美国服务机器人技术路线图

来源：美国国家科学基金会

服务机器人正在以高速的增长速度加速步入我们的日常生活。正是基于广阔的市场前景，美国国家科学基金会颁布了《美国机器人技术路线图》，其中服务机器人是其中的重点一章。

服务机器人的主要应用领域

服务机器人是一类用以辅助人们日常工作、生活、休闲，以及帮助残疾人与老年人的机器人系统。在工业机器人系统中，机器人的任务是完成高质量、高一致性的生产任务。服务机器人与之不同的是，工业机器人通常工作在有人的空间或者会直接同人类协作工作，服务机器人通常从事专业服务和个人服务两种工作。

专业服务机器人

专业服务机器人主要指能够产生经济效益的服务型机器人，如用于物流自动化、基建设施巡检、医院送药、商业草坪清理、娱乐等，其市场规模正以30%的年增长率迅速扩大。国际机器人联合会(IFR)和德国机械设备制造业联合会(VDMA)的数据表明，已有超过172000台专业服务机器人用于各行各业。

物流自动化

伴随“即时生产”降低库存的发展趋势，低成本、高灵活性的物流系统日益成为供应链管理中的重要组成部分，例如著名的亚马逊Kiva仓储机器人系统与FedEx及UPS的自动化配送中心。然而，它们只能在量身定制的固定仓库中使用。若想让机器人发挥更大作用，就必须赋予机器人更高的机动性：能够应对楼梯、电梯、房门、不平坦的地面和杂乱环境等人类生活的常见场景。随着研究的进展，高机动性机器人也正在逐步成为现实，它们将使整个物流系统变得更加快速、灵活、廉价、可控、稳定。

不少公司已经将目光投向物流市场，包括生产酒店运输机器人的Savyoke，为医院制作运输机器人的Aethon和Vecna，生产超市仓储机器人的Bossa Nova，着眼于无人机快递的Amazon Prime Air和Google Project Wing，提供最后一公里物流快递的Starship Technologies和生产仓储机器人的Fetch等。物流机器人市场的指数增长使得该领域成为未来15年最大的投资热门。

基础设施巡检

机器人技术在桥梁、道路和管网等基础设施的检修与保护方面有着巨大的应用前景：如用于检查桥梁和港口的无人船与无人机、用于监控地下管道与线路的无人车、用于巡检管道与电网的无人机等，还能为石油和天然气产业提供监控服务。

这类系统借助多种先进传感器和其他机器人技术，能够胜任各种复杂的地下任务。这类机器人可以全天候自动判断故障，在与人类协同工作的同时减少人类的介入，较低成本，提高效率。其应用在未来5年将增长约20%。

无人机正成为巡检领域的一个有效机器人平台。未来5年，无人机将变得更小、更便宜、更可靠，如大疆和3D Robotics等公司仅售约2000-3000美金。

目前，无人机系统存在的主要挑战包括：(1)操作的安全性与隐私性问题;(2)发生故障后的失效保护功能;(3)对环境变化的适应能力;(4)在飞行过程中处理获得的大量数据;(5)新型飞行器设计;(6)多机协同作业与避免碰撞。

远程替身机器人

远程替身机器人是最典型的用于改善人类交流体验的服务机器人，是继视频会议之后的又一次通讯变革，让交流协作更加高效。远程替身机器人不仅能够让员工在外也能身临其境，如Beam、VGo和Double等公司为企业办公开发的系统，还能让无法去学校的学生在家上课。

在医护领域，配备有摄像头、麦克风和扬声器的远程医疗机器人能够让医生与患者『面对面』交流。目前，基本用于中风这类需要及时诊断的疾病。未来，远程医疗机器人将还能用于术后护理、慢性病调理等领域。此外，研究人员已经尝试将其用于老年人的家庭监护。这类机器人能够显著降低医护成本，为更多人提供良好的医疗技术服务。

娱乐

机器人技术在娱乐和游戏行业的应用越来越广泛，如Bot & Dolly公司在电影拍摄行业的应用，Anki Cozmo公司的交互型智能玩具和乐高发布的可编程机器人等。2016年风靡全球的《Pokemon Go》是增强现实技术(AR)在商业领域的首次成功应用。作为机器人交互的重要技术，AR进入游戏行业将促使其发展进一步加速。

