近日，中国科学院院士乔红领衔发表Science China: Information Sciences 综述论文“Improving performance of robots using human-inspired approaches: a survey”，探讨利用人类启发的方法提高机器人的性能。

1、受人类启发的机器人决策方法

本节介绍受人类启发的机器人决策方法，包括受人类操作行为启发的“环境吸引域（ARIE）”理论以及受神经机制启发的情绪调节决策。

随着脑科学的发展，类人智能策略成为了研究热点。为了提高机器人策略的鲁棒性、自主性和通用性，许多研究通过模拟人类行为和神经系统，制定了仿大脑机制的智能方法。例如，受依赖于环境约束，乔红院士团队提出了一种环境吸引域概念的机器人操纵策略以使机器人实现高性能，同时减少对精确的配置控制和传感。基于ARIE的策略作为一种外部行为机制，构建一个类似大脑的智能决策具有重要意义。该模型模仿神经调节机制，以提高策略的能力，并实现与人类相同的高操作性能。针对这一点，乔院士基于神经机制制定了一种情绪调节的多回路方法以实现精度和效率之间的平衡。总之，制定有效的方法是对于以有限的硬件成本实现类人的高操作性能具有重要意义，这可以通过整合外部行为和内部神经科学的机制来实现。

综上所述，开发了一种新型高性能机器人操作框架仿人操作机制对提高系统的适应性和实现性具有重要意义。该操作框架有助于实现精度、灵活性和通用性，从而减少对高精度传感和控制和满足新时代智能制造的要求。

文中具体讨论了两个方面的机器人操作仿人策略，包括模仿人类行为和情绪调节的神经决策机制。受人类启发的机器人决策总体研究情况如表1所示。

2、受人类启发的感知模型

为了自主完成任务，机器人需要与外部环境持续交互获得感知信息。视觉感知是交互中重要的信息来源在机器人和外部环境之间。然而，与计算机视觉不同，机器人的视觉感知涉及机器人的运动和控制，这是一个主动、动态和连续的过程。此外，由于机器人通常用于复杂和开放的环境通常会出现噪声、遮挡、变形和模糊等问题。因此，高要求是基于机器人视觉感知模型的稳定性、快速性和鲁棒性以实现机器人视觉算法的精度、能量效率和速度之间的平衡。

传统的机器人视觉感知模型根据一些固定的设计程序。这些程序通常是为特定目标而设计的只能提取特定信息，即这些程序对外界的感知是被动的。然而，机器人的实际工作环境通常是动态的机器人也会改变周围的环境。因此，为了获得相对完整的感知对于周围的信息，机器人的视觉感知系统应该是主动的和交互式的。大脑启发的视觉感知技术可以为提高工作效率提供有效工具通过学习人类的视觉机制。文中具体介绍了两种建模人类启发的机器人视觉感知技术的方法。一是模拟人的感知行为机制。另一个是模拟人类感知神经机制。表2对相应的参考文献进行了分类。

3.受人类启发的机器人系统与控制

不断研究人类的本性，并试图理解人的本质在科学界一直是一个迷人的话题。无论是在科幻小说还是现实中，机器人通常都是被认为是模仿和创造人性的潜在人选。目前，尽管由刚性连杆和运动关节组成的关节机器人已经在许多领域得到了广泛的应用，例如工业和医疗，它们有一定的局限性，而且远未接近人们的期望。例如，关节机器人在以下方面与人类有很大不同它们的形状、结构和运动特征，这使得人类合作者很难了解并预测它们的运动，从而为实现安全合作带来挑战。同时复杂的结构、高精度的传感器和精心设计的控制器都是关节机器人实现高精度运动。

相比之下，人类自然可以实现顺从的交互、强健的运动和精确的通过利用他们灵活的身体和丰富的神经调节进行操纵。因此，开发人形机器人不仅与人类相似，还能像人类一样思考、行动和合作是机器人领域的一个有吸引力的领域。文中具体介绍了人类启发的机器人系统和将对控制进行总结，包括外形酷似人类的机器人（从外到内）和受神经机制（从内到外）的启发。这两类机器人的典型参考如下表3所示。

本文由CAAI认知系统与信息处理专委会供稿