黃心漢

(華中科技大學(xué) 自動化學(xué)院，湖北 武漢 430074)

A3I：21世紀科技之光

黃心漢

(華中科技大學(xué) 自動化學(xué)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(fā)展歷程的基礎(chǔ)上，介紹了人工智能的誕生和發(fā)展進程、研究目標與實現(xiàn)途徑。提出了傳統(tǒng)控制技術(shù)面臨的挑戰(zhàn)與出路，比較了智能控制與傳統(tǒng)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(guān)系，指出了智能控制系統(tǒng)應(yīng)具備的基本功能、主要任務(wù)與實現(xiàn)方法。介紹了機器人的過去——人類的幻想，機器人的現(xiàn)在——從幻想走向現(xiàn)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(fā)展前景進行了展望。

人工智能；智能控制；智能機器人；神經(jīng)網(wǎng)絡(luò)；深度學(xué)習(xí)；模糊控制；專家系統(tǒng)；傳遞函數(shù)；動態(tài)規(guī)劃

舉世矚目的人機大戰(zhàn)落下帷幕，谷歌AlphaGo以4∶1戰(zhàn)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(shù)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(shù)在深度學(xué)習(xí)方面取得重大進步的體現(xiàn)，標志著人工智能的發(fā)展進入了迅速發(fā)展的新階段。目前有關(guān)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(zhàn)巔峰對決的意義超越勝負，這是科技工作者經(jīng)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(fā)展的歷程。

圖1 人機大戰(zhàn)比賽現(xiàn)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(shù)學(xué)家、邏輯學(xué)家，被譽為計算機科學(xué)之父的阿蘭·圖靈(Alan Turing)發(fā)表了一篇劃時代的論文《計算機器與智能》[1]，文中預(yù)言了創(chuàng)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(shè)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(xué)家：達特茅斯學(xué)院的數(shù)學(xué)家和計算機專家麥卡錫(John McCarthy)、哈佛大學(xué)的數(shù)學(xué)家和神經(jīng)學(xué)家明斯基(M. L. Minsky)、IBM公司信息中心負責(zé)人洛切斯特(Nathaniel Rochester)、貝爾實驗室信息部數(shù)學(xué)研究員香農(nóng)(Claude Shannon)、IBM公司的摩爾(Trenchard More)和塞繆爾(Arthur Samuel)、麻省理工學(xué)院的賽弗里奇(Oliver Selfridge)和所羅門諾夫(Solomonoff)、以及卡內(nèi)基—梅隆大學(xué)的紐維爾(Allen Newell)和西蒙(Herbert Simon)在美國達特茅斯學(xué)院(Dartmouth College)進行了一次為期兩個月的夏季學(xué)術(shù)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(guān)問題，并經(jīng)麥卡錫提議，正式采用人工智能(artificial intelligence，AI)這一術(shù)語來表述相關(guān)問題。達特茅斯會議標志著人工智能作為一門新興學(xué)科的正式誕生。

圖3是達特茅斯會議原址達特茅斯學(xué)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(jīng)過10余年的研究與發(fā)展，人工智能在定理證明、問題求解、計算機博弈等領(lǐng)域取得重要進展。第一屆國際人工智能聯(lián)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(chuàng)刊，這些事件標志著人工智能作為一門獨立學(xué)科得到國際學(xué)術(shù)界的認可。

隨著實際系統(tǒng)越來越龐大、越來越復(fù)雜，人們對于人工智能的應(yīng)用有著強烈需求。人工智能越來越關(guān)注實際應(yīng)用，與其他學(xué)科的聯(lián)系也越來越緊密，統(tǒng)計學(xué)、控制論、生物學(xué)等學(xué)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(yīng)用效果的研究成果。1982年，美國物理學(xué)家約翰霍普菲爾德(J.J. Hopfield )提出了霍普菲爾德神經(jīng)網(wǎng)絡(luò)[3]，這一成果與1985年由魯梅爾哈特(D. E. Rumelhart )等提出的多層網(wǎng)絡(luò)中的反向傳播(BP)算法[4]一起，促進了神經(jīng)網(wǎng)絡(luò)研究的復(fù)興。20世紀80年代中后期開始，統(tǒng)計學(xué)在人工智能中發(fā)揮重要作用，隱馬爾可夫模型被引入語音識別，貝葉斯網(wǎng)絡(luò)成為不確定性推理的重要手段。20世紀80年代后期出現(xiàn)了數(shù)據(jù)挖掘技術(shù)。1991年，麻省理工學(xué)院著名機器人專家羅德尼布魯克斯(R. A. Brooks )發(fā)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(xiàn)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(tǒng)的構(gòu)造，特別是分布式智能系統(tǒng)構(gòu)造的研究熱點[10-12]。近年出現(xiàn)的深度學(xué)習(xí)、大數(shù)據(jù)、云計算和互聯(lián)網(wǎng)+，為智能控制的發(fā)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(shù)構(gòu)建智能機器來模擬和擴展人類智能，實現(xiàn)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(huán)境識別、自主決策和人機交互能力等；或者在實際應(yīng)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(yī)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(yīng)用提供理論和技術(shù)基礎(chǔ)，隨著人工智能研究的發(fā)展和進步，最終實現(xiàn)長遠目標。

