机器人

机器人技术与人工智能和 ML 的相关性

机器人技术是人工智能的物理体现，使智能系统能够直接与现实世界互动并对其产生影响。这种协同作用是无数行业提高自动化和效率的基础。智能机器人能够稳定、持久地执行任务，在速度和精度上往往超越人类，从而提高生产率。在核退役或深海勘探（水下勘探（WHOI））等危险条件下部署智能机器人，可大大提高安全性。人工智能，尤其是计算机视觉（CV）的集成，将机器人从单纯的自动化机器转变为适应性强、能够在动态环境中导航并做出反应的智能代理。这种能力对于需要根据视觉输入进行实时调整的任务至关重要，通常需要利用复杂的人工智能模型。

机器人技术在人工智能/ML 中的应用

将机器人技术与人工智能和 ML 相结合，可实现广泛的应用：

• 制造：机器人进行装配、焊接、喷漆和质量检测。人工智能使协作机器人（cobots）能够安全高效地与人类并肩工作。例如 Ultralytics YOLO模型可用于实时物体检测，以识别生产线上的缺陷。更多信息，请访问人工智能在制造解决方案中的应用。
• 物流与仓储：自主移动机器人（AMR）可以导航仓库、管理库存和完成订单，亚马逊机器人公司（Amazon Robotics）等系统就是一个例子。视觉人工智能有助于优化路线和处理包裹。
• 医疗保健：机器人协助达芬奇手术系统等微创手术，实现实验室流程自动化，并为患者提供支持。医疗保健领域的人工智能利用机器人技术完成精准任务。
• 农业：机器人能高精度地处理播种、收割、土壤监测和施药等任务，优化资源利用。图像分割等技术有助于识别作物病害或成熟的农产品。进一步了解人工智能在农业中的应用。
• 自主系统：这包括自动驾驶汽车（AI in Self-Driving Cars Blog）等自动驾驶 车辆，以及用于送货、监控和基础设施检测的无人机。
• 探索与研究： 火星探测器等机器人探索人类无法进入或危险的环境。电气和电子工程师学会机器人与自动化协会等组织促进了这一领域的研究。

与计算机视觉集成

计算机视觉是现代机器人技术不可或缺的一部分，它就像一双 "眼睛"，让机器人能够感知和解读周围的环境。像 YOLO11等模型可让机器人执行复杂的视觉任务，如物体检测、实例分割和姿态估计，这对导航、操纵和人机交互至关重要。这些模型的训练和部署可通过Ultralytics HUB 等平台进行管理。将机器人技术与机器人操作系统（ROS）等标准化框架相结合也很常见，详情请参见我们的《ROS 快速入门指南》。

机器人技术与机器人流程自动化 (RPA)

区分机器人技术与机器人流程自动化（RPA）至关重要。机器人技术涉及物理机器人--与物理世界交互的硬件。相反，RPA 利用软件 "机器人 "来自动执行计算机系统上的数字任务，通常是重复性的、基于规则的任务，如数据录入或交易处理，没有任何物理体现或交互。

挑战与未来方向

尽管自第一台工业机器人问世以来取得了重大进展，但挑战依然存在。在非结构化和不可预测的环境中可靠运行、管理实时决策的计算需求（推理延迟）、确保人工智能的安全性以及高效的数据收集都是持续的研究领域（《机器人学的挑战（科学机器人学）》）。在人工智能、传感器和边缘人工智能能力不断进步的推动下，未来机器人的自主性、协作性和智能化程度将不断提高，数字世界和物理世界之间的界限也将进一步模糊，波士顿动力公司（Boston Dynamics）等公司正在不断突破界限。国际机器人联合会（IFR）跟踪这一不断发展领域的全球趋势。