第10章　论断：2003年前后（约 2003 年）

早在达芬奇手术系统获得FDA批准的那个夏天，一种截然不同的机器人正在进入普通人的家庭。把时间拨回到2002年秋天，当直觉外科公司的工程师们还在为手术机器人的力反馈精度争论不休时，iRobot公司的第一款Roomba扫地机器人已经悄然摆上了美国百思买和Target超市的货架。这两个事件看似毫无关联，却共同标志着一个关键转折：机器人技术正在从工厂和手术室向日常生活空间扩散。而这次扩散的过程，将暴露出远比任何人预想都更加深刻的鸿沟。Roomba的包装盒上印着简明的承诺：按下按钮，它会自己打扫地板。售价199美元。这个价格不是随意制定的，它反映了一个残酷的约束条件——消费级产品必须比工业设备便宜两个数量级以上。一台FANUC的六轴机械臂在2002年的典型售价在五万到十万美元之间，一台达芬奇手术系统的采购成本超过一百万美元。如果服务机器人要进入家庭，它的定价逻辑必须遵从吸尘器和洗碗机的市场规则，而非数控机床的定价体系。

这个约束从一开始就决定了，任何试图将工业机器人的技术架构直接移植到消费领域的尝试都将面临不可逾越的成本壁垒。但成本只是三重困境中的第一重。更深层的困难隐藏在环境的不确定性之中。工业机器人四十年来赖以成功的技术范式，建立在一条几乎被视为理所当然的前提之上：工作环境是已知的、可建模的、严格受控的。FANUC的黄色机械臂从1984年就开始在汽车生产线上进行点焊作业，那些钢板的厚度、焊接点的三维坐标、运动路径上的障碍物分布，全部由工程师预先编程确定。即使在引入了力觉闭环和视觉伺服之后，机器人所面对的“不确定性”也仅仅是被限定在预设公差范围内的微小偏差——一个需要装配的零件可能偏移零点几毫米，一块需要打磨的焊缝可能有微小的形状变化。但在一个普通家庭的客厅里，这种受控性荡然无存。2003年前后，多个研究团队试图开发能够在家居环境中执行任务的机器人原型。

德国弗劳恩霍夫研究所的Care-O-bot项目、日本产业技术综合研究所的HRP系列、以及美国斯坦福大学和卡内基梅隆大学的多项实验平台，都在这一时期进行了从实验室到真实环境的跨越尝试。这些尝试几乎无一例外地遭遇了同样的困境：机器人无法可靠地识别沙发和堆放的衣物之间的区别，无法判断一个半开的抽屉是否可以被拉开，无法理解为什么昨天还在这里的椅子今天被移到了另一个房间。在工厂里，环境是为机器设计的；在家庭里，机器必须适应一个为人类设计的环境——而人类设计环境的方式充满了即兴、模糊和不断变化。这就是服务机器人面临的第二重困境：感知与认知在非结构化环境中的极限。2003年，计算机视觉技术已经取得了长足进步，视觉伺服算法能够在工业场景中实现亚毫米级的定位精度。但当同样的摄像头和处理器被安装在一台家用机器人上时，问题发生了质的变化。工厂里的光照条件是恒定的，物体的表面纹理是已知的，背景是简单且可过滤的。

而一个普通的起居室可能同时存在从窗户射入的自然光、天花板上的暖色灯光和电视屏幕的闪烁蓝光，同一块地板在不同时刻呈现给视觉系统的颜色和纹理截然不同。更致命的是，家用机器人不仅要“看见”物体，还要“理解”场景——一堆衣物是需要避开的障碍物还是需要拾取的待洗衣物？一个躺在地上的玩具是应该绕行还是应该捡起来放到玩具箱里？这些判断需要的不只是感知精度，而是对物理世界和社会规范的常识性理解，而2003年的机器人学距离实现这种理解还有漫长的路要走。第三重困境则直接指向用户本身。工业机器人的操作者是经过数月甚至数年培训的技术人员，他们懂得G代码编程、理解运动学约束、知道如何在紧急情况下按下急停按钮。外科医生在使用达芬奇系统之前需要完成专门的认证培训。但扫地机器人的用户可能是一位七十岁的退休教师，可能是一个从未接触过任何编程概念的大学生，也可能是一个只想在离家时让机器自己工作的双职工家庭。他们不会、不愿意、也不应该需要学习任何编程语言。