个人服务机器人

个人服务机器人主要是指提供日常生活服务的机器人，或为残障人士提供帮助的机器人。例如，扫地机器人和草坪修剪机器人等家用机器人，及娱乐休闲机器人，如玩具机器人、娱乐无人机、教育平台。

未来5-10年，得益于机器人技术的发展与制造成本的降低，个人服务机器人的市场还将进一步拓宽。

交通运输

随着机器人技术的成熟完善，原本用于专业环境的无人运输系统将有可能用于城市等其他交通环境中。未来几十年，人们的出行方式将被彻底改变，如赛格威和丰田开发的平衡车等新型个人交通工具，完全自主驾驶的机器人也即将面世。2016年，谷歌的无人驾驶汽车行驶里程突破200万英里，特斯拉发布了高速自动巡航技术，Uber也开始尝试用自动驾驶汽车接受出租订单，美国国家公路和运输安全管理局(NHTSA)还发布了促进自主驾驶汽车发展的指导文件。

此外，研究人员试图从智能路网的角度，通过增加传感器、摄像机、自动收费等装置解决交通问题。一个被称为“车辆基础设施集成(VII)”的公私合营国家计划正尝试将智能车与智能路网结合起来，创建虚拟的交通信息网。

服务机器人主要市场及驱动来源

老龄化人口从两个方面影响了服务机器人的发展。其一是劳动力市场的缩水，另外一个因素则是提供满足健康护理需要的解决方案的机遇。美国正处于未来20年发展趋势的入口：退休工人数量占当前劳动力数量的百分比将近翻倍，即从当前的每10个工人中有2个退休的状态演变为2030年的每10个工人中有4个退休的状态。在日本，这种情况则更加糟糕，快速增长的老龄化人口是日本提出发展机器人技术作为国家政策的主要诱因。

当提高生产率和降低成本成为服务机器人的共同特征时，针对市场特定问题或需求，人们希望每个服务机器人系统能提供独一无二的、有竞争力的解决方案。比如，在使用机器人技术组装汽车的工厂中，一个关键和主要的驱动力是希望得到持续不断且质量得到充分保证的生产能力。

医疗保健与生活质量

机器人技术用于提供遥操作解决方案，比如依赖感觉的达芬奇手术系统就是这类系统的代表。机器人技术拥有巨大潜力，用以控制成本，增强健康人员的护理能力，延长老年人的寿命。

能源与环境

这两个紧密相连的问题对于国家的未来和机器人技术应用的成熟度是非常关键的，尤其在自动获取能源和环境监测方面非常关键。

生产与物流

机器人技术在促进生产和货物移动自动化方面拥有巨大潜力，特别是机器人技术被用于小尺度(或微尺度)生产操作，且在这一过程中有助于加速制造业回归。这种信念自从HeartlandRobotics的创立就可窥见一斑，该公司的主要任务就是将制造业转移回美国。

汽车和运输

虽然我们距离完全自主驾驶汽车的使用还有数十年的时间，但机器人技术已经以高级驾驶辅助和避碰系统的形式出现。公共输运系统是另外一个有望获得更高自动化程度的领域。随着机器人技术的持续进步和成熟，用于小范围场景，如机场的无人运输系统和解决方案将渐渐地适应市中心的情况，以及其他的一般应用场合。

国土安全和基础设施防护

机器人技术提供了巨大的潜能，用以边境保护、搜索和援救、港口检测和安保及相关领域。此外，机器人技术有望大量用于自动化检测、保养并维护桥梁、高速公路、水源和排水系统、电力管道和设施，以及其他基础设施的关键组成部分。

娱乐与教育

这个领域比其他任何领域更多地实现了机器人技术的转化，尤其是机器人技术在解决国家面临的科学、技术、工程以及数学(记为“STEM”)危机，同时成为名副其实的“4R”教育。FIRST的巨大成功印证了这一点。机器人为孩子们提供令其感兴趣且易学的方式，去学习和应用数学以及科学的基本知识，包括工程和系统集成原理，用以生产智能机器完成特定任务。

商业化影响因素

如果上述领域全部实现，那么就需要大量的投资用于扩展和开发机器人技术。正如上面提到的，距离实现完全自主的机器人技术，即无需人类给予指令或干涉的自动运行机器人技术，仍有很长的一段路。与会学者达成了一致的意见，即机器人技术的进步使得开发和市场化机器人的初级产品和应用成为了可能，并且能够显著“增强人类机能”。

