機械臂，可進行諸如清理垃圾、整理廚房等事務，有很好的應用前景。

圖21 SpotMini機器人Fig.21 SpotMini robot

3.3.3 服務機器人

隨著老年社會的到來，服務機器人是未來機器人研究的主要方向[52]，服務機器人的應用涉及人類生活的方方面面，如醫療機器人(圖22)、助殘康復機器人(圖23)[53-54]、導盲機器人(圖24)、導游機器人(圖25)、娛樂機器人(圖26)、清潔機器人(圖27)、家庭服務機器人(圖28)等。人們可以雇傭機器人保姆將家庭打理得井井有條，上班族回到家中有機器人為你端茶倒水和捧上熱氣騰騰、味美可口的晚餐；不愿生育的丁克族也可與機器人兒童共進晚餐，享受家庭的溫馨和快樂(圖29)；在機器人伴侶和機器人寵物的陪伴下，老年人也可歡度晚年。這些情景已不再是科幻電影中的情節，它已真實出現在我們的現實生活中，機器人與人類和諧共生的社會很快就會到來。

圖22 達芬奇外科手術機器人Fig.22 Da Vinci surgical robot

圖23 上肢康復機器人Fig.23 Rehabilitation robot for upper limb

圖24 導盲機器人Fig.24 Blind guiding robot

圖25 導游機器人Fig.25 Tour guide robot

圖26 娛樂機器人Fig.26 Entertainment robot

圖27 真空吸塵機器人Fig.27 Vacuum cleaner robot

圖28 家庭服務機器人Fig.28 Home service robot

圖29 與機器人兒童共進晚餐Fig.29 Dinner with children robot

3.3.4 類人機器人

類人機器人是最早出現在科幻小說和電影屏幕上的機器人，他在形體、動作、情感、體力和智力方面都與人類相同或超過人類，這些原來出現在科幻小說和電影屏幕上的情節已逐步成為現實。隨著人工智能和智能機器人技術的發展，目前已研制出的類人機器人不僅外形與人類相似，還會像人一樣表達感情，會思考，有智慧，具有與人交流的能力。

日本本田公司研究開發的雙足步行機器人阿西莫(圖30)[55]不僅在外形上與人類相同，動作也非常靈活，它不僅能在平坦的地面上行走奔跑，還能夠進行跳躍、上下臺階、推車和端茶倒水等高難動作。由法國Aldebaran公司研制的NAO機器人也具有良好的運動和協調能力(圖31)。

美國加州大學研究的的愛因斯坦機器人外表逼真(圖32)，具有喜、怒、哀、樂等面部表情，被稱為目前最逼真的類人機器人。日本大阪大學石黑教授團隊研制的雙子替身(Geminoid)機器人(圖33)會讓你真假難辨。

圖30 本田機器人阿西莫Fig.30 Honda Asimo robot

圖31 法國NAO機器人Fig.31 France NAO robot

圖32 愛因斯坦機器人Fig.32 Einstein robot

圖33 雙子替身機器人Fig.33 Geminoid robot

圖34所示的美國波士頓動力最新研制的Atlas機器人[56]，在外形和能力表現方面已和人類非常接近。Atlas不僅在森林和雪地等復雜環境下行走自如，還可自動識別完成搬運物品，在受到外部干擾的情況下也能達到預期目標，甚至在被外力推到時會自動爬起來繼續行走。

圖34 Atlas機器人Fig.34 Atlas robot

3.4 機器人的發展前景與展望

工業機器人在制造業中的應用是成功的，已經得到廣泛推廣和普及。隨著人類社會的進步和生活質量的提高，機器人的應用領域不斷擴大，能力不斷增強，農業、林業、軍事、海洋勘探、太空探索、生物醫學工程、自動駕駛等行業已成為機器人大有作為的新領域。各種服務機器人也將出現在我們的日常生活中，清潔機器人將減輕我們繁重的家務勞動，娛樂機器人會給我們的生活增添無限樂趣，保健助殘機器人可為老人和殘疾人提供服務和幫助，在人類進入老年社會后，機器人將是人類不可或缺的伙伴。未來的智能機器人將像人一樣，能聽、能看、能說、能識別環境，具有記憶、推理、決策能力和與人類交流的能力。智能機器人終將成為人類的忠實助手和親密朋友。