服务机器人的交互界面必须降低到近乎直觉的水平——理想状态下，一个按钮就足够了。这三重困境——成本、环境、用户——在2003年前后交汇成一个尖锐的问题：当机器人走出工厂时，四十年积累的工业自动化技术范式是否仍然有效？这个问题在当时并没有被明确地提出，但它的压力已经渗透在每一个服务机器人项目的设计选择中。不同的研究团队和公司用不同的方式回应了这些压力，而他们的选择将塑造未来二十年的技术路线。iRobot的Roomba给出了一个在当时看来相当激进、甚至有些反常识的答案：放弃精确建模，放弃复杂规划，转而采用一套极其简单的基于行为的控制策略。Roomba的硬件配置在2002年第一代产品中堪称简陋：一个红外传感器用于检测墙壁和障碍物，一组压敏保险杠用于感知碰撞，几个悬崖传感器防止它从楼梯上跌落，再加上一个用于检测特别脏污区域的声学传感器。没有摄像头，没有激光雷达，没有同步定位与建图能力。

它的中央处理器计算能力远不如同时代的一台PDA掌上电脑。但正是这种看似简陋的配置，使Roomba成为第一款在商业上取得显著成功的家用服务机器人。它的核心算法并不试图构建房间的地图，也不计算最优清扫路径。相反，它采用了一种被称为“随机覆盖”的策略：以螺旋方式开始清扫，遇到障碍物后沿边缘跟随一段距离，然后转向一个随机角度继续前进。在足够长的时间内，这种随机运动能以高概率覆盖整个可到达地面。当电池电量不足时，它会寻找红外信标返回充电座——这是整个系统中唯一需要一定定位精度的行为。基于行为的机器人学思想在学术界已经酝酿了十几年。麻省理工学院的罗德尼·布鲁克斯在1980年代就提出，智能不需要从复杂的内部表征中涌现，而可以直接从感知与行动的紧密耦合中产生。他提出的包容架构主张用多层简单行为模块叠加来生成复杂行为，而非先构建世界模型再做推理规划。Roomba是这一哲学在消费级产品中的首次大规模验证。

它证明了在特定约束条件下——任务目标简单明确、容忍不完美、环境动态但物理规律稳定——一个不依赖精确模型和复杂推理的系统可以以极低成本实现可接受的性能。到2004年底，iRobot已经售出了超过一百万台Roomba。这个数字在机器人学历史上具有里程碑意义。在此之前，没有任何一种移动机器人以如此规模和如此直接的方式进入普通人的生活空间。但Roomba的成功也划定了一条清晰的边界：它的全部能力被严格限定在一个极其狭窄的任务域内。它不会开门，不会爬楼梯，不会识别物体，不会与人对话。它甚至不知道自己在打扫卫生。Roomba不是一个在任何有意义意义上的智能体——它是一台执行固定行为模式的移动吸尘器。它的成功恰恰来自它没有试图成为任何更宏大的东西。在大洋彼岸的日本，另一种截然不同的服务机器人正在吸引全世界的目光。2000年11月，本田公司首次向公众展示了ASIMO——一款身高120厘米、重52公斤的双足人形机器人。

在精心控制的演示环境中，ASIMO能够以流畅的步态行走、改变方向、上下楼梯，甚至完成单脚转身的动作。它的外形被刻意设计成穿着宇航服般的人形，圆润的头盔下隐藏着摄像头和传感器阵列，双手有五指，能够做出挥手和握手的动作。ASIMO的公开演示在2000年代初期引发了一场媒体热潮。它出现在科技展览、儿童节目、甚至纽约证券交易所的开市敲钟仪式上。本田的工程师们不断扩展它的能力清单：2002年，它学会了跑步——双脚同时离地的瞬间被高速摄像机捕捉，成为机器人学进步的标志性画面。2003年，它能够识别移动物体、手势和面孔，可以握住一个人的手并跟随行走。2004年，它能够在行走中推一辆小推车。每一次技术突破都被包装成迈向通用人形机器人的一步，本田的公关材料充满了关于未来家庭中机器人伴侣的愿景。但在这些光鲜的演示背后，一个截然不同的现实正在运行。ASIMO的每一次公开行走都需要一个庞大的技术团队在后台支持。