1.3 人工智能的實現(xiàn)途徑

1)符號處理

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

2)連接主義

以結(jié)構(gòu)模擬為核心，主要實現(xiàn)方式是人工神經(jīng)網(wǎng)絡(luò)，由于人工神經(jīng)網(wǎng)絡(luò)是通過大量神經(jīng)元相互連接而形成[16]，因此得名連接主義。目前主要的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型有感知器、霍普菲爾德網(wǎng)絡(luò)、自組織特征映射網(wǎng)絡(luò)等。

3)學(xué)習(xí)

學(xué)習(xí)是獲取知識的途徑，因此通過機器學(xué)習(xí)實現(xiàn)人工智能就是一種自然想法，賦予機器學(xué)習(xí)能力涉及人類智能本質(zhì)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(lǐng)域包括：計算機視覺、模式識別、知識發(fā)現(xiàn)與數(shù)據(jù)挖掘、人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)等。

4)行為主義

布魯克斯在1991年發(fā)表的《沒有表示的智能》和《沒有推理的智能》是對傳統(tǒng)人工智能的批評和否定，開創(chuàng)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(huán)境的適應(yīng)，而不是傳統(tǒng)的“深思熟慮”的表示和推理。研究領(lǐng)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(xué)和進化論，通過遺傳和變異完成進化過程。進化主義與學(xué)習(xí)有類似之處，本質(zhì)上都是試圖不斷提高智能系統(tǒng)解決問題的能力，但二者采用的手段存在很大不同，學(xué)習(xí)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(xiàn)一代一代的進化，群體主義是通過個體之間的協(xié)同與合作來解決問題，表現(xiàn)出群體智能，而非個體智能。主要方法包括由多智能體構(gòu)建分布式智能系統(tǒng)，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(yōu)化算法等。典型應(yīng)用如機器人足球賽、機器人圍捕及群體攻擊與路徑規(guī)劃等。

7)深度學(xué)習(xí)

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

1.4 人工智能的應(yīng)用領(lǐng)域

人工智能的應(yīng)用領(lǐng)域非常廣泛，目前涉及的領(lǐng)域包括：認知科學(xué)、機器學(xué)習(xí)、自然語言理解、機器人學(xué)、計算機博弈、自動定理證明、模式識別、計算機視覺、人工神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)、知識發(fā)現(xiàn)與數(shù)據(jù)挖掘、自動程序設(shè)計、智能控制、智能決策支持系統(tǒng)、分布式人工智能以及大數(shù)據(jù)、云計算和互聯(lián)網(wǎng)+等。

2 智能控制——方興未艾

2.1 傳統(tǒng)控制面臨挑戰(zhàn)