各國政府對機器人的研究與發展十分重視，中國的“863”高技術發展計劃將智能機器人列入自動化領域的2個主題之一。韓國已將每個家庭都有機器人的內容列入未來的五年計劃(2015年—2020年)中，美國也制定了家家都有機器人的計劃。預計在2050年前后，機器人將能夠與自然人進行足球比賽和其他體育項目比賽。機器人士兵將參加未來的戰爭，美國和俄羅斯都已宣布在2015年以后投入戰場的兵力中有1/3的機器人。服務機器人將成為人類家庭成員和醫療、助殘與康復的助手。未來機器人將會自己制造機器人。

4 結束語

人工智能的發展已經歷了60個春秋，AlphaGo的勝利標志了人工智能向前邁進了一大步，預示人工智能技術已進入迅速發展時期，超強人工智能指日可待。人們在為人工智能取得一個個輝煌成果而歡欣鼓舞的同時，也為人工智能機器人是否會取代人類成為世界的統治者所擔憂。但正如谷歌董事長埃里克·施密特(Eric Schmidt)所言：人機大戰“無論最終結果如何，輸贏都是人類的勝利”。人們在大力發展人工智能的同時也會研究應對超強人工智能對人類威脅的策略，相信人類有智慧也有能力使人工智能服務于人類而不是走向對抗。

智能控制這門新興的、跨學科的技術科學經過近40多年的發展，已經取得了令人矚目的成果，回顧智能控制的發展歷程，我們相信，有人工智能等眾多學科發展成果的強有力的支持，有十分廣闊的應用前景，智能控制必將取得長足的進展，并將控制科學推向一個嶄新的階段。

智能機器人這顆21世紀科技皇冠上的璀璨明珠是機器人技術發展的終極目標，其應用前景十分廣闊。比爾·蓋茨的預言正在成為現實，機器人正在成為我們日常生活的一部分，機器人將無所不能、無處不在、無人不用，機器人時代即將到來。

[1]TURING A M. Computing machinery and intelligence[M]. Oxford: Oxford University Press, 1950, 59: 433-460.

[2]澎湃新聞網. 60年前的達特茅斯會議與人工智能的緣起[EB/OL]. [2016-03-13]. http://tech.163.com/16/0313/12/BI1P1CLI00094P0U.html. The dartmouth conference 60 years ago and the origin of artificial intelligence[EB/OL]. [2016-03-13]. http://tech.163.com/16/0313/12/BI1P1CLI00094P0U.html.

[3]HOPFIELD J J. Artificial neural networks[J]. IEEE circuits and devices magazine, 1988, 4(5): 3-10.

[4]RUMELHART D E, HINTON G E, WILLIAMS R J. Learning internal representation by error propagation[C]//RUMELHART D E, MCCLELLAND J L. Parallel Distributed Processing. Exploration of the Microstructure of Cognition. Cambridge: MIT Press, 1986.

[5]BROOKS R A. New approaches to robotics[J]. Science, 1991, 253(5025): 1227-1232.

[6]BROOKS R A. Intelligence without representation[J]. Artificial intelligence, 1991, 47(3): 139-159.

[7]WOOLDRIDGE M, JENNINGS N R. Intelligent agents: theory and practice[J]. The knowledge engineering review, 1995, 10(2): 115-152.

[8]SINGH M P. Multi-agent system: a theoretical framework for intentions, know-how, and communications[M]. Berlin: Springer-Verlag, 1994.