它的双足行走虽然流畅，但严重依赖预设的运动模式和高精度的地面条件。演示场地必须经过仔细准备：地板必须平整且具有特定的摩擦系数，光照条件必须控制在视觉系统的最佳工作范围内，行走路径上的所有标记和参照物必须精确放置。一旦环境偏离预设参数——比如地毯的纹理与实验室不同，或者演示厅的灯光角度发生变化——ASIMO的平衡控制系统就可能出现不稳定。更重要的是，ASIMO在演示中所展示的智能行为——识别面孔、响应手势、跟随行人——都是在高度受控的脚本下运行的。它并没有真正理解它看到的面孔是谁，也没有理解跟随这个动作的社会含义。它的行为是工程师预先编程的一系列条件响应，当输入信号落在预设参数范围内时，系统输出相应的动作序列。这种架构在面对真实世界的开放性和不可预测性时，脆弱得令人惊讶。本田从未公开ASIMO的研发成本，但行业分析普遍估计，到2005年前后，该项目已经消耗了数亿美元。单台ASIMO的造价据估计在百万美元级别。它从未被作为商品出售。

当Roomba以199美元的价格在超市货架上销售时，ASIMO仍然是一个研究平台和公关资产，它的存在本身是对技术可能性的一种宣示，而非对市场需求的一种回应。这两种路径的并置揭示了2003年前后服务机器人领域的核心张力。Roomba代表了一种务实的、做减法的哲学：将任务简化到极致，使用尽可能简单的传感器和算法，在成本约束内交付可接受的性能。ASIMO则代表了一种雄心勃勃的、做加法的愿景：试图复制人类的全部身体能力，并逐步叠加认知功能，最终实现通用的人形机器人。前者在商业上取得了成功，但它的能力边界被严格限定在扫地这一个任务上。后者展示了令人惊叹的技术成就，却始终无法跨越从演示到实用之间的鸿沟。在这两个极端之间，还存在着大量试图寻找中间道路的尝试。2003年前后，博物馆导览机器人成为一个特别活跃的实验领域。

德国的RHINO和MINERVA机器人、美国的Sage机器人、日本的Robovie系列，都在这一时期进入了真实的博物馆环境，试图为参观者提供导览服务。这些项目通常由大学研究团队主导，与博物馆合作，在相对受控但仍然开放的公共空间中测试机器人的导航、人机交互和任务执行能力。博物馆的环境条件介于工厂和家庭之间：地面平整，照明相对稳定，空间布局不会频繁改变，但仍然存在大量不可预测的因素——参观者可能突然挡住机器人的路径，孩子们可能围着它跑动，有人可能故意测试它的反应极限。这些机器人的设计者面临着一个与Roomba和ASIMO都不完全相同的问题：机器人需要在人群中安全导航，同时与完全没有技术背景的公众进行有意义的互动。这些博物馆机器人的实际表现提供了一份宝贵的经验记录。卡内基梅隆大学和波恩大学联合开发的RHINO机器人在1997年就进入了波恩的德意志博物馆，成为最早的博物馆导览机器人之一。

它的后继者MINERVA在1998年进入华盛顿特区的史密森尼国家自然历史博物馆。这些机器人配备了激光测距仪、声纳传感器和摄像头，使用基于概率的定位算法——蒙特卡洛定位法——来在动态环境中维持自身位置估计。在技术层面，它们代表了当时移动机器人导航的最高水平。但在实际运行中，问题往往出在技术层面之外。参观者经常围住机器人，使其无法移动到预定位置。儿童会不断在机器人前方跑动，触发紧急避障程序，导致机器人陷入持续的避障循环：检测到障碍物后停止，转向寻找通路，刚起步又遇到新的障碍物，再次停止。有些参观者试图与机器人进行超出其能力的对话，当机器人无法理解复杂问句时，互动就陷入了僵局。更棘手的是，机器人无法判断一个靠近它的人是想要问路、只是好奇地观察、还是打算测试它的反应——这三种意图需要完全不同的响应策略，而2003年的社交感知算法远不足以做出这种区分。

