机器人入门从未有过如此简单，回报也更高。 今天开展研究，明天就可能取得商业上的成功。 由于存在各种开源项目，工程师有机会专注于提供更好的“即插即用”解决方案的控制系统。

就在不久前，机器人还是狂热的爱好者或工业自动化行业的大型制造商的天下，他们之间留有很大空白。 如今，这一空白正逐渐消失，随着这两类有着天壤之别的参与者交织在一起，衡量机器人好坏的标准正在发生变化。

机器人是一个快速扩展的研究领域，但不仅于此，机器人如今对于爱好者、工业家以及他们之间的每个人来说都是一大机会。 应用（而非限制）将塑造机器人行业，事实上，机器人的潜在应用不限于单调、重复性的任务，例如焊接汽车车架、或高度专业化但受限的作业过程（如缝合伤口）。 实际上，将机器人仅限于到目前为止所想象的那些应用是低估了其潜力，而且有些人认为，这更是低估了机器人在未来世界的必要性。

机器人在不断发展演变；他们可能永远不会有自我意识，其实地球上的大多数物种也是如此。 但它们的演变始终限制于人类的想象和开发新技术的能力，而人类的想象力正是不断创造惊喜的可靠来源。

促进了技术发展

构想机器人时倾向于模仿人形不只是装模作样，这是合乎逻辑的假设，因为机器人需要根据所处的实际环境中行动，而不是工程师设计好的环境。 这促进了先进的智能视觉系统的开发，这个系统要能够使用立体摄像机来判断深度、尺寸、距离和速度。

总体来说，传感器（不仅限于视觉）是机器人研发的关键领域。 像皮肤那样做出反应的织物（用于检测压力、热和距离）可能有朝一日会穿在机器人形态的肢体上。 想象一下，如果机器人可以像步行动物那样感受并知晓其脚下的地面，那么机器人行走会是多么简单。 要将这种感官刺激传输到“中枢神经系统”则需要在每个关节和肌肉处布置更多传感器。因此传感器无疑是研究的重点。

处理这么巨量的数据当然需要功能强大的大型处理引擎来完成。 在这方面，未来也许更容易想象，因为半导体行业已生产出了极小亚微米级别尺寸的集成电路，并出现了像 FinFET 和石墨烯之类创新技术。 根据摩尔定律，晶体管的密度预计在未来许多年里将继续增加，因此可以在更小的物理尺寸中提供更强大的处理能力。

所有这些处理能力将使软件运行更快、更流畅，从而实现人工智能。 对神经网络的研究再次兴起，这在很大程度上归功于能处理这样复杂运算的强大多核处理器的出现。 深度学习算法也将广泛用于机器人领域。

能够设计和制造错综复杂零件的 3D 打印技术也会推动机器人革命。例如开放机器人硬件倡议便是一例，该倡议正在主持多个开源机械与电气元件项目。 现在可以下载机器人部位的设计文件，在家打印出来，然后使用用于控制目的的开源硬件和软件来构造机器人。

不只是创客

“创客”领域正在发生巨大进展，其中开源项目大部分就是由他们所带动的。 现在提供的开源机器人项目的数量和多样性已超出了创客社区，并且主要由高校推动，允许人们使用低成本且通常是 3D 打印套件来研究机器人。

虽然开源硬件越来越普遍，但开源软件拥有悠久得多的历史和较高的市场渗透率，尤其是在工业和消费应用（Linux 和 Android 是最突出的两个）。 现在，这还包括机器人操作系统（ROS）项目，该项目不是大多数人可能所想的实际“操作系统”，而是由工程师用来创建机器人软件的中间件库组成的一个模块化框架。 它在 Linux 的衍生版本 Ubuntu 和 Debian 上运行，所以需要一个能够运行 Linux 的主机处理器。 它也可直接安装到大量预先配置好的机器人上（更多详情，请访问 ROS Kinetic 安装说明）。

ROS 内有大量的子项目，包括将 ROS 延伸至制造领域的 ROS-Industrial。 ROS 还在建立被称为 ROS 2 的框架实时实现。 这将包括可移植到微控制器的元素，通过微控制器来控制机器人部位的动作，实现更分散的设计方式。