这些解决方案将能够根据下列功能进行自动调整：以确定的方式监督动态物理环境、目标识别、探测变化、感知环境状态、分析和推荐根据检测到的情况作出的响应，根据人的命令作出的响应和在预先授权的边界内自动而不被操作员干预地执行行动。

这类机器人解决方案的例子包括遥操作系统。如达芬奇外科手术系统以及自主的专业机器人，比如Roomba。随着互联网继续发展，自然而然会从远距离传感发展到远距离操作。互联网这种向物理世界的扩展将有助于进一步模糊通信、计算和服务之间的界限，激发远距离通信和遥控参与的应用。更符合实际的解决方案将出现，其具备分布认知能力并能够有效利用人类智能。这类解决方案将与机器人技术结合，在实现自主感知位置的同时，允许操作员从远距离根据需要通过互联网进行干预。

根据上述内容，人口老龄化将导致未来劳动力短缺。当工人们寻求向职业更高层级迈进的时候，需要增加底层工作的自动化程度，而做底层工作的工人会慢慢变少甚至消失。长期范围内实现完全自动化解决方案的挑战会继续因为技术限制而存在，短期挑战则是调查其发展的需求和决定如何最好地“跨越鸿沟”。即识别正确的价值主张、成本的降低、有效的开发、有效的系统工程过程，决定如何对解决方案进行最佳整合，以及如何将科技转化成为产品。

科学和技术挑战

移动能力

移动能力是机器人研究中的一个成功范例。这种成功在许多现实环境中展示性能的系统上均有所体现，包括博物馆导游和DARPA机车挑战赛以及城市挑战赛中的自主驾驶汽车。但是，与会学者一致认为还有大量重要的问题仍旧悬而未决。在移动领域找到这些问题的答案将对机器人相关领域实现自主控制和多用途相当重要。

三维导航是移动领域最重要的挑战之一。目前，大多数映射定位和导航系统都依赖于地球的平面表示，比如地面任务中涉及的街区地图。但是，当机器人应用的复杂性增加，且每天都有新的机器人部署的情况下，在未建模的缺少控制的拥挤环境中，这些二维表示不足以捕捉必要的信息。因此，对于支持导航和操作的三维世界模型的获取将是非常重要的。这些三维表示不应当包括世界的几何布局;相反，地图一定要包含涉及环境中物体及其特征的任务相关的语义信息。

目前，机器人已经能够很好地理解物理世界中物体的位置，但是还不了解或很少知道物体是什么。当涉及抓取和环境表示的服务执行移动功能时，环境表示也应当包括对象情景支持(即机器人能用某个物体干什么的信息)。实现语义三维导航将需要传感、感知、地图匹配、定位、对象识别、情景支持识别和规划的新方法。

三维映射技术是用不同种类的传感器构造地图。目前，机器人依赖高精度的、基于激光测量系统或游戏控制距离传感器，如微软的Kinect或PrimeSense来获取环境信息，采用被称为“SLAM”的映射算法。有专家提出应该脱离激光测量系统，进一步开发“视觉SLAM”(VSLAM)领域。这种技术依赖于相机(鲁棒性高、低廉、易于获得的传感器)，用于在三维世界中的映射和定位。目前，VSLAM系统已经展示出令人印象深刻的性能。因此，相信VSLAM可能在开发具有充分信息，且价格承受得起的三维导航功能方面发挥重要作用。

对于满足特定应用的三维导航的额外需求，即户外三维导航，也存在需要明确处理的一系列重要挑战。在这些挑战中存在的事实是，当前二维环境表示方式不能捕捉到户外环境的复杂信息，同时也不能获取户外的光线条件，而光线条件是引起传感器性能变化的因素。同时，如何在人群中实现导航也是一个重要的挑战。

操作

几乎所有的服务机器人都需要在操作性能上取得实质性进展。这些应用需要机器人与环境进行物理交互，包括开门、拾取物体、操作机器和设备等。目前，自主操作系统在精确工程化和高度受控环境中发挥良好，比如工厂组装单元，但对于开放、动态和未建模环境中的变化和不确定性却显得力不从心。所以，来自三个前沿讨论组的与会学者认为，“自主操作”是其关键领域。虽然没有确定具体的研究进展方向，但学者们的讨论揭示，大多数已有操作算法的基本假设不能在实际应用中得到满足。无论是否可能，适合开放、动态，以及未结构化应用场合的抓取和操作，应该利用先验知识和环境模型。而在没有先验知识的情况下，不应当导致灾难性的后果。作为推论，当环境模型不存在的时候，真正的自主操作将依赖于机器人获取足够的、与任务相关环境模型的能力。与大多数强调规划和控制的现存方法比较而言，这意味着感知将成为自主操作研究日程表中的一个重要的研究问题。