这些故障并非源于任何单一技术的缺陷，而是暴露了一个更深层的结构性问题：当机器人进入人类的社会空间时，它面临的不仅是物理环境的复杂性，还有社会互动的复杂性。人类之间的互动建立在大量共享的隐性知识之上——我们知道如何保持适当的距离，知道如何用眼神和身体语言传递意图，知道在拥挤的走廊里如何相互避让而不发生碰撞。机器人缺乏所有这些知识。它被编程去执行特定任务，但一旦进入真实的人类环境，它就必须不断应对那些没有被编程的情境。2003年，日本ATR智能机器人与通信实验室的科学家们在分析Robovie机器人在大阪一家科学博物馆的长期运行数据时，记录下了一系列典型的失败模式。Robovie被设计成能够主动接近参观者并提供导览信息，它会识别人的面孔和身体方向，判断谁可能对互动感兴趣。但在实践中，它经常误解社交信号：当一个人只是恰好面向它站立时，它可能将其解读为互动的邀请；当一群人正在交谈时，它可能不合时宜地插入其中；

当有人试图结束对话时，它缺乏识别这种社交线索的能力，继续提供已经不被需要的信息。这些观察指向了一个关键的认识：服务机器人在非结构化环境中的失败，根源不在于硬件性能不足或算法不够优化，而在于任务定义与环境要求之间的根本性错配。工厂机器人的成功建立在对任务和环境的双重精确建模之上。当同样的技术逻辑被应用于服务场景时，设计者试图用更多的传感器、更复杂的算法、更大的计算能力来应对环境的不确定性——这是一种试图通过技术复杂度的累积来覆盖所有可能情境的思路。但真实世界的多样性是无限的，任何预设的模型和规则集合都必然存在漏洞。Roomba的随机覆盖策略之所以有效，正是因为它放弃了覆盖所有情境的企图。它不试图理解房间的布局，不试图识别障碍物的性质，不试图优化清扫路径。它接受不完美——有些地方可能被重复清扫多次，有些角落可能被遗漏——作为换取成本可行性和环境鲁棒性的代价。

这种接受不完美的设计哲学，与工业自动化追求零缺陷、完全确定性的传统形成了鲜明对比。ASIMO所代表的路径则走向了另一个方向。本田的工程师们试图通过不断增加技术复杂度来逼近通用人形机器人的理想。ASIMO的身体能力——双足行走、跑步、上下楼梯、抓取物体——在2000年代初期确实是令人瞩目的成就。双足行走尤其是一个极具挑战性的控制问题，涉及高度非线性的动力学、不稳定的平衡点、以及脚掌与地面之间复杂的接触力管理。本田在解决这些问题时展现了卓越的工程能力，其开发的高级步态规划算法和全身协调控制系统代表了当时人形机器人技术的最高水平。但ASIMO项目也暴露了人形机器人路线的一个根本困境：身体能力的提升并不自动带来任务执行能力的提升。ASIMO可以行走，但不知道去哪里；可以抓取物体，但不理解物体的用途；可以识别面孔，但不理解人的意图。它的每一项能力都是孤立的，缺乏一个统一的认知架构将这些能力整合成有意义的任务执行。

更关键的是，ASIMO的每一项能力都依赖于高度受控的环境条件。当这些条件不满足时——比如地面湿滑、光线昏暗、空间拥挤——它的性能就会急剧下降。这种脆弱性意味着，即使不计成本，ASIMO也无法在真实的家庭或办公环境中可靠地执行任何有实际价值的任务。到2004年前后，这种困境已经变得足够明显，以至于在机器人学界引发了公开的反思。一些研究者开始质疑人形机器人这个目标本身的合理性。为什么家用机器人需要两条腿？轮式移动平台在室内环境中通常更稳定、更高效、成本更低。为什么需要五指手？大多数家庭操作任务可以用更简单的夹持器完成。为什么需要类人的身高和外形？这些设计选择在多大程度上是由工程需求驱动的，又在多大程度上是由文化想象和公众期待驱动的？这些问题的提出并非要否定人形机器人研究的价值。双足行走在楼梯和不平坦地形上的优势是轮式平台无法替代的，五指手的灵巧性在精细操作中确实有独特价值，人形外观在某些社交互动场景中可能降低用户的心理抵触。

