近年來，機器人技術從傳統制造業拓展到新興領域已成為一大趨勢。其中，機器人在農業領域的應用非常具有代表性，也是未來機器人發展的方向之一。

那么，機器人與農業發生碰撞會面臨哪些新挑戰？

傳統工業機器人有幾大“卡脖子”難題：驅動器、電機、減速器和控制器。我國企業在解決上述難題中取得了不錯的成績。但是當機器人進入新的應用領域，解決這幾個“卡脖子”難題則遠遠不夠，還面臨許多新的挑戰。

第一個挑戰是機器人工作環境不確定性增加。機器人與服務業、制造業、醫療衛生行業的結合相對較早也較為成熟，但是與農業、建筑業的結合卻非常少，原因在于機器人在這些行業中面臨更多環境的不確定性。工廠車間、餐廳、手術臺都是人造環境，人機的位置相對確定，目前機器人技術都是圍繞這種確定性的紅利來發展的。而機器人一旦走出密閉環境，來到田野和工地，會面臨更加惡劣的環境，比如植物的生長環境就存在很大不確定性。

第二個挑戰是機器人執行的任務存在不確定性。機器人做零部件裝配工作時，零件的尺寸、裝配的精度都有嚴格限制。而在農業應用中，機器人會面臨植物高低不同、果實性狀多樣等不確定性任務，這就要求其具備更高級的機器人編程方法和更合適的傳感器。

第三個挑戰是機器人結構的不確定性。車間里的機器人開封使用前的第一件事是校正。機器人自身關節構件有一套固定坐標，校正到位后，再和工作單元、車間的坐標進行關聯，這是一個非常復雜的關系。但是在開放環境下的坐標建立和校正非常困難，采摘機器人在農田走走停停，不確定性變得非常大，每一個位置的變化都是一次重新建立坐標的過程，這需要新的校正方法、傳感器、測量工具、控制方法。因此，農業機器人的研發難度是最大的。

為此，要解決三大難題。一是機器人編程方法，目前沒有一套行之有效的編程方法避免上述不確定性。二是機器人校正方法，無法有效、快速建立機器人與環境之間的關系。三是無法實現機器人、傳感器和人的有效集成和協作。這三大難題不僅是應用問題，還是深刻的基礎理論問題，一旦得以解決，就能夠把工業機器人推向更廣闊的天地。

過去幾十年，機器人最成功的應用領域是汽車制造業，該行業95%的工作都由機器人完成的。但隨著電動汽車產量越來越高，車身電路電線也越來越多，由于電線質地柔軟，給機器人裝配帶來很大困難。電動汽車生產線上裝配電纜的工作還是人工完成。

在、疫苗開發領域，需要納米機器人介入。這些機器人尺寸小、結構簡單，但位置傳感器精度差。唯一的傳感方法是圖像，利用電子掃描顯微鏡等工具得到微觀尺度下的圖像，通過有效利用圖像反饋控制機器人。

這些現實挑戰與農業機器人面臨的問題非常相似。地面的條件、樹的形狀、水果的位置，甚至風吹動的枝丫，都需要傳感器實時檢測，通過圖像反饋給機器人。雖然現在高速相機幀數高，但要實現這些目的，每分鐘分辨圖像要達到上千次，而且數據處理量大才能準確定位水果的位置。傳統機器人通過圖像得到的反饋遠遠達不到如此高的頻次。

機器人在新應用領域面臨的共同理論問題是如何有效利用圖像，實現精準操控。

以采摘的機器人為例，首先需要給蘋果拍一張照片，把采摘對象的特點提取出來，讓機器人識別并得到蘋果和自身的相對位置。傳統方法是向量表示蘋果的位置，再經過系列復雜運算，機器人才能得到反饋。

既然機器人的所有動作都通過圖像判斷，那么是否可以不給機器人反饋圖像，省去計算坐標變換這一過程？

對此，我們探討了一種采用非向量空間控制、基于集合的動力學系統描述機器人位置的方法。上世紀90年代，法國科學家建立了基于圖像的動力學系統，圖像不僅用來描述形狀，還能同時描述形狀的動態變化。當機器人靠近蘋果時，它“眼”里的蘋果軌跡不是一條線，而是一個圖像“管道”，機器人識別的是運動的集合。我們進而設計了一套控制器定義位置的誤差，如此只需要描述形狀的動態變化，而不需要處理大量高清原圖。

對于機器人而言，只需放棄壓縮時丟失的無用信息，掌握關鍵信息即可。壓縮傳感原理為此提供了理論基礎。將直接從照片中提取位置的信息，將其變為機器人可以讀懂的信息，不需要識別按鈕，同時選擇工作類型，不論是摘蘋果還是排電纜，只要把操作對象的語義信息集成進去，所有的特征都可以引入到控制過程，極大簡化圖像反饋的過程。

本文來源：中國科學報，作者系香港大學新興技術研究所所長

更多干貨、市場分析、重磅案例、實戰課程歡迎訂閱 [農業行業觀察]公眾號：nyguancha