机器人与自控系统：从科幻小说到如今的现实

《我，机器人》和《阿凡达》之类的科幻电影推动了将机器人作为人类形式的机器版本的观念。 但是，在设计应对人类挑战的机器人解决方案时，“类人机器人”是有益的思维模式还是会限制我们的思维？

机器人应该成为人类的“数字孪生”吗？

用机器术语来说，人体是一个复杂的系统，其中整合了各种传感器，通过视觉、触觉和声音以及学习和基于经验的决策过程为我们提供数据，使我们能够与周围的世界互动并对其施加影响。

但是，在寻求作为我们“数字孪生”的机器人时，我们可能会缺乏对我们系统中各个功能的复杂性以及如何以不同配置应用它们以完成特定任务的理解。

专注于要自动化的任务

在聚焦于机器人是否足够与人相似时，我们可能会错过相对简单的解决方案，这些方案可提高任务安全性、过程效率或我们可以重复执行操作并获得一致结果的可靠性。

如果将科幻机器人分解为基于任务的子组件，我们可以发现其许多组成部分已经在家庭和工业应用中得到运用。

随着这些子系统之间的交互作用在变得愈加复杂，人机交互和认知中的新技术应运而生——同时我们的数字创新实践部门 LR Aurora* 也正在与行业和学术界合作，以推动其中的多项发展。

受自然启发的“软性机器人”

多年来，研究人员一直在自然界寻求解决设计难题的方法。

例如，蜜蜂使用软悬挂系统来适应其着陆表面——无论是移动的花梗还是坚硬的表面（如蜂巢的侧面）。 蜘蛛通过将网连接到固定表面来限制其需要操控的自由度。

包括帝国学院的空中机器人实验室和ORCA Hub在内的英国劳氏研究合作伙伴，现在正在应用这些见解。 他们的“软性机器人”项目使无人机和履带式设备能够通过触觉传感器来适应所遇到的表面。

定义自控级别

大众文化倾向于用黑白分明的术语来描述自控：汽车、飞机、火车、轮船或航天器要么是由人控制，要么（未来派）是自动驾驶。

实际上，自控有许多不同的级别。 在设计机器人系统时，重要的是确定每项任务所需的自控程度，并确保充分考虑网络安全和入级等注意事项。

多年来，英国劳氏在建立框架方面一直处于领先地位，可帮助我们考虑将适当的自控级别应用于不同的任务或系统。

构建数字生态系统

如今，智能机器人不仅对执行任务有用，而且对于在工作时建立其环境的数字表示也很有用。

英国劳氏在美国缅因州办事处的调查小组使用无人机检查高压输电设施是否损坏。 当他们执行任务时，无人机还会使用光传感器绘制物理结构图以创建点云。 对于其他设施，使用“高密度扫描”可以创建大多数结构的高精度数字模型。

这种点云可以转换为结构模型或动态模型，从而可以进一步解释并应用其他风险模型和完整性模型，以预测或预料机器人运行环境的变化。

将远程的自动机器人设备或无人机链接到此数字生态系统中，将使系统能够在一段时间后测试、验证并更新其自身的精度。

测试、验证与核查

通过我们的积累经验，我们可以预见与机器人技术相关的许多可能挑战，并将其设计为可以测试和验证的规范。

但是，我们还需要了解该技术如何与在同一环境中工作或生活的人们的反应和行为互动并进行相应调整。
英国劳氏基金会资助的约克大学“保障自控项目”主任 John McDermid 教授一直在将限速器应用于自控汽车方面探索这一挑战。

自学习系统的自认证

认证需要证明产品符合其设计意图，符合所引用的标准或规定。 但是，对于自学习技术，认证过程就需要考虑地更加周全。

当自学习机器人或系统使自己的任务适应环境变化时，它如何知道其正在经认证的范围内运行？ 在无法完全说明所有可能出现的情况时，您如何证明它们？

ORCA Hub 正在通过自认证的概念来解决这个问题；因此，机器人会不断更新其任务范围并确保在其中仍然正常运行。

分享知识，更快进步

2016 年 10 月，英国劳氏基金会关于机器人技术和自控系统的前瞻性审查提出了三个关键建议：

• 开放性和共享公共和私人资助的项目和技术
•  更好地了解资产自认证
• 适当且可信赖的开发和部署框架

三年过去了，我们已经开始看到其中一些建议正在为人所知，从而为本文所述的更多进步铺平了道路。

人与机器人：共同适应不断变化的世界

纵观历史，成功的人类社会都是那些学会适应不断变化世界的社会。 成功的技术通常具有相似的属性，而英国劳氏专家的角色则处于这种适应的最前沿——通过最新的技术进步来增强人们的理解。

也许，对于我们的《阿凡达》朋友来说，我们并没有什么不同！

* LR Aurora
我们的数字创新实践部门 LR Aurora 可帮助资产密集型和安全关键领域的组织理解、设计并评估机器人和自控系统。 如需了解更多信息，请访问我们网站的“创新”部分——https://www.lr.org/aurora/。