但2003年前后的经验表明，将这些能力整合成一个能够在真实环境中可靠工作的系统，其难度远超当时的技术预期。而每一次为了展示这些能力而精心控制的演示环境，都在无意中制造了一种错觉：我们离通用人形机器人已经很近了。这种错觉不仅误导了公众和投资者，也在一定程度上误导了研究者自己。在工业机器人领域，一股潜在的暗流正在涌动。第9章中描述的力觉闭环技术突破，在1990年代末期已经使机器人能够感知和响应接触力，从而在精密装配、去毛刺等任务中实现了柔顺操控。这一技术进展的一个副产品是：如果机器人能够感知接触力并据此调整运动，那么它就有可能在人机物理接触中保持安全。传统的工业机器人之所以必须被关在围栏里，正是因为它们没有任何力觉感知能力——它们会以全速和全力执行预设运动，无论路径上是否有人的手臂。力觉闭环打开了重新思考人机关系的技术可能性。如果机器人能够感知接触力的变化，并在检测到异常阻力时立即停止或回退，那么物理隔离就不再是保证安全的唯一手段。

这一思路在1990年代末期已经开始在少数研究机构中酝酿，但要到2005年前后才真正汇聚成协作机器人的产品概念。2003年，这个转折尚未发生，但它的技术前提已经就位。将工业机器人领域的这一进展与服务机器人领域的困境放在一起观察，一幅更完整的图景开始浮现。在工厂里，机器人通过获得力觉和视觉感知能力，正在从纯粹的运动执行器向物理交互器演化。这种演化使得机器人有可能走出围栏，与人类工人在共享空间中协同工作。在家庭和公共场所，服务机器人正在经历一场痛苦的试错，发现将工业自动化逻辑直接移植到开放环境中行不通。这两条线索在2003年前后并行发展，彼此尚未交汇，但它们共同指向一个方向：未来的机器人必须从根本上重新设计其与物理世界和人类用户的交互方式。2003年，德国库卡公司推出了KR 5 sixx R650型机器人，这是一款六轴小型工业机器人，自重仅28公斤，有效载荷5公斤。它的设计定位是轻型和灵活，可以安装在桌面上或移动平台上。

虽然这款机器人仍然运行在传统的位置控制模式下，没有配备力觉传感器，也没有任何安全协作功能，但它的出现本身反映了工业机器人制造商开始关注一个之前被忽视的市场空间：那些需要机器人但不是大规模批量生产的中小企业，那些机器人可能需要与操作员近距离工作的场景。这个市场空间的需求特征——小批量、多品种、频繁切换任务、空间有限——与服务机器人面临的挑战有某种结构性的相似。同年，瑞典ABB公司发布了IRC5控制器，这是其第五代机器人控制系统。IRC5的一个关键特性是其模块化架构，允许更灵活地集成外部传感器和定制控制算法。虽然IRC5在2003年主要用于传统工业机器人，但它为后续集成力控和视觉功能提供了更开放的平台基础。ABB的工程师们在这一时期已经开始探索机器人助手的概念——一种可以在装配线上与工人并肩工作的机器人，而不是替代工人。这些工业领域的动向在当时并未引起广泛关注。媒体的焦点集中在ASIMO的华丽演示和Roomba的销售数字上。

但回顾这段历史时，可以清楚地看到，服务机器人在2003年前后暴露出的困境，以及工业机器人在同一时期积累的感知和柔顺控制能力，正在为一场更深层的范式转变准备条件。这场转变的核心是重新定义机器人在人类空间中的角色：不是完全自主的替代者，也不是需要持续编程的工具，而是一种能够在物理世界中安全、灵活地与人类协作的新型自动化实体。2004年秋天，在意大利热那亚举行的一次机器人学会议上，一位来自德国航空航天中心的工程师在茶歇时与同行讨论了一个观察：他们为太空应用开发的轻量化机械臂，如果在关节中集成力矩传感器，就能够在与人碰撞时立即停止，从而在不需要防护围栏的情况下安全运行。这个想法当时还只是一个技术讨论话题，但它所指向的可能性——机器人可以与人共享工作空间而无需物理隔离——将在随后几年中逐渐成形，最终在2005至2008年间汇聚成协作机器人的产品定义。而在消费市场这一端，Roomba的成功已经开始引发模仿和竞争。

