“未來服務機器人的市場機會沒有天花板。”對于服務機器人的未來，沈陽新松機器人自動化股份有限公司總裁曲道奎也頗為看好。劉雪楠稱，服務機器人正處于高速裂變期，底層技術趨同出現巨頭是趨勢，而在細分領域將會涌現不同應用端的“新星”。

不過，縱然前景頗為明朗，但服務機器人卻面臨著尚未完全打開市場的現狀。英特爾（中國）有限公司戰略合作與創新業務部總監張志斌用“痛并快樂著”形容其接觸到的服務機器人企業，“有想法沒有技術，有技術做不了產品，有產品不知道怎么賣，知道怎么賣沒有錢”。

服務機器人進入裂變期行業激辯風口還有多遠

“過去服務機器人的應用場景更多是在實驗室里，但2017年它的場景應用會進一步的裂變?！边@是劉雪楠對于服務機器人2017年的預判。他認為，所有的行業，真正產業級的裂變均來源于場景應用，就像電腦市場真正爆發的時候，是因為互聯網的場景應用，裂變過程中會有很多的失敗案例，但這場裂變會助推機器人產業化的技術真正落地。

談到服務機器人的發展趨勢，劉雪楠告訴記者，服務型機器人將和人工智能有更多的結合機會。具體而言，底層技術和基本型的技術會逐漸趨同，每個領域都有幾家大公司去做，甚至出現巨頭；同時在一些細分領域，將會進一步地裂變和細分。

在商業模式方面，劉雪楠認為可能會有硬件呈現低價趨勢甚至免費模式，以低價打開家庭消費；此外，服務機器人的模組化和模塊化將成為重點，消費者眾包式的人工智能工具將成為重點。

另一方面，劉雪楠稱服務機器人產業的生長、成長不是像過去類似智能手環那樣的單純的硬件，成長模式是生態平臺化的成長，分別從技術級、產業級和生態級升級，這些硬件方案會更好底促成機器人快速進行硬件裂變，軟件同樣有各式各樣對應人工智能的、關聯的模組和技術。

“痛并快樂”探尋行業風口

服務機器人的時代已經開啟，縱然未來的前景頗為明朗，但服務機器人卻面臨著尚未完全打開市場的現狀，仍在探尋著行業風口。

與此同時，服務機器人未來的五年最容易切入的領域將會在哪兒的暢想也隨之而來。劉銳認為，接下來五年里面，服務機器人在交互方面來說，將由原來移動端的觸摸點型變成語言交互方式。未來五年對機器人最大的需求是很多人都想了解機器人和學習機器人，科教和展覽將是不錯的領域。張志斌稱把場景變窄了，就能做出了不起的產品，應該集中在自己擅長的部分，盡最大的努力對接高校和科研機構的資源，解決用戶體驗問題。

劉雪楠用“富強”概括了公用型機器人和家用型機器人的走向，公用型機器人針對“富”，將從資金豐富的單位和機構里率先被啟用；服務型機器人針對“強”，將從消費者的強需求，比如教育和養老市場方面的應用切入。

值得注意的是，劉雪楠認為機器人的硬件和基本技術只是短期的重點，在5~10年之后，基于機器人普及之后，會形成和人類社會關聯的機器人社會，服務機器人的社會化和人性化將是真正的競爭重點。

服務機器人攻堅戰不可或缺的技術利器

服務機器人實際上是多種技術的融合和實現，包括語音交互、導航定位、運動控制、后臺調度管理、多傳感技術、通信等多領域技術。要讓產品成功商用，這些技術缺一不可。

定位導航技術：得雷達SLAM者，走得更遠

行業領先的服務機器人企業，八成都采用了SLAM技術。簡單來說，SLAM技術是指機器人在未知環境中，完成定位、建圖、路徑規劃的整套流程。

據介紹，雷達SLAM雖然成本較高，但卻是目前最穩定、最可靠、高性能的SLAM方式。這種技術定位精度控制在±10mm內，能夠確保機器人在完全未知的環境中創造地圖，同時根據地圖進行定位、導航、自主規劃路線。也就是說你下達任務后以后它就能自主規劃路線、完成任務后回到迎賓地點，無需人工操作，與谷歌無人駕駛技術有異曲同工之妙。

SLAM技術目前已廣泛應用于AR、機器人、無人駕駛等新興領域，其中雷達SLAM因良好的指向性與高度聚焦性，成為行業主流定位導航方式。

運動控制技術：輪動機器人更符合市場需求

有趣好玩的雙足機器人你一定都見過，然而事實是這類機器人穩定性差，移動速度慢，并且一推就倒。而輪式、履帶式的服務機器人則擁有更好的平衡性，在運動過程中更穩定。

目前雙足機器人主要有電機和液壓兩種運動控制方式，前者結構相對簡單，但負載能力有限；后者雖然有較大的負載能力，但結構復雜。而輪式、履帶式機器人的運動控制方式主要由縱向控制和橫向控制兩部分組成，前者調節移動速度；后者調節移動軌跡。在運動、避障過程中，輪式、履帶式機器人能夠根據速度的不同采取不同的控制策略，以保持整體的穩定性。從目前的技術發展和實用性來看，輪式、履帶式的機器人顯然更符合市場需求。

多傳感器融合技術：最終體現產品差異化功能

傳感器如同機器人的“五官”，機器人通過傳感器獲取外界信息，以滿足探測和數據采集的需要。系統通過綜合、互補、修正、分析所得信息，從而完成決策，快速作出反應。未來的機器人想要做得更像人，多傳感器融合技術至關重要。比如日本Pepper機器人就配有1個3D傳感器、5個觸摸傳感器、2個陀螺儀、2個聲波定位儀、3個緩沖傳感器、6個激光傳感器。通過這項技術，Pepper能識別人的表情、語氣、周圍環境，并根據人的情緒做出更豐富的、更人性化的反應。

目前我國主流服務機器人主要配有紅外傳感器、超聲波傳感器、觸覺傳感器、視覺傳感器等。實際上，如果服務機器人想要完成更多、更復雜的任務，還需配備更多的傳感器。多傳感器融合技術的成熟與否，將直接體現在服務機器人的差異化功能上。

深度學習算法：機器學習里的重要突破

在人類面前，機器人就是一張白紙，它們需要學習人類的各方面，像說話、做家務等等，而在這方面，深度學習算法就是一個關鍵。

利用深度學習算法，在加以大量數據的訓練，服務機器人就可以模仿人類形成自己的一套做事方法，并在之后加以運用。以人臉識別為例，科學家們利用數據庫中的人類照片對算法進行訓練，讓之將照片與人名相對接，在不斷的糾錯中提高其識別的準確率。

如果將人工智能技術的研究比作造房子的話，深度學習算法就是最底下的“地基”，承擔著一項技術的所有“風險”。此外，在認知交互方面，除了語義理解和向人類學習，服務機器人還需要對“感情”進行理解，如此，它才能夠真正的貼近人類，實現自己的真正價值，尤其是注重情感交流的陪護型服務機器人。

未來要打好服務機器人這場攻堅戰，深化技術必不可少，發展道路還很長。

更多資訊請關注工業機器人頻道

（本文由中國傳動網整理發布，部分資料來源于先進制造業、網易財經、圖片來源于網絡）