机器人技术作为信息技术和先进制造技术的典型代表和主要技术手段，已成为世界各国竞相发展的技术。2014年10月，《科学》杂志发表机器人专刊^[1]，热议自主机器人的挑战、愿景和道德伦理问题。专刊指出，自主机器人不仅需要能够感受环境，还需要能够对这些信息进行理解，是人类一直以来的追求。未来机器人所面临的挑战仍非常大，并且随着机器人技术的不断发展，越来越多的问题已浮出水面。

一、各国竞相抢占机器人产业领先地位

近年来，机器人技术备受重视。据麦肯锡咨询公司预测，到2025年，先进机器人在制造业、医疗和服务等产业领域的应用可创造1.7万亿到4.5万亿美元的产值。

2014年6月，欧盟正式宣布欧盟委员会和欧洲机器人协会euRobotics下的180个公司及研发机构共同启动全球最大的民用机器人研发计划“SPARC”。到2020年欧盟委员会将投资7亿欧元，euRobotics将投资21亿欧元推动机器人研发。

2014年7月，英国技术战略委员会（TSB）发布首个官方机器人战略——“机器人与自主系统”（RAS 2020）战略，旨在帮助英国利用RAS巨大的经济和社会潜力，在新型、颠覆性RAS产品和服务价值链的国际竞争中建立领先地位。目前。TSB经拨款6.85亿美元作为下一年的发展基金，其中2.57亿美元将用于发展RAS。

2014年7月25日，韩国贸易工业和能源部宣布了第二个智能机器人开发五年计划（到2018年）。韩国政府将通过其七个机器人融合商业战略路线图，加强全球的协作，初步将涵盖制造，汽车，医疗，康复，文化，国防，教育和海运等领域，并将进一步扩展至其它制造业和服务业领域。

2014年8月，日本政府称将把机器人产业作为重点扶持产业之一。7月17日，日本独立行政法人新能源及产业技术综合开发机构（NEDO）公布了《机器人白皮书》，提议充分运用机器人技术来解决人口减少问题等社会课题。

在我国，目前机器人产业技术基础薄弱、关键核心零部件严重依赖进口，科技成果转化应用、标准体系、市场培育等多环节明显滞后等问题。2014年6月，习近平主席在中科院第十七次院士大会、工程院第十二次院士大会发表的讲话中就着重强调了要提升我国机器人的科技创新和制造能力。2014年11月初，工信部副部长苏波称，工信部将组织制订我国机器人技术路线图及机器人产业十三五规划。力争到2020年，形成较为完善的工业机器人产业体系，高端市场占有率达到45%以上。

二、机器人将融入人类的工作和生活

在未来，机器人可能会成为你的同事。根据牛津大学马丁学院的一份报告预测，未来十到二十年，美国就业岗位的47%将被机器人所取代。在《人类无需申请》一文中，作者指出在应对自然灾害响应时，机器人往往比人类更加的坚韧、坚强和无畏。而目前已经开发出了机器人新闻编写算法，可以替代编辑人员自动产生出有关企业盈利和地震报道的新闻。经测试，读者很难从新闻的行文中分辨出是机器产生的还是人工编写的。在未来，机器人援救人员、侍者、记者、司机甚至是科研人员都会成为现实。

机器人在替代人类工作的同时，还需要在与人类同事合作中不断学习。在《迎接你的新同事》一文中，作者认为机器人要想真正融入人类的日常生活，还需要更多的社会智慧。在过去，人机交互实验通常限制在特定的机器人上进行，并通过仔细的监督来避免伤害到人类或是机器人。Rethink Robotics公司研发的可以替代人类从事生产线上枯燥工作的机器人——Baxter，则是寄希望于机器人能在生产线上与人类进行安全交互，并从这种互动中学习。

此外，机器人还可以成为新的科学工具，生物机器人就是一个例子。由于运动牵涉到众多部件之间复杂的相互作用，因此动物优雅敏捷的动作通常难以分析和模拟。《生物机器人：利用机器人模拟和调查敏捷运动》一文作者提出可以设计出符合动物敏捷性的机器人，利用这些机器人作为科学工具研究动物的适应性行为。作为物理模型，生物机器人可有助于流体力学、生物力学、神经科学和假肢等领域的假设检验。

三、自主机器人技术仍在长途跋涉

尽管目前的机器人看起来非常逼真，但其与真人相比仍存在巨大的差距，机器人不仅需要能够感受环境，还需要能够对这些信息进行理解。

《机器人将拥有独立的大脑》一文作者认为，神经形态计算将在近期赋予机器人类似人类的感知能力和自主能力，并在未来赋予机器人更深远的能力。波士顿大学的机器人视觉专家Michele Rucci表示神经形态计算有能力催生机器人革命，同时机器人也是展示神经形态计算技术潜力的绝佳对象，这有助于各个领域的科学家接受和使用神经形态计算技术。美国Brain公司的副总裁Todd Hylton认为机器人正是神经形态计算的杀手级应用。

机器人要想充分自主，就必须能够感受其周围的环境，但是为机器人设计日常实用的传感器已公认为是巨大的挑战。《感受世界》一文认为，尽管目前的机器人已在这方面取得了一些进展，但仍有很多人类的基本技能是无法实现的。

在机器人视觉方面，虽然机器人很容易在有一定约束的视觉任务中超过人类，但面对人类所处的周遭环境，机器人的视觉毫无优势。《帮助机器人看全景》一文指出，两年前，深度学习这一新计算技术席卷了机器视觉领域。这一技术从大脑处理视觉信息中获得启发，计算机首先通过创建视觉特性来学习日常对象之间的差异，帮助其认识环境。但机器人专家担心深度学习不能给机器人带来所需的其他视觉能力，例如认识物体的3D特性和快速学习新的物体，因此研究人员正在试图寻找到超越深度学习的技术，帮助机器人在视觉上取得更大进步。

四、机器人应用面临的道德和法律

一项调查表明，在某些情况下，与和另一个人对话相比，人们更愿意和机器人对话，他们认为机器人在对待错误时更有责任心并且更公平，人们可以很快地与机器人产生深层的情感纽带。《人类理想的机器人》一文作者认为，随着机器人社交行为越来越复杂，有关机器人社交方面的辩论将不再纯属学术性质。而在《问答：机器人和法律》一文中，作者则是以采访华盛顿大学法学院的律师Ryan Calo的方式探讨了未来机器人可能涉及的法律问题。                                 

（徐婧）