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

2.1.1 經(jīng)典控制理論

自動控制技術(shù)可追溯到工業(yè)革命前對蒸氣機的運行控制，1868年英國物理學(xué)家麥克斯韋(Maxwell)以蒸氣機閥門的飛球調(diào)節(jié)器系統(tǒng)為對象，建立了調(diào)速系統(tǒng)的線性常微分方程，解釋了控制系統(tǒng)中出現(xiàn)的不穩(wěn)定問題，提出了用數(shù)學(xué)模型分析和綜合控制系統(tǒng)的方法，揭開了系統(tǒng)分析和反饋控制原理等基礎(chǔ)研究的序幕。1892年，俄國數(shù)學(xué)和力學(xué)家李雅普諾夫(Lyapunov)在他的博士論文《運動穩(wěn)定性的一般問題》[26]中給出了運動穩(wěn)定性的嚴格數(shù)學(xué)定義，建立了從概念到方法的關(guān)于穩(wěn)定性理論的完整體系，從而奠定了穩(wěn)定性理論的基礎(chǔ)。20世紀20年代以來，Black、Nyquist[27]、Bode等關(guān)于反饋放大器的研究，1940年美國應(yīng)用數(shù)學(xué)家Bode提出的波德圖[28](Bode plots)，1942年Harris將拉普拉斯變換應(yīng)用到分析自動調(diào)節(jié)系統(tǒng)提出的傳遞函數(shù)[29]，以及Nyquist提出的“乃奎斯特判據(jù)”和美國學(xué)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(jīng)典控制理論。

經(jīng)典控制理論是一種基于數(shù)學(xué)模型的定量方法，它以“反饋控制原理”和“Lyapunov穩(wěn)定性理論”為基礎(chǔ)，以研究單變量系統(tǒng)為主要對象，在用復(fù)變函數(shù)和Laplace變換建立系統(tǒng)傳遞函數(shù)的基礎(chǔ)上，采用時域、頻域或根軌跡法來分析和綜合系統(tǒng)的動態(tài)和穩(wěn)態(tài)性能。如求解系統(tǒng)的微分方程，繪制Nyquist曲線、Bode圖、根軌跡圖、Routh判據(jù)列表等。已形成了完善的理論體系，獲得了廣泛的應(yīng)用。

2.1.2 現(xiàn)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(xiàn)代控制理論。現(xiàn)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(lián)合會(International Federation of Automatic Control，IFAC)第一屆年會上首次提出。它以線性系統(tǒng)理論為基礎(chǔ)，以狀態(tài)空間分析為工具，借助計算機的強大計算能力對系統(tǒng)進行分析、計算與設(shè)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(tài)規(guī)劃[33]、卡爾曼(Kalman)濾波[34-35]等，這些研究成果奠定了現(xiàn)代控制理論的基礎(chǔ)。

2.1.3 大系統(tǒng)理論

大系統(tǒng)理論是20世紀70年代形成的，它綜合了線性規(guī)劃、決策理論和現(xiàn)代控制理論等方面的成果，把復(fù)雜的工業(yè)系統(tǒng)、生態(tài)環(huán)境系統(tǒng)和社會經(jīng)濟系統(tǒng)作為研究和應(yīng)用的對象。大系統(tǒng)理論涉及系統(tǒng)建模和模型簡化、系統(tǒng)結(jié)構(gòu)和穩(wěn)定性以及信息獲取和遞階與分散控制等內(nèi)容。大系統(tǒng)理論在工農(nóng)業(yè)生產(chǎn)、交通運輸、資源開發(fā)、物流管理、人口與計劃生育、天氣預(yù)報和環(huán)境保護等領(lǐng)域獲得了成功應(yīng)用。

2.1.4 傳統(tǒng)控制面臨的挑戰(zhàn)

傳統(tǒng)控制理論(包括經(jīng)典控制理論、現(xiàn)代控制理論和大系統(tǒng)理論)是以精確數(shù)學(xué)模型為基礎(chǔ)的系統(tǒng)分析與綜合方法。面對科技和生產(chǎn)力水平高速發(fā)展和對大規(guī)模、復(fù)雜和不確定性系統(tǒng)難以建模的困境，基于數(shù)學(xué)模型的傳統(tǒng)控制技術(shù)的局限性日益明顯，其應(yīng)用受到了很大限制，從而面臨一場嚴峻的挑戰(zhàn)。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(shù)的發(fā)展，人們在將人工智能作為思維科學(xué)的同時，也不斷探索將其應(yīng)用到科技領(lǐng)域。智能控制(intelligent control，IC)正是人工智能與自動控制技術(shù)融合的產(chǎn)物。它摒棄了傳統(tǒng)控制對數(shù)學(xué)模型的依賴，以控制目的和行為為目標，運用人工智能技術(shù)，通過學(xué)習(xí)、訓(xùn)練、推理、判斷、決策的符號演繹實現(xiàn)對復(fù)雜大系統(tǒng)的控制。計算機科學(xué)、信息科學(xué)、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(shù)基礎(chǔ)。