“拾取和放置”操作可以提供足够的功能基础，用于许多目的明确的应用操作要求。因此，增加复杂性和通用性的拾取和放置操作能够为自主操作的研究工作提供路线和基准。

规划

运动规划领域的研究在过去十年中取得了长足的进步，其中的算法和技术影响了很多不同的应用领域。然而，鲁棒性、动态三维路径规划仍旧是尚未解决的问题。涉及该问题的一个重要因素是机器人位置感知的概念(即机器人能采用“适当的”传感与建模方法进行自主整合、交叉，以及集成行为规划)。“适当”是指完整和准确的环境模型不能由机器人实时获取。相反，作出关于对象、环境、感知和机器人电机行为的推理是非常有必要的。这就会导致规划和运动规划之间的界限逐渐模糊。要规划一个运动，规划者需要协调传感和任务施加约束的运动。要鲁棒、可靠地实现任务目标，规划需要考虑任务环境的支持。这意味着，规划者需要考虑环境及环境当中对象之间的交互，将其作为规划过程的一部分。

比如，要拾起一个物体，可能有必要打开一扇门，进入一个不同的房间，推开椅子到达橱柜，打开橱柜门，推开障碍物。在这种新的规划范式内，任务以及任务与环境所形成的约束是关键所在;“运动规划”之中的“运动”是到达终点的一种方式。规划过程中考虑的约束来自于目标抓取、运动(比如脚步迈动规划)、机构的运动学和动力学、姿势约束，以及避障，在这些约束下的规划需要机器人系统具有实时性。

机器人的运动很容易由传感器的反馈导致约束条件的增加。最明显的例子就是接触约束和避障。因此，反馈规划和控制与规划的集成是满足与会学者提出的规划需求的重要研究内容。反馈规划器生成一种策略，直接将状态映射到行为，而不是生成特定路径或轨迹。这就保证了传感器、执行器和模型的不确定可以通过传感器的反馈得到解决。

在这种情况下，规划复杂性的增加要求多种新方法用于准确理解任务。在传统运动规划中，起始和终止两个配置状态就能对任务进行完全的描述，而现在需要进行的规划，则需要面对更加丰富的任务形式、操作任务，以及丰富的环境交互。

传感和感知

对于机器人的几乎所有方面来说，传感和感知都具有相当的重要性，包括移动、操作、和人机交互。传感和感知方面的创新将根本地影响机器人学发展的速度。

新的传感器，包括比当前传感器更先进、更高分辨率，以及低成本的版本，将成为发展更快的领域。举例来说，在抓取、移动以及稠密三维数据传感，包括激光雷达和颜色深度传感器传感等方面会有更大的进展。大范围环境场信息的鲁棒性和准确性对于机器人的进一步发展十分关键。灵巧抓取的进展可能在机械手用的类皮肤触觉传感器和更专业化的用于短程探测的深度和外观传感器等领域取得。其他类型的传感器，如声学传感器和促进安全的传感器。这些传感器具有多种形式，比如距离传感器和温度传感器检测人体的存在;也有传感器作为驱动机构的一部分，如力矩传感器，同时也能够探测机器人和环境之间难以预计的接触，布置于整个机器人的类皮肤传感器也属于此类。

传感器的数据需要采用近乎实时的方式进行处理和分析，由于复杂和高度动态变化的外在环境受多种因素影响(包括昼夜的差别、雾、霾、刺眼的阳光等)，需要提供能长期自适应感知的方法。高层次物体建模、探测和识别、改进的场景理解，以及改进的探测人类行为和意图，需要使用多模式信息，如声音、三维距离数据、RGB图像和触觉数据的集成算法。同时，他们认为任务定制的算法(即整合规划算法与考虑动力学物理约束的算法)是最为迫切需要的。举例来说，关联识别的新算法对于在有人环境执行复杂抓取任务非常重要，在机器人感知算法中创造位置感知的环境模型也相当重要。

