本文来自智慧农人。
近年来，机器人技术从传统制造业拓展到新兴领域已成为一大趋势。其中，机器人在农业领域的应用非常具有代表性，也是未来机器人发展的方向之一。
那么，机器人与农业发生碰撞会面临哪些新挑战？
农业机器人研发难度更大
传统工业机器人有几大“卡脖子”难题：驱动器、电机、减速器和控制器。我国企业在解决上述难题中取得了不错的成绩。但是当机器人进入新的应用领域，解决这几个“卡脖子”难题则远远不够，还面临许多新的挑战。
第一个挑战是机器人工作环境不确定性增加。机器人与服务业、制造业、医疗卫生行业的结合相对较早也较为成熟，但是与农业、建筑业的结合却非常少，原因在于机器人在这些行业中面临更多环境的不确定性。工厂车间、餐厅、手术台都是人造环境，人机的位置相对确定，目前机器人技术都是围绕这种确定性的红利来发展的。而机器人一旦走出密闭环境，来到田野和工地，会面临更加恶劣的环境，比如植物的生长环境就存在很大不确定性。
第二个挑战是机器人执行的任务存在不确定性。机器人做零部件装配工作时，零件的尺寸、装配的精度都有严格限制。而在农业应用中，机器人会面临植物高低不同、果实性状多样等不确定性任务，这就要求其具备更高级的机器人编程方法和更合适的传感器。
第三个挑战是机器人结构的不确定性。车间里的机器人开封使用前的第一件事是校正。机器人自身关节构件有一套固定坐标，校正到位后，再和工作单元、车间的坐标进行关联，这是一个非常复杂的关系。但是在开放环境下的坐标建立和校正非常困难，采摘机器人在农田走走停停，不确定性变得非常大，每一个位置的变化都是一次重新建立坐标的过程，这需要新的校正方法、传感器、测量工具、控制方法。因此，农业机器人的研发难度是最大的。
为此，要解决三大难题。一是机器人编程方法，目前没有一套行之有效的编程方法避免上述不确定性。二是机器人校正方法，无法有效、快速建立机器人与环境之间的关系。三是无法实现机器人、传感器和人的有效集成和协作。这三大难题不仅是应用问题，还是深刻的基础理论问题，一旦得以解决，就能够把工业机器人推向更广阔的天地。
有效利用视觉反馈
过去几十年，机器人最成功的应用领域是汽车制造业，该行业95%的工作都由机器人完成的。但随着电动汽车产量越来越高，车身电路电线也越来越多，由于电线质地柔软，给机器人装配带来很大困难。电动汽车生产线上装配电缆的工作还是人工完成。
在、疫苗开发领域，需要纳米机器人介入。这些机器人尺寸小、结构简单，但位置传感器精度差。唯一的传感方法是图像，利用电子扫描显微镜等工具得到微观尺度下的图像，通过有效利用图像反馈控制机器人。
这些现实挑战与农业机器人面临的问题非常相似。地面的条件、树的形状、水果的位置，甚至风吹动的枝丫，都需要传感器实时检测，通过图像反馈给机器人。虽然现在高速相机帧数高，但要实现这些目的，每分钟分辨图像要达到上千次，而且数据处理量大才能准确定位水果的位置。传统机器人通过图像得到的反馈远远达不到如此高的频次。
机器人在新应用领域面临的共同理论问题是如何有效利用图像，实现精准操控。
以采摘的机器人为例，首先需要给苹果拍一张照片，把采摘对象的特点提取出来，让机器人识别并得到苹果和自身的相对位置。传统方法是向量表示苹果的位置，再经过系列复杂运算，机器人才能得到反馈。
既然机器人的所有动作都通过图像判断，那么是否可以不给机器人反馈图像，省去计算坐标变换这一过程？
对此，我们探讨了一种采用非向量空间控制、基于集合的动力学系统描述机器人位置的方法。上世纪90年代，法国科学家建立了基于图像的动力学系统，图像不仅用来描述形状，还能同时描述形状的动态变化。当机器人靠近苹果时，它“眼”里的苹果轨迹不是一条线，而是一个图像“管道”，机器人识别的是运动的集合。我们进而设计了一套控制器定义位置的误差，如此只需要描述形状的动态变化，而不需要处理大量高清原图。
对于机器人而言，只需放弃压缩时丢失的无用信息，掌握关键信息即可。压缩传感原理为此提供了理论基础。将直接从照片中提取位置的信息，将其变为机器人可以读懂的信息，不需要识别按钮，同时选择工作类型，不论是摘苹果还是排电缆，只要把操作对象的语义信息集成进去，所有的特征都可以引入到控制过程，极大简化图像反馈的过程。