2.2.1 智能控制與傳統(tǒng)控制的比較

在理論基礎(chǔ)、實現(xiàn)方法和系統(tǒng)規(guī)模上智能控制與傳統(tǒng)控制有著本質(zhì)的區(qū)別，但它們也不是互相排斥的。傳統(tǒng)控制往往用來解決系統(tǒng)底層(執(zhí)行層)的控制問題，從而保證系統(tǒng)的控制精度。智能控制則在系統(tǒng)的中層(協(xié)調(diào)層)和高層(決策層)進行環(huán)境識別、信息融合和推理決策等，實現(xiàn)對系統(tǒng)行為和目標的控制。智能控制與傳統(tǒng)控制的結(jié)合既提高了系統(tǒng)的智能化程度，又能保證系統(tǒng)的控制精度，使系統(tǒng)結(jié)構(gòu)更加合理，達到互補的效果。

傳統(tǒng)控制(traditional control)是基于數(shù)學(xué)模型的定量方法。有完善的理論體系和有效的系統(tǒng)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(fù)雜系統(tǒng)的底層得到了廣泛成功的應(yīng)用。

智能控制(intelligent control)是基于知識和經(jīng)驗的直覺推理方法。尚無完善的理論體系，實現(xiàn)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(tǒng)性能，而無統(tǒng)一的性能指標體系。智能控制的應(yīng)用極為廣泛，可涉及自然科學(xué)和社會科學(xué)的各個領(lǐng)域，是控制界當前的研究熱點和今后的發(fā)展方向。

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

表1 傳統(tǒng)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(tǒng)必須具備的基本功能有組織協(xié)調(diào)能力、聯(lián)想記憶和學(xué)習(xí)能力，以及動態(tài)自適應(yīng)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(xué)者Astrom[36]提出的專家控制(expert control)；在美國學(xué)者Zadeh[37]提出模糊集理論的基礎(chǔ)上，由英國Mamdani[38]教授1974年提出的模糊控制(fuzzy control，F(xiàn)C)；20世紀80年代中期，Hopfield提出的Hopfield網(wǎng)絡(luò)和Rumelhart提出的BP算法為人工神經(jīng)網(wǎng)絡(luò)研究注入了新的活力，人工神經(jīng)網(wǎng)絡(luò)被引入控制領(lǐng)域并得到廣泛應(yīng)用，形成了神經(jīng)網(wǎng)絡(luò)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(jié)構(gòu)，由組織級、協(xié)調(diào)級和執(zhí)行級構(gòu)成，其智能表現(xiàn)為傳統(tǒng)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(tǒng)的穩(wěn)定性、可控性、可測性、魯棒性等定義及判據(jù)；

2)動態(tài)系統(tǒng)的知識獲取、分類、表達、利用及規(guī)劃的相容性及完備性；

3)學(xué)習(xí)理論與方法研究；

4)加強對人—機結(jié)合、認知心理學(xué)、神經(jīng)網(wǎng)絡(luò)、離散事件動態(tài)系統(tǒng)、以及可拓學(xué)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(shù)相結(jié)合的各種途徑，以及應(yīng)用的新領(lǐng)域；

6)將人工智能方法用于系統(tǒng)建模、優(yōu)化、控制、故障診斷、生產(chǎn)計劃和調(diào)度;

7)將智能控制技術(shù)應(yīng)用到自然科學(xué)和社會科學(xué)的各個領(lǐng)域，拓寬智能控制的應(yīng)用范圍。

2.3 智能控制的發(fā)展前景與展望

智能控制自20世紀60年代末提出以來，經(jīng)歷了40多年的發(fā)展歷史，取得了令人矚目的進展。據(jù)有關(guān)資料統(tǒng)計，在現(xiàn)有的600多個傳統(tǒng)行業(yè)中有200多個行業(yè)已經(jīng)被人工智能技術(shù)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(yè)，機器換人勢在必行。隨著人工智能技術(shù)、智能控制技術(shù)和機器人技術(shù)的發(fā)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(chǎn)相關(guān)的各個行業(yè)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(shù)已開始走向智能化發(fā)展階段形成了共識。

智能控制是人工智能與控制技術(shù)的結(jié)合，是人類將自身的智力用于改造客觀世界的必然產(chǎn)物。正因為它在理論上還不夠完善，應(yīng)用領(lǐng)域還有待進一步開發(fā)，對它的理論和應(yīng)用研究才更具挑戰(zhàn)性、更有吸引力。

