工业机器人通过“手”完成抓取、装配、定位等操作，借助灵敏的传感器，机器手能实现较高精度的操作。虽然工业级装备标准已经将误差控制在0.02—0.04毫米内，但在一些要求极高的操作中，精度仍然不够。在一次实验中，乔红发现有时候不依赖传感器反而精确度更高、更稳定。这是偶然，还是某种理论上的必然？
反复实验后，乔红发现将机器人的系统映射到另外一个空间，约束对系统形成了广泛存在的“吸引域”，可以设置出一个不依赖于传感器的精确装配、抓取和定位解决方案。就此，乔红提出了“环境吸引域”的概念、存在条件以及相应的依赖吸引域实现高精度的算法。
在进一步研究后，团队意识到要提高机器人的智能性和可靠性，不能只关注“手”，还需要有视觉与“手”的联动。为此，基于模式识别技术，研究组发现了相关的“吸引域”。乔红说，“吸引域”的理念，使我们同时关注到机器人操作时观察物体的视觉“吸引”和它运动时抓取动作的“吸引”，这就像人的活动，手和眼是融合的，而不是割裂开来的。
基于计算机算法、软件操作的机器人活动，在新情境下的反应有一定局限，而人类行为则完全不同。“以打羽毛球为例，人类每次的接发球都可能不同，但在经过一段时间练习后，虽然来球的方向和路径变化多样，我们却一般能够越打越好，同时不影响反应速度。”乔红解释说，其中很重要的一个原因是，人和机器人在学习和理解上有重大区别：人是基于神经系统认知和反应的。那么，能否研究机器人的“大脑”，并由此来实现对机器人本体的融合控制？为此，研究团队与多学科合作，开展机器人“神经计算和类人神经系统”的理论研究。研究团队希望，通过对“类人神经系统”的理解，提出如何提高机器人学习能力的理论途径。
乔红说，机器人研究的“手、眼、脑”三部分连起来，能够进一步了解机器人操作原理。“机器人未来发展的一个重要趋势是越来越接近生物，有包括认知、情绪、逻辑、动作在内的一系列类人化的特征。机器人不再是冰冷的机器，而将拥有人类的优美特性。”
乔红研究团队的研究成果已经在产业上得到验证和应用，比如，提高汽车装配机器人的精度等。但她表示，团队探索的是一个前沿理念，实现产业化还有很多工作要做。
编辑：张海云