[9]WOOLDRIDGE M. 多Agent系統引論[M]. 石純一, 譯. 北京: 電子工業出版社, 2003. WOOLDRIDGE M. An introduction to multi agent systems[M]. SHI Chuyi, trans. Beijing: Publishing House of Electronics Industry, 2003.

[10]ALBUS J S. Theory and practice of hierarchical control[C]//Proceedings of the 23th IEEE Computer Society International Conference. [S.l.]: IEEE, 1981.

[11]ALBUS J S, LUMIA R, MCCAIN H. Hierarchical control of intelligent machines applied to space station telerobots[J]. IEEE transactions on aerospace and electronic systems, 1988, 24(5): 535-541.

[12]ALBUS J S. Outline for a theory of intelligence[J]. IEEE transactions on systems, man, and cybernetics, 1991, 21(3): 473-509.

[13]黃心漢. 智能機器人: 21世紀科技皇冠上的璀璨明珠[J]. 科技導報, 2015, 33(21): 9-15. HUANG Xinhan. Intelligent robot: the bright pearl on the crown of science and technology in twenty-first century[J]. Science & technology review, 2015, 33(21): 9-15.

[14]HO F S, IOANNOU P. Traffic flow modeling and control using artificial neural networks[J]. IEEE control systems, 1996, 16(5): 16-26.

[15]NEWELL A, SHAW J C, SIMON H A. A variety of intelligent learning in a general problem solver[M]//YOVITS, CAMERON. Self Organizing Systems. New York: Pergamon Press, 1960.

[16]張立明. 人工神經網絡的模型及其應用[M]. 上海: 復旦大學出版社, 1993. ZHANG Liming. Artificial neural network model, principle and application[M]. Shanghai: Fudan University Press, 1993.

[17]FU K. Learning control systems and intelligent control systems: an intersection of artificial intelligence and automatic control[J]. IEEE transactions on automatic control, 1971, 16(1): 70-72.

[18]張鈸. 傳統人工智能與控制技術的結合[J]. 控制理論與應用, 1994, 11(2): 247-250. ZHANG Bo. Combination of traditional artificial intelligence and control technology[J]. Control theory and applications, 1994, 11(2): 247-250.

[19]SARIDIS G N. Intelligent robotic control[J]. IEEE transactions on automatic control, 1983, 28(5): 547-556.

[20]EBERHART R, KENNEDY J. A new optimizer using particle swarm theory[C]//Proceedings of the Sixth International Symposium on Micro Machine and Human Science. Piscataway, NJ, Nagoya, Japan: IEEE, 1995: 39-43.

[21]DORIGO M, GAMBARDELLA L M. Ant colony system: a cooperative learning approach to the traveling salesman problem[J]. IEEE transactions on evolutionary computation, 1997, 1(1): 53-66.

[22]孫志軍, 薛磊, 許陽明, 等. 深度學習研究綜述[J]. 計算機應用研究, 2012, 29(8): 2806-2810. SUN Zhijun, XUE Lei, XU Yangming, et al. Overview of deep learning[J]. Application research of computers, 2012, 29(8): 2806-2810.

[23]HINTON G E, OSINDERO S, TEH Y W. A fast learning algorithm for deep belief nets[J]. Neural computation, 2006, 18(7): 1527-1554.

[24]維納N. 控制論: 或關于在動物和機器中控制和通訊的科學[M]. 郝季仁, 譯. 北京: 科學出版社, 2009. WIENER N. Cybernetics: or relating to the science of control and communication in animals and machines[M]. HAO Jiren, trans. Beijing: Science Press, 2009.

[25]蔡自興, 余伶俐, 肖曉明. 智能控制原理與應用[M]. 第2版. 北京: 清華大學出版社, 2014. CAI Zixing, YU Lingli, XIAO Xiaoming. Intelligent control: principles and applications[M]. 2nd ed. Beijing: Tsinghua University Press, 2014.

[26]LYAPUNOV A M. The general problem of stability of motions[D]. Moscow: Fizmatgiz, 1950.