傳統(tǒng)控制面臨挑戰(zhàn)、人工智能曙光初現(xiàn)、智能控制方興未艾。

3 智能機器人——璀璨明珠

習(xí)近平主席[40]2014年6月在兩院院士大會開幕式上發(fā)表重要講話中指出：在全球機器人產(chǎn)業(yè)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(lǐng)市場。習(xí)主席的講話為我國機器人技術(shù)的發(fā)展和應(yīng)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(yù)言：未來家家都有機器人。他說：機器人即將重復(fù)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?nèi)粘Ｉ畹囊徊糠?，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(yù)言已經(jīng)和正在不斷成為現(xiàn)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(xiàn)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(fā)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(fā)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(jié)構(gòu)巧妙，服飾華麗，在歐洲風(fēng)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(fā)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(xiàn)代機器人誕生和發(fā)展的基礎(chǔ)。

3.2 機器人的現(xiàn)在：從幻想走向現(xiàn)實

3.2.1 現(xiàn)代機器人的誕生與發(fā)展

現(xiàn)代機器人是隨著社會的需求和科學(xué)技術(shù)的進步而誕生和發(fā)展起來的。1938—1945年的二戰(zhàn)時期，隨著核工業(yè)和軍事工業(yè)的發(fā)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(xué)院研制的多軸數(shù)控銑床，可進行飛機螺旋槳葉片復(fù)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(xiàn)機器人實驗裝置，發(fā)表了題為《適用于重復(fù)作業(yè)的通用性工業(yè)機器人》的文章[42]。1960年美國聯(lián)合控制公司(consolidated control)研制出世界第一臺通用型工業(yè)機器人，開始定型生產(chǎn)名為Unimate的工業(yè)機器人推向市場，機器人產(chǎn)品正式問世。兩年后，美國機床與鑄造公司(AMF)也生產(chǎn)了可編程工業(yè)機器人Versatran。

20世紀70年代，機器人的應(yīng)用領(lǐng)域進一步擴大，各種坐標系統(tǒng)、不同結(jié)構(gòu)的機器人相繼出現(xiàn)。由于大規(guī)模集成電路和計算機技術(shù)的飛躍發(fā)展，機器人性能大大提高，成本不斷下降。20世紀80年代，工業(yè)機器人在發(fā)達國家已經(jīng)進入了實用化的普及階段。隨著人工智能技術(shù)、智能控制技術(shù)和智能傳感技術(shù)的發(fā)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(yīng)用不斷深入，大大提高了機器人的適應(yīng)能力和應(yīng)用范圍，促進了機器人的智能化進程。

經(jīng)歷了50多年的發(fā)展，機器人技術(shù)形成了一門新的綜合性學(xué)科——機器人學(xué)(Robotics)[43-44]，涉及的學(xué)科內(nèi)容有：機械手結(jié)構(gòu)與設(shè)計，機器人運動學(xué)、動力學(xué)和控制，機器人驅(qū)動與傳動裝置，機器人軟件結(jié)構(gòu)與編程技術(shù)，運動軌跡和路徑規(guī)劃，機器人傳感器(包括內(nèi)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(shù)、信息融合技術(shù)、神經(jīng)網(wǎng)絡(luò)與多智能體技術(shù)、機器情感與機器人智能等。

3.2.2 工業(yè)機器人

工業(yè)機器人涉及工業(yè)生產(chǎn)的各個環(huán)節(jié)，如加工、裝配、焊接、打磨、上下料、噴涂、搬運等，是應(yīng)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(yè)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(yè)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(yè)機器人主要生產(chǎn)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(chǎn)和銷售的工業(yè)機器人產(chǎn)品達到了全球工業(yè)機器人產(chǎn)銷量的50%。