2003年，韩国三星和LG分别推出了自己的扫地机器人原型，德国凯驰也进入了这个新兴市场。这些产品大多采用了与Roomba类似的随机覆盖策略和低成本传感器配置，证明了这种简化架构的可行性和可复制性。但这也意味着，扫地机器人这个品类从一开始就被锁定在了一个相对狭窄的技术轨道上：它不需要、也不会演化成更通用的家用机器人。Roomba的商业成功恰恰强化了一个认识——在可预见的未来，成功的服务机器人将是那些专注于单一任务、在严格约束条件下运行的专用自动化设备，而非多功能的通用机器人。这种认识与ASIMO所代表的人形机器人愿景形成了尖锐对照。2004年12月，本田在一次技术展示会上宣布ASIMO已经能够以每小时3公里的速度跑步，并且能够在跑步过程中转弯。媒体再次为之兴奋。但在同一场展示会上，当被问及ASIMO何时能够进入家庭时，本田的发言人给出了一个谨慎的回答：可能还需要十年或更长时间。

这个十年的估计在当时听起来像是一个保守的技术路线图，但事后看来，它严重低估了从演示到实用之间的距离。到2024年，距离那个十年承诺已经过去了二十年，真正能够在家庭中执行多种任务的人形机器人仍然处于原型阶段。2003年前后的这段历史给整个机器人领域留下了一笔复杂的遗产。它既证明了机器人技术可以走出工厂，进入普通人的生活空间——Roomba的百万台销量是不容置疑的证据；也暴露了当时的技术范式在面对真实世界的复杂性时的根本局限——ASIMO的演示与实用之间的鸿沟同样是不容回避的事实。这笔遗产中包含的教训不是对服务机器人的全盘否定，也不是对人形机器人路线的简单放弃，而是一个更微妙但更重要的认识：技术扩散的过程不是简单的复制和缩放，每一次进入新领域都需要重新审视那些在旧领域中被视为理所当然的基本假设。当工业机器人在1960年代开始进入汽车工厂时，它们面对的是一个已经被标准化和结构化到极致的环境。

当达芬奇手术机器人在2000年获得FDA批准时，它进入的是一个有严格操作规程、专业训练体系和法律责任框架的手术室。但当服务机器人试图进入家庭时，它们面对的是一个没有任何预设标准的开放世界，用户没有接受过任何培训，而成本必须压到消费电子的水平。这三类环境对机器人的要求是如此不同，以至于机器人这个词本身几乎失去了统一的含义。一个在工厂中运行良好的技术方案，在家庭中可能完全失效；而在家庭中被证明有效的简化策略，在工厂中又可能无法满足精度和可靠性的要求。这种差异化的认识，在2003年前后开始逐渐渗透进机器人学的研究议程和产业战略。在此之前，许多研究者和企业家怀抱着一种线性进步史观：机器人技术正在稳步前进，从工业应用扩展到服务领域，从简单任务演进到复杂任务，最终将实现通用的人形机器人。但2003年前后的经验表明，这种线性叙事掩盖了真实的复杂性。技术进步不是沿着单一维度向前推进的，而是在不同的应用场景中分叉、试错、回退、再定向。

有些分支——如扫地机器人——找到了可行的商业模式并持续演化。有些分支——如人形机器人——在展示了技术可能性之后陷入了漫长的瓶颈期。还有一些分支——如力觉感知和柔顺控制——在工业领域默默积累，为后来的人机协作准备了条件。2005年初，在日本筑波市的一家研究所里，一台名为HRP-2的人形机器人正在进行一项新的实验：它被要求在一个模拟的居家环境中完成一系列简单任务——拿起一个杯子，走到桌子旁，放下杯子。实验的录像显示，HRP-2的每一个动作都极其缓慢，每走一步都需要数秒钟的平衡调整，抓取杯子的动作需要反复尝试才能成功。整个任务流程持续了将近二十分钟。在同一个房间里，一位研究人员用一只手在几秒钟内就完成了同样的动作序列。这个对比没有出现在任何媒体的报道中，但它比任何一次精心编排的公开演示都更准确地刻画了2003年前后服务机器人技术的真实状态：令人惊叹的成就与令人沮丧的局限并存，宏大的愿景与残酷的现实之间的鸿沟依然深不见底。

那台HRP-2在实验结束后被小心地移回它的维护站，技术人员开始检查关节电机的温度，校准力传感器，准备下一次实验。实验室的灯光熄灭后，它静立在黑暗中，等待着新一天的测试。