摘要：机器智能影响的早期承诺并不涉及人工智能新生域的划分。人工智能的创始人设想了嵌入式智能的概念与感知，推理和启动之间的联系。然而，多年来，人工智能和机器人技术的领域相互分离。人工智能的从业者专注于从现实世界中抽象出来的问题和算法。机器人学家通常以机电工程为背景，集中在传感器运动功能上。这种分歧正在慢慢地与两个领域的成熟度以及对自主系统的兴趣日益增加。这个特别的问题汇集了人工智能和机器人集成领域的突出领域的现状和实践，并突出了当前机器智能发展的关键领域。
　　关键词：机器智能；人工智能；机电工程；传感器
　　前言
　　人工智能的早期先驱者已经设想使用计算机作为在认知机器内封装的工具。虽然他们没有明确地表明需要机器人实现一种人类智慧的形式，但作为研究认知手段的目标首先在于他们的思想。
　　相反，机械工具在人类历史的早期就被认为是帮助人类征服自然和帮助做“工作”的一种方法。来自中国和日本的机械自动机被设计为比实际的劳动节约装置更多的是人类好奇心的文物。随着现代计算机的出现，这种设备从机械到电子控制的转变又转向了移动自动机的诞生。术语“机器人”本身由剧作家创造并被科幻小说作家领域普及，显示了我们现在认为是嵌入式自动认知的广泛兴趣。这三个领域，人工智能/认知，机器人和现代电子三大领域，随着微电子，廉价传感器的出现，以及世界数字化的不断发展，这是非常自然的。
　　人工智能的发展史：
　　人工智能的早期使用是自动解决问题。如果能够以合适的符号语言形式化问题和解决方案，那么这是有理由的，那么基于计算机的符号操纵就可以用于从前者到后者。相信主要的挑战在于找到实现这一转型的算法。一旦这些可用，就可以自动地从知觉中产生问题公式，并通过致动自动产生解决方案，让一个软件代理解决物理世界中的问题。
　　物理世界中自动化问题解决的愿景首先在Shakey项目中具体形成，可以说是使用人工智能方法的第一个机器人。Shakey取得了成功，因为它展示了大量的推理能力，包括计划其行动并对执行期间的意外事件作出反应的能力。然而，当嵌入物理世界时，它的环境完全是人造的，在一个光线充足的实验室中由简单的几何形状组成。在转向更自然的环境中，从不可靠的传感器数据转变为正式的象征性问题描述的挑战变得比预期的要大得多。从解决方案的正式，象征性描述到物理驱动也是如此。这些是将问题分解为子问题的主要动力，以便分开解决问题。因此，推理，感知和身体行为被刻上了。
　　大多数人工智能研究人员是由自上而下（和抽象）推理驱动的，很少与物理世界相连。假设忽略了自动化中的物理和实体，假设给出了对问题的象征性描述，并且解释的象征性描述可以在物理世界中启动，导致数十年的“无形”人工智能。相反，机器人领域的研究人员采取了更自下而上的方法，主要是忽视推理方面，而是将重点放在实施方案上。每个社区都侧重于自己的问题和方法。然而，通常两者之间的重叠变得明显；在“规划算法”中有一个很好的例子，虽然它与人工智能和机器人两端的相关性相关，却是另一个混乱的根源。Ghallab，Nau和Traverso和Lavalle的教科書就是一个例子。两个人都深入“计划”，两个社区都提到了解两个不同类别的问题和方法：一个是关于任务规划（主要是离散的），另一个是关于运动规划（大多是连续的）。
　　脱离这两个领域当然是非常有效的：尽管单独在人工智能和机器人技术方面取得了巨大的进步。传感器融合，SLAM，机器学习，以及在一定程度上自动化规划，现在被认为是两个社区的成熟子领域，具有重要的工作和广泛的适用性。正是在这种情况下，一系列的活动被推动到90年代末重新统一人工智能和Robotics，将物理实体和推理结合在一起。早期的迹象显示在机器人Flakey，博物馆旅游机器人Rhino和Minerva和美国航空航天局远程代理实验在深空太空飞船。大约在同一时间，国际社会建立了RoboCup挑战，明确的长期目标是推进机器人和人工智能，并启动了CogRob认知机器人研讨会系列。
　　然而，直到现在十年的开始，在人工智能和机器人团结一致的各种各样的举措开始成为一个关键群众。这已经由主要的人工智能会议的事件持续，与机器人领域的联系，反之亦然，如IJC人工智能，AA人工智能和ICAPS的机器人竞赛和轨道，以及ICRA和IROS的认知能力特别会议。今天，我们正在看到对需要机器人和人工智能技术相结合的产品的日益增长的商业兴趣，如自主汽车和工业车辆。加利福尼亚州的硅谷，创新热点，现在正在大力推动人工智能和机器人产品商业化。
　　（作者单位：江西科技师范大学）