圖8 KUKA工業(yè)機器人Fig.8 KUKA industrial robot

圖9 ABB工業(yè)機器人Fig.9 ABB industrial robot

圖10 FANUC工業(yè)機器人Fig.10 FANUC industrial robot

圖11 安川工業(yè)機器人Fig.11 YASKAWA industrial robot

工業(yè)機器人的結(jié)構(gòu)如圖12所示，由執(zhí)行機構(gòu)、驅(qū)動和傳動裝置、傳感器和控制器4部分構(gòu)成。

圖12 工業(yè)機器人的結(jié)構(gòu)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(yè)機器人的驅(qū)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(yōu)點。液壓驅(qū)動具有出力大的優(yōu)點，大型機器人多采用液壓驅(qū)動。機器人的末端執(zhí)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(nèi)部傳感器和外部傳感器兩種，內(nèi)部傳感器安裝在機器人本體內(nèi)，用于檢測機器人的自身狀態(tài)，如各關(guān)節(jié)的運動位置、速度和加速度等，內(nèi)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(huán)境中，用于檢測各種環(huán)境信息，如視覺、觸覺、滑覺、接近覺、力/力矩傳感器等?？刂破魇菣C器人的核心，根據(jù)任務(wù)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(yè)機器人的控制通常采用半閉環(huán)方式，各關(guān)節(jié)用傳統(tǒng)的PID閉環(huán)控制，直角坐標用開環(huán)控制，通過求解逆運動學(xué)方程將直角坐標的空間位置和方向轉(zhuǎn)換為各關(guān)節(jié)的位置向量，然后對各關(guān)節(jié)進行協(xié)調(diào)控制。在沒有安裝外部傳感器的情況下，工業(yè)機器人通常只能應(yīng)用在結(jié)構(gòu)化環(huán)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(yīng)能力，可進行復(fù)雜的邏輯思維和判斷決策。其底層的執(zhí)行級通常采用傳統(tǒng)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(huán)境和自身狀態(tài)的信息，可在非結(jié)構(gòu)化環(huán)境中自主完成各種不同和復(fù)雜的任務(wù)[46-48]。

3.3.1 軍用機器人

軍用機器人是用于實戰(zhàn)系統(tǒng)的機器人，包括無人機(圖13、圖14)[49]，無人作戰(zhàn)平臺(圖15)以及水下掃雷機器人(圖16)等。軍用機器人已經(jīng)在實戰(zhàn)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(zhàn)爭中戰(zhàn)果輝煌。無人機由原來主要用于軍事偵察發(fā)展到現(xiàn)在的“察打一體化”，在發(fā)現(xiàn)目標和受到威脅的情況下，利用自身攜帶的武器(導(dǎo)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(zhàn)爭中發(fā)揮重要作用，并將改變未來戰(zhàn)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(zhàn)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(xué)、機器人學(xué)和人工智能等多學(xué)科交叉的產(chǎn)物，有著廣泛的應(yīng)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(nèi)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(shù)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(yīng)崎嶇地形和復(fù)雜環(huán)境的機器人，不僅可以爬山涉水，還可以承載較重物資?！按蠊贰遍L1 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(fā)布)將仿生機器人技術(shù)推進到新的高峰，SpotMini的驅(qū)動方式不同于“大狗”的內(nèi)燃機驅(qū)動，而是由電機驅(qū)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(wù)，有很好的應(yīng)用前景。

圖21 SpotMini機器人Fig.21 SpotMini robot

3.3.3 服務(wù)機器人

隨著老年社會的到來，服務(wù)機器人是未來機器人研究的主要方向[52]，服務(wù)機器人的應(yīng)用涉及人類生活的方方面面，如醫(yī)療機器人(圖22)、助殘康復(fù)機器人(圖23)[53-54]、導(dǎo)盲機器人(圖24)、導(dǎo)游機器人(圖25)、娛樂機器人(圖26)、清潔機器人(圖27)、家庭服務(wù)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(jié)，它已真實出現(xiàn)在我們的現(xiàn)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(shù)機器人Fig.22 Da Vinci surgical robot

圖23 上肢康復(fù)機器人Fig.23 Rehabilitation robot for upper limb

圖24 導(dǎo)盲機器人Fig.24 Blind guiding robot

圖25 導(dǎo)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(wù)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(xiàn)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(xiàn)在科幻小說和電影屏幕上的情節(jié)已逐步成為現(xiàn)實。隨著人工智能和智能機器人技術(shù)的發(fā)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(fā)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(xié)調(diào)能力(圖31)。

美國加州大學(xué)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(xué)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(xiàn)方面已和人類非常接近。Atlas不僅在森林和雪地等復(fù)雜環(huán)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(yù)期目標，甚至在被外力推到時會自動爬起來繼續(xù)行走。

