從具有社會屬性的智能系統開始。隨著智能系統的感知能力和行動能力日益增強，人與智能系統日益融合，出現了人機共融環境，在這種人機共融的環境中，自然而然就發展出了具有社會屬性的智能系統。這種智能系統既然有社會屬性，就意味著它要具備可以進化的能力，以下兩個方面探討這個系統的可進化性。

●一個方面是智能系統必須要具備可以內部進化的能力。系統如果要進行內部進化，通過一個單一的計算平臺是不可能實現的，所以需要實現不同平臺之間的交互，比如說機器人端和云端的計算平臺之間的交互，也就是「云機器人」的概念。

●另一個方面是智能系統要具備外部進化的能力。比如說通過人與機器人之間的交互來讓智能系統擁有外部可進化性的能力，這也就是我們講的「社交機器人」的概念。

二、面向長期自主定位的云移動機器人

面向長期自主定位的云移動機器人。在講這一點之前，先來回顧一下目前移動機器人或者服務機器人在應用上存在的問題：工作范圍受限、業務覆蓋受限、提供服務受限以及運維成本高。

這些問題看上去是應用層面的問題，然而具體到技術層面，實際上是關鍵的技術（長期自主的移動或長期自主和大面積覆蓋的移動）并沒有得到很好的突破的問題。

而這項關鍵技術也存在以下三大主要挑戰：

●第一個挑戰是，需要覆蓋大面積的區域，這樣就需要大量的數據來描述不同的環境；

●第二個挑戰是，還需要讓移動機器人適應動態場景，比如說檢測和跟蹤靜態或動態的物體、學習更多的知識來預測環境變化；

●第三個挑戰是，由于移動機器人需要長時間運行，隨著時間增長，它要求的數據存儲量也越來越多。

這樣的話，我們就需要讓機器人擁有更多的存儲空間和更強的運算能力，如果只是靠它們的單機本體其實是很難實現的。

這里面就提到了「云機器人」的概念，它就是利用了機器人端的運算以及云端的運算來進行機器人技術研究?？傮w而言，云機器人有幾個優點，包括：

●第一，它可以利用云機器人的框架彈性分配計算資源，這樣就可以實現在復雜環境中的同時定位與制圖；

●第二，它可以在這個框架下訪問大量的數據庫，比如說我們在做識別和抓取物體的時候，需要用很多的數據庫來進行比對，另外比如說我們做基于外包地圖的長期定位，也需要訪問大量的地圖的數據庫；

●第三，這種機器人可以形成知識共享，也就是多機器人系統間的信息共享。也就意味著這些多機器人之間可以根據情況配備不同的裝備，同時它們之間可以在云端形成一些知識共享。

我們知道使用傳統方法研究的機器人是將環境中的人當做障礙物的，這樣就產生了一個問題：導致整個系統的移動效率低，甚至在人群密集的環境中很有可能是失效的。

因而有科研團隊提出一種新型智能移動機器人，其在未知的環境中具有學習行人行為模式的能力，這樣就可以增強移動機器人的智能理解和智能決策的能力。這團隊做了三個方面的工作：第一是未知環境可通行域感知，第二是半稠密環境語義地圖制作，第三是人機共融動態環境下同時定位與地圖更新。

這個系統主要有兩個貢獻：首先是提出了一種基于行人行為學習的機器人可通行區域制圖算法，也就是「Learning from Social Behaviors（LSB）」；其次是一種適應人機共融動態場景下的機器人同時定位與地圖構建的方法（DM－LSAM）。二者其中的焦點就在于如何在動態環境適應能力、定位精度與魯棒性這幾個因素之間尋求平衡。

2018年全球服務機器人市場規模將達到92．5億美元，2020年將快速增長至156．9億美元。2018年，全球家用服務機器人、醫療服務機器人和公共服務機器人市場規模預計分別為44．8億美元、25．4億美元和22．3億美元，其中家用服務機器人市場規模占比最高達48％，分別高于家用服務機器人、公共服務機器人20、24個百分點。

2017年全年機器人行業融資數量超過110次，總融資規模超200億元，2018年全年融資次數有望超越2017年。從細分領域來看，個人／家用機器人、AGV、協作機器人、機器視覺等領域投融資案例較多，規模較大。

智能移動機器人將進入4．0時代，把云端大腦分布在云到端的各個地方，充分利用邊緣計算去提供更高性價比的服務，智能移動機器人除了具有感知能力實現智能協作，還具有理解和決策的能力，達到自主的服務。

信息來源：Ofweek人工智能網