微控制器和微处理器之间的融合意味着，一些针对类微控制器应用的较高端器件实际上就是能够运行基于 Linux 的操作系统的微处理器。 这一方面的主要推动者一直是 ARM 系列的 Cortex 内核，范围从 Cortex-A（应用）到 Cortex-R（实时），当然也包括 Cortex-M（微控制器）。 对于嵌入领域而言，最重要的内核仍是 -M 系列，但使用 -A 系列的器件现在出现在了针对高端工业与汽车应用以及有线/无线通信的设备中。 关于这方面的一个很好例子是 Zynq-7000 SoC 系列，该系列集成了一个含多达 444k 逻辑单元的 ARM? Cortex?-A9 MPCore 双核处理器。 FPGA 结构和双核处理器的紧密集成特性使 Zynq-7000 SoC 适合需要高水平并行处理的应用，例如机器视觉系统中的高级成像。 集成 ARM Cortex-A9 内核还意味着，它能在商业/工业机器人中运行 ROS 框架。

Zynq-7000 SoC 的架构使其成为 Three Byte Intermedia 为数学博物馆（Museum of Mathematics，MoMATH）开发一系列机器人（在 Embedded World 2015 上展出）的视觉系统的理想选择。

图 1：Xilinx Zynq-7000 架构。

运动中的世界

运动是机器人的核心，不论是完全行走动作还是在受限区域仅可自由移动“物品”几度的设备。 电机控制是机器人运动的基础，其中包括用于控制角度运动的无刷直流电机 (BLDC) 以及用于自动化及运输的 AC 电机。 虽然 BLDC 被认为是机器人行业的关键，但电机控制总体而言也很重要。 直流电机可减少齿轮和控制器数，现在采用此类电机的模块选择很广泛，并可用于机器人。 这些模块通常使用相对简单的串口协议进行双向通信，允许多个模块由单个 MCU 控制。 还集成 AC 电机控制并能通过接口连接至多个传感器的微控制器可提供非常具有吸引力的机器人控制系统方案。

像来自 Infineon 的 XMC4500 系列之类的工业微控制器已经过优化，可实现电机控制、传感器对接以及连接功能。 XMC4000 系列基于采用浮点及 DSP 指令的 ARM Cortex-M4。 这使之能够执行机器人应用中所用复杂算法所需的处理能力，同时它还支持 CAN 等工业环境中使用的协议以及以太网、USB 和 SPI。 它还带有 SD 及多媒体 SD 卡接口，以及专用于与外部存储器和片外外设通信的接口。 此外，它还具有 LED 及触摸感应模块，在需要人机接口时用于驱动 LED 并控制触摸板。

Infineon XMC4500 框图" src="//www.digikey.com.cn/-/media/Images/Article Library/TechZone Articles/2016/August/Robotics is moving off the maker bench and into the mainstream/article-2016august-robotics-is-moving-off-fig2.jpg?ts=fd86d84c-f6ff-4a3a-a967-61bcf2b26a09&la=zh-CN-RMB" title="Infineon XMC4500" height="436" width="600"/>

图 2：Infineon XMC4500 框图。

高效处理 MAC（乘法与累加）指令的能力对于像机器人这样的实时控制系统至关重要，并且是 Cortex-M4 的 DSP 指令的一项功能，但它不是此领域内微控制器架构的唯一选择。 Renesas 的 32 位 RX 内核就是选择之一，用在其 RX200 系列上，它使用带 5 级管线的可变长度 CISC Harvard 架构，其累加器可以通过单个指令以及单周期乘法指令来处理 64 位结果。 RX210 系列的 MCU 在 50 MHz 时提供 78 DMIPS，并提供多种外设以及多达二十个扩展功能定时器。 RX210 还集成专为符合 IEC 60730（家用电器安全标准）而设计的硬件功能；因为机器人可能用于家居环境，这是一个重大利好。

图 3：Renesas RX210 框图。

结论

机器人是一个快速发展演变的新兴工程领域，目前只是小荷才露尖尖角，未来潜力无限。 正如科幻小说中经常描绘的，人们担心有一天会出现一心想要消灭人类的机器人，但这样的担心不可能阻止研究的继续进行。 如果您想要开始探索机器人的世界，何不看看这里提供的套件，即刻成为未来变革一份子！