体系结构、认知能力

关于移动、操作、规划和感知等主题的讨论揭示了这些问题不能被单独解决，而必须考虑到他们之间的内在关联。一个系统如何工程化，有效地整合来自不同领域的特定技巧，实现安全、稳定、与任务关联，甚至是智能的行为，仍旧是机器人领域非常重要的开放性问题。在体系、认知和编程范式的名义下，以方法论甚至哲学观点的多样性，开展面向上述目标的研究，反映出了机器人研究群体对于如何处理这些挑战，缺乏足够的理解。观点的多样性也反映出当前解决这些问题工具的多样性，比如模仿学习，以及所谓的“认知体系显式编程”。要实现期望的结果，可能需要将这些方面的知识与技术进行结合。

面向解决生成鲁棒自主行为的首要问题的经典方法之一，是传感/计划/行为环，通常由现代控制系统实现。在过去几十年中，当传感/计划/行为环成为机器人研究的常用方法时，一些与会学者认为，一些新方法将从上述最简单的方法中诞生。可能的替代方法是多层嵌入或分层循环结构与行为基本方法，多种方法的组合有可能成为全新的方法。

人-机交互(HRI)

如果要实现移动机器人和灵巧机器人在有人环境与人共存和协作，那么就需要人机交互领域取得重要的进展。这些人机交互也将成为方法论的重要部分，以实现机器人行为的鲁棒性。机器人可以通过与人类的交互来学习新技能，但不论在何种条件下，机器人都应该知道与人通信的特性和要求。

除了通信模式(语言的、非语言的、手势及面部表情等)，还有一系列问题，包括社交关系、表情(识别、表示、社交表情识别与建模)、肯定及信任。对人机通信多方面的理解应该导致人与机器人之间交互的自动建构，机器人系统能够依据任务与人类管理者之间交互的改变，而对自己的行动作出调整。

朝向这些目标的进步依赖于有效的输入设备和直观的用户界面。开发多种平台用于研究HRI，包括仿人机器人、移动操作平台、外骨骼，以及运载器。研究人员确定了一种设计/建造/部署循环。其中，设计过程应该考虑来自相关群体的输入，包括基本研究群体和终端用户。建造过程应该整合大量研究线索，使其成为一个系统。此系统中存在着工业合作和技术转移的机会。最后，整合的系统将部署在真实的环境中。与会学者提出了机器人城市的概念(见下一子节)，将其作为一种前瞻性的方法，在现实世界环境中评估HRI。这一循环通过整合终端用户反馈和下一设计/建造/部署循环的迭代实验设计构成闭环。

研究架构

面向确定科学目标的快速进展将严重依赖于研究基础设施的普及程度(包括硬件和软件)。要解决上述研究挑战，有必要构建机器人平台，组合多种高级且具有交互性的机械构件，提供足够的移动、操作及传感的能力。这些平台将通过许多独立开发的，但相互关联的操作及软件进行控制。最终，这些集成机器人平台一定会超过一般独立研究群体那种容易设计、开发、测试和维护的复杂度。缺少软硬件平台的标准化也可能会导致一些研究成果的碎片化，影响评估的有效性，以及发表成果的难度，以及不必要的工程与集成工作的重复。

要克服这些挑战，必须协调领域内的研究工作，进行软硬件系统开发。这些工作应该包括开发一个开放的实验平台，一方面使该平台能够以低成本支持广泛的研究项目，另一方面可以保证研究群体之间技术和软件的重复使用。例如ROS，一个由WillowGarage开发的机器人操作系统。该系统能保证代码的重复使用，并提供普通操作系统能提供的服务，比如底层设备控制、通用功能的共用、任务之间的消息传递等。在理想情况下，这种平台可以通过物理模拟软件的方式支持算法的早期开发和测试，而不用在研究人员的安全与硬件系统之间进行折中。开发工作也能从机器人整合开发环境(IDEs)中获益;这些IDEs增强了软件开发的模态，因而有助于代码复用和文档工作。