[27]NYQUIST H. Regeneration theory[J]. Bell system technical journal, 1932, 11(1): 126-147.

[28]《數學辭海》編輯委員會. 數學辭海[M]. 北京: 中國科學技術出版社, 2002. Mathematics Dictionary Editorial Board. Mathematic dictionary[M]. Beijing: China Science and Technology Press, 2002.

[29]《中國電力百科全書》編輯委員會. 中國電力百科全書[M]. 北京: 中國電力出版社, 2001. Encyclopedia of China Power Editorial Board. Encyclopedia of China power[M]. Beijing: China Power Press, 2001.

[30]EVANS W R. Graphical analysis of control systems[J]. Transactions of the american institute of electrical engineers, 1948, 67(1): 547-551.

[31]EVANS W R. Control system synthesis by root locus method[J]. Transactions of the American institute of electrical engineers, 1950, 69(1): 66-69.

[32]龐特里亞金Л С. 最優過程的數學理論[M]. 上海: 上海科學技術出版社, 1965. PONTRYAGIN Л С. Mathematical theory of optimal process[M]. Shanghai: Shanghai Science and Technology Press, 1965.

[33]BELLMAN R. Dynamic programming[M]. Princeton, London: Princeton University Press, 1957.

[34]KALMAN R E. Contributions to the theory of optimal control[J]. Boleti′n de la sociedad matemtica mexicana, 1960, 5: 102-119.

[35]KALMAN R E. On the general theory of control systems[J]. IRE transactions on automatic control, 1959, 4(3): 110.

[37]ZADEH L A. Fuzzy sets[J]. Information and control, 1965, 8(3): 338-353.

[38]MAMDANI E H. Application of fuzzy algorithms for control of simple dynamic plant[J]. Proceedings of the institution of electrical engineers, 1974, 121(12): 1585-1588.

[39]ALBUS J S, LUMIA R, MCCAIN H. Hierarchical control of intelligent machines applied to space station telerobots[J]. IEEE Transactions on Aerospace and Electronic Systems, 1988, 24(5): 535-541.

[40]習近平. 在兩院院士大會上的講話[EB/OL]. 新華每日電訊. [2014-06-10]. http://news.xinhuanet.com. XI Jinping. Speech at the meeting of academicians[EB/OL]. Xinhua Daily Telegraph. [2014-06-10]. http://news.xinhuanet.com.

[41]比爾·蓋茨. 家家都有機器人[EB/OL]. 環球科學, 2007(2). http://www.sina.com.cn. Bill·Gates. Every family has a robot[EB/OL]. Huanqiukexue, 2007(2). http://www.sina.com.cn.

[42]機器人發展簡史[EB/OL]. 環球科學, 2007(2). http://www.sina.com.cn. A brief history of the development of robot[EB/OL]. Huanqiukexue, 2007(2). http://www.sina.com.cn.

[43]PAUL R P. Robot manipulators: mathematics, programming, and control[M]. Cambridge, MA, USA: The MIT Press, 1981.

[44]蔡自興. 機器人學[M]. 北京: 清華大學出版社, 2000. CAI Zixing. Robotics[M]. Beijing: Tsinghua University Press, 2000.

[45]王天然, 曲道奎. 工業機器人控制系統的開放體系結構[J]. 機器人, 2002, 24(3): 256-261. WANG Tianran, QU Daokui. Open system architecture for control system for industrial robot[J]. Robot, 2002, 24(3): 256-261.

[46]張鈸. 智能機器人的理想與實現—智能機器人主題戰略討論[J]. 機器人, 1992, 14(4): 50-52. ZHANG Bo. The ideal and Realization of intelligent robot—discussion on intelligent robot theme strategy[J]. Robot, 1992, 14(4): 50-52.

[47]黃心漢, 李新德, 王敏, 等. 面向智能機器人的信息融合研究進展[J]. 哈爾濱工業大學學報, 2006, 38(S): 948-953. HUANG Xinhan, LI Xinde, WANG Min, et al. Research progress of information fusion for intelligent robot[J]. Journal of Harbin institute of technology, 2006, 38(S): 948-953.