圖34 Atlas機器人Fig.34 Atlas robot

3.4 機器人的發(fā)展前景與展望

工業(yè)機器人在制造業(yè)中的應(yīng)用是成功的，已經(jīng)得到廣泛推廣和普及。隨著人類社會的進步和生活質(zhì)量的提高，機器人的應(yīng)用領(lǐng)域不斷擴大，能力不斷增強，農(nóng)業(yè)、林業(yè)、軍事、海洋勘探、太空探索、生物醫(yī)學(xué)工程、自動駕駛等行業(yè)已成為機器人大有作為的新領(lǐng)域。各種服務(wù)機器人也將出現(xiàn)在我們的日常生活中，清潔機器人將減輕我們繁重的家務(wù)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(wù)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(huán)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(fā)展十分重視，中國的“863”高技術(shù)發(fā)展計劃將智能機器人列入自動化領(lǐng)域的2個主題之一。韓國已將每個家庭都有機器人的內(nèi)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(yù)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(zhàn)爭，美國和俄羅斯都已宣布在2015年以后投入戰(zhàn)場的兵力中有1/3的機器人。服務(wù)機器人將成為人類家庭成員和醫(yī)療、助殘與康復(fù)的助手。未來機器人將會自己制造機器人。

4 結(jié)束語

人工智能的發(fā)展已經(jīng)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(yù)示人工智能技術(shù)已進入迅速發(fā)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(tǒng)治者所擔(dān)憂。但正如谷歌董事長埃里克·施密特(Eric Schmidt)所言：人機大戰(zhàn)“無論最終結(jié)果如何，輸贏都是人類的勝利”。人們在大力發(fā)展人工智能的同時也會研究應(yīng)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(wù)于人類而不是走向?qū)埂?/p>

智能控制這門新興的、跨學(xué)科的技術(shù)科學(xué)經(jīng)過近40多年的發(fā)展，已經(jīng)取得了令人矚目的成果，回顧智能控制的發(fā)展歷程，我們相信，有人工智能等眾多學(xué)科發(fā)展成果的強有力的支持，有十分廣闊的應(yīng)用前景，智能控制必將取得長足的進展，并將控制科學(xué)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(shù)發(fā)展的終極目標，其應(yīng)用前景十分廣闊。比爾·蓋茨的預(yù)言正在成為現(xiàn)實，機器人正在成為我們?nèi)粘Ｉ畹囊徊糠郑瑱C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(wǎng). 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(tǒng)引論[M]. 石純一, 譯. 北京: 電子工業(yè)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(dǎo)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(jīng)網(wǎng)絡(luò)的模型及其應(yīng)用[M]. 上海: 復(fù)旦大學(xué)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(tǒng)人工智能與控制技術(shù)的結(jié)合[J]. 控制理論與應(yīng)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(xué)習(xí)研究綜述[J]. 計算機應(yīng)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(guān)于在動物和機器中控制和通訊的科學(xué)[M]. 郝季仁, 譯. 北京: 科學(xué)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(yīng)用[M]. 第2版. 北京: 清華大學(xué)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(shù)學(xué)辭?！肪庉嬑瘑T會. 數(shù)學(xué)辭海[M]. 北京: 中國科學(xué)技術(shù)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(yōu)過程的數(shù)學(xué)理論[M]. 上海: 上海科學(xué)技術(shù)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(xí)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(huán)球科學(xué), 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(fā)展簡史[EB/OL]. 環(huán)球科學(xué), 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(xué)[M]. 北京: 清華大學(xué)出版社, 2000. CAI Zixing. Robotics[M]. Beijing: Tsinghua University Press, 2000.

[45]王天然, 曲道奎. 工業(yè)機器人控制系統(tǒng)的開放體系結(jié)構(gòu)[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(xiàn)—智能機器人主題戰(zhàn)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(yè)大學(xué)學(xué)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(wù)機器人[J]. 機器人技術(shù)與應(yīng)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(fù)機器人[J]. 華中科技大學(xué)學(xué)報: 自然科學(xué)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(fù)系統(tǒng)[J]. 世界康復(fù)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(dǎo)師。中國人工智能學(xué)會常務(wù)理事、智能機器人專業(yè)委員會主任。主要學(xué)術(shù)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(shù)。發(fā)表學(xué)術(shù)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(xué)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(tǒng)學(xué)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.