另外，机器人研究几乎没有做过非常彻底的评估，也没有通过任何定义明确的、可重复实验的测试。在其他领域，比如机器视觉，由于有公共数据库，有助于给出在多种算法和系统之间相对客观的比较。因此与会学者建议，要建立并扩大实验数据库，将其作为本领域的基准。然而，由于机器人研究集中于机器人和环境之间的物理交互，电子数据集不足，应该通过由物理实体构成的特定技巧标准以获得补充，比如一些现成的实体可以作为抓取研究的基准。进一步来说，整个基准环境应该对开发、评估、以及与特定应用和实施进行比较。这样的环境应该涵盖大尺度和复杂性，从简单的工作台(办公桌或者吧台)到整个房间、一栋房屋，以至整个街区。讨论中提出了机器人城市的概念：一个常规的市区环境，所有居民都是实验的一部分，同时他们也能够辅助评估过程，涵盖有关居民日常应用环境足够需求的定义。

机械硬件

安全是机器人工作在有人环境中的一个关键因素。本质上讲，安全的机器人使人机交互可以顺利开展，同时增加机器人技术在日常生活中的接受程度。因此，具有更高力量重力比，本质更安全的电机和执行机构将代表一种重要的科技创新。对于这类机构，柔性将是一种令人期待的属性。柔性是指执行机构具有这样的一种能力，其能够根据接触外界环境时反作用力的大小调整自身行为。这些反作用力由于任务不同而发生变化。这种机构保证了安全操作，尤其是在与人交互时的安全性。同时还能保证与外界接触时的柔性、鲁棒性，以及行动的有效性。进一步来说，能量效率对于许多应用而言是关键考虑因素之一。户外环境经常展现高度变化的地形属性，而户外可能包括楼梯、梯子、坡道、自动扶梯或电梯。

高度灵巧的和便于控制的机械手是一个重要的研究领域。机械抓取和操作的进展与新型手机构的开发密切相关。与此同时，与会学者感觉当前机械手的潜能并未通过现存的抓取和操作算法得到充分挖掘。因此，可以想象，许多令人感兴趣的和相关的应用可以通过现有的抓取和操作硬件解决。

发展路线图

机器人技术的商业化与经济效益不仅受限于技术发展，与法律政策、人才培训等也息息相关。服务机器人的未来发展路线：

5年：机器人能够在人类的指导下，通过探索建立其周围环境的语义地图;能够在不确定的二维环境内自主运动，并完成简单的抓取放置任务;能够处理在固定数据集中或者具有特定特征的物体;能够完成中等复杂的任务规划，如移开障碍物，打开橱柜等。

例如：将更多的仓储物流机器人应用于库存管理与物料运输;在交通标志清楚的城镇中，自动驾驶汽车的驾驶性能能够与人类驾驶员相当，甚至在某些特定任务中超过人类驾驶员，如工业采矿、建筑施工、侧方停车、紧急制动等。

10年：机器人可以利用数据库中近似或不完整的环境模型，计算出可靠的方法执行特定运动与操作任务;能够通过感知、交互和人类指示深入理解周围环境;能够实现多层楼房的导航任务;能够通过改变环境(移动障碍物、开灯等)来完成特定任务，并有一定的故障检测与恢复能力。

例如：将无人机、无人车和足式机器人等用于商业快递;自主驾驶汽车能够在任何城市环境和部分越野环境中达到与人类驾驶员相当的技能;无人车可以应对某些不可预测的突发事故，能够拖曳其他故障车辆，能够在传感器故障的情况下自动驾驶到安全区域。

15年：各种服务机器人能够在全新的、非结构化、动态环境中快速、无碰撞地执行移动操作任务;能够感知环境信息，构建深度理解，完成指定任务;可以稳健地应对环境变化;可与环境相互作用，并以智能方式改变环境。

例如：全面增加机器人在各个物流阶段的使用，包括自主卡车、无人机、小型快递机器人、仓库搬运机器人等;自主汽车能够在任何环境中媲美人类驾驶，比驾龄低于一年的人类驾驶员更加安全可靠;无人车将能通过自主学习应对未知环境，如极端天气、传感器失效等。

未来智能实验室是人工智能学家与科学院相关机构联合成立的人工智能，互联网和脑科学交叉研究机构。

未来智能实验室的主要工作包括：建立AI智能系统智商评测体系，开展世界人工智能智商评测；开展互联网（城市）云脑研究计划，构建互联网（城市）云脑技术和企业图谱，为提升企业，行业与城市的智能水平服务。

  如果您对实验室的研究感兴趣，欢迎加入未来智能实验室线上平台。扫描以下二维码或点击本文左下角“阅读原文”