[48]HUANG Xinhan, LI Xinde, WANG Min, et al. A fusion machine based on DSmT and PCR5 for robot’s map reconstruction[J]. International journal of information acquisition, 2006, 3(3): 201-212.

[49]US global hawk UAV[EB/OL]. http://image.baidu.com.

[50]CURET O M, PATANKAR N A, LAUDER G V, et al. Mechanical properties of a bio-inspired robotic knifefish with an undulatory propulsor[J]. Bioinspiration & biomimetics, 2011, 6(2): 026004.

[51]US big dog robot[EB/OL]. http://image.baidu.com.

[52]施拉夫特. 服務機器人[J]. 機器人技術與應用, 1997(1): 3-5. SCHRAFT R D. Service robot[J]. Robot Technique and Application, 1997(1): 3-5.

[53]吳軍, 王永驥, 黃劍, 等. 新型可穿戴式多自由度氣動上肢康復機器人[J]. 華中科技大學學報: 自然科學版, 2011, 39(S2): 279-282. WU Jun, WANG Yongji, HUANG Jian, et al. Novel wearable multi-DOF upper limb rehabilitation robot driven by pneumatic muscle[J]. Journal of Huazhong university of science and technology: natural science edition, 2011, 39(S2): 279-282.

[54]郭萌, 涂細凱, 黃心漢, 等. 基于患者意圖的RUPERT-FES上肢康復系統[J]. 世界康復工程與機械, 2014, 4(3): 9-13. GUO Meng, TU Xikai, HUANG Xinhan, et al. RUPERT-FES upper limb rehabilitation system based on patient intention[J]. World rehabilitation engineering and machinery, 2014, 4(3): 9-13.

[55]Asimo robot[EB/OL]. http://image.baidu.com.

[56]Atlas robot[EB/OL]. http://v.baidu.com.

黃心漢，男，1946年生，教授，博士生導師。中國人工智能學會常務理事、智能機器人專業委員會主任。主要學術方向為智能控制、智能機器人、多傳感器集成與信息融合、圖像處理與模式識別技術。發表學術論文300余篇，其中被SCI和EI檢索200余篇，出版專著4部、譯著1部，獲得國家專利11項。

A3I: the star of science and technology for the 21st century

HUANG Xinhan

(School of Automation, Huazhong University of Science and Technology, Wuhan 430074， China)

This paper reviews the development history of artificial intelligence, intelligent control and intelligent robotics (A3I). Subsequently, it introduces the birth and development of artificial intelligence and its research objectives and implementation approaches and proposes the challenges faced by traditional control technology and the solutions for these challenges. The differences between intelligent and traditional control are compared for acquisition, description, processing, and application of knowledge. Moreover, the relationship between intelligent control and traditional control is expounded. The basic functions, main tasks, and implementation methods of intelligent control systems are also demonstrated. In the past, robots were considered a human’s fantasy, and at present, robots have entered reality, whereas in the future, robots could be intelligent robots. Finally, the development prospects of artificial intelligence, intelligence control, and intelligence robotics are introduced.

artificial intelligence; intelligent control; intelligent robotics; neural network; deep learning; fuzzy control; expert system; transfer function; dynamic programming

10.11992/tis.201605022

http://www.cnki.net/kcms/detail/23.1538.TP.

2016-05-24.

國家自然科學基金項目(60675028).

黃心漢. E-mail: xhhuang@mail.hust.edu.cn.

TP242

A

1673-4785(2016)06-0835-14

黃心漢. A3I：21世紀科技之光[J]. 智能系統學報， 2016, 11(6): 835-848.

英文引用格式：HUANG Xinhan. A3I: the star of science and technology for the 21st century[J]. CAAI Transactions on Intelligent Systems, 2016, 11(6): 835-848.