服务机器人

概述

服务机器人（Service Robot）是指在非制造业环境中为人类提供服务的机器人，涵盖配送、仓储、餐饮、清洁、陪伴等多个细分领域。与工业机器人不同，服务机器人需要在非结构化、人类共存的环境中安全运行，这对感知、导航和人机交互提出了更高要求。

市场格局

服务机器人是机器人产业中增长最快的板块：

配送/物流：最大商业化赛道，AMR 市场快速增长
清洁：消费级（扫地机器人）和商用（洗地机）都已成熟
餐饮/酒店：送餐机器人已在中国大规模部署
陪伴/社交：技术前沿，但商业化困难

配送机器人

末端配送（Last-Mile Delivery）

末端配送机器人在人行道或封闭园区内自主配送小型包裹/外卖：

平台	公司	特点	部署状态
Nuro R3	Nuro	无人驾驶配送车，道路行驶	美国多城市运营
Starship	Starship Technologies	人行道配送，6 轮	大学校园、社区
Serve	Uber (原 Serve Robotics)	人行道配送	洛杉矶运营
美团自动配送车	美团	室外无人配送	北京顺义等地
九号配送机器人	九号机器人	室内+电梯+室外	酒店/写字楼

技术栈：

定位：RTK-GNSS + 视觉/LiDAR 融合
感知：多传感器融合（相机、LiDAR、超声波）
规划：遵守交通规则 + 行人避让
人机交互：取件通知、语音交互、屏幕显示

室内配送

酒店/医院/写字楼内的配送机器人需要解决特殊问题：

电梯交互：通过 IoT 接口或机器人云平台控制电梯
门禁：与楼宇管理系统对接
多楼层导航：跨楼层路径规划

仓储物流机器人

自主移动机器人（AMR）

仓储 AMR 是服务机器人商业化最成功的领域之一。

平台	公司	方案	部署规模
Proteus	Amazon Robotics	全自主移动，无需改造	亚马逊仓库
Kiva (原)	Amazon Robotics	货架搬运（goods-to-person）	数十万台
Pick	Geek+ (极智嘉)	P 系列拣选、M 系列搬运	全球 500+ 项目
HAIPICK	Hai Robotics (海柯)	箱式存取（ACR）	全球仓储
Locus	Locus Robotics	协作拣选	北美仓储
Quicktron	快仓	料箱/货架搬运	国内大量部署

仓储调度

多 AGV/AMR 的协调调度是核心技术问题：

多机器人路径规划（MAPF）：给定 \(N\) 个机器人和各自的起点/终点，找到无碰撞路径使总代价最小：

\[ \min \sum_{i=1}^{N} c_i(\pi_i) \quad \text{s.t.} \quad \pi_i \cap \pi_j = \emptyset, \quad \forall i \neq j \]

常用算法：

CBS（Conflict-Based Search）：先独立规划，再解决冲突
ECBS：有界次优 CBS，更快
优先级规划：按优先级顺序依次规划，后规划的避让先规划的

Goods-to-Person vs Person-to-Goods

graph LR
    subgraph "Goods-to-Person（货到人）"
        A1[订单下发] --> A2[AMR 前往货架]
        A2 --> A3[AMR 搬运货架/料箱<br/>到工作站]
        A3 --> A4[人工拣选]
        A4 --> A5[AMR 归还货架]
    end

    subgraph "Person-to-Goods（人到货）+ 协作"
        B1[订单下发] --> B2[AMR 到达指定货架]
        B2 --> B3[LED 指示拣选位置]
        B3 --> B4[人工拣选放入 AMR]
        B4 --> B5[AMR 前往下一货架或出库]
    end

餐饮与酒店机器人

送餐机器人

送餐机器人是中国服务机器人最成功的落地场景之一：

平台	公司	特点	部署
BellaBot	普渡科技 (Pudu)	猫造型，多层托盘，交互表情	全球 60+ 国家
KettyBot	普渡科技	广告屏 + 配送	餐厅/商场
Servi	BearRobotics	美国/韩国设计	北美/亚洲餐厅
OrionStar 大壮	猎户星空	语音交互 + 配送	酒店/餐厅
花生系列	擎朗智能 (Keenon)	多款型号，全场景	国内大量部署

核心技术要求：

在拥挤动态环境中导航（人群、椅子、服务员）
多机协调（避免走廊拥堵）
人机交互（语音播报、触摸屏点单）
稳定性（托盘上的汤不能洒）

酒店场景

客房配送（洗漱用品、外卖）
大堂引导
电梯联动（IoT 集成）
多楼层服务

清洁机器人

消费级：扫地机器人

扫地机器人已是消费电子成熟品类。技术演进路线：

随机碰撞 → 惯性导航 → 激光 SLAM → AI 视觉

主要品牌：iRobot Roomba、石头科技、追觅科技、科沃斯、云鲸

覆盖路径规划（Coverage Path Planning）

覆盖路径规划的目标是让机器人遍历所有可达区域，同时最小化重复和总路径长度。

Boustrophedon（弓字形）分解：

用垂直切线将自由空间分解为若干凸子区域（cells）
在每个 cell 内执行弓字形（来回平行线）扫描
确定 cell 之间的访问顺序（旅行商问题的变种）

Boustrophedon 分解算法：

输入：自由空间边界 + 障碍物边界
输出：一组凸 cells 及其连接图

1. 从左到右扫描垂直线
2. 当扫描线遇到障碍物端点时：
   - 上端点：分裂当前 cell 为两个
   - 下端点：合并两个 cell 为一个
3. 构建 cell 邻接图
4. 对邻接图求遍历顺序（中国邮递员问题/欧拉路径）

覆盖率目标：

\[ \text{Coverage} = \frac{|A_{cleaned}|}{|A_{free}|} \times 100\% \]

商用扫地机器人通常要求 Coverage > 95%。

SLAM 与清洁的结合

现代扫地机器人使用 SLAM 构建环境地图，然后基于地图进行覆盖规划：

建图阶段：首次运行时构建房间地图
分区：自动识别房间/区域
规划：对每个房间执行覆盖路径
记忆：保存地图供后续使用，支持禁区设置

商用清洁机器人

商用场景（商场、机场、办公楼）使用更大型的清洁机器人：

平台	公司	功能	场景
Whiz	SoftBank Robotics	吸尘	办公楼
Neo 2	Avidbots	洗地	商场/机场
CC1/CC3	高仙机器人 (Gaussian)	洗扫一体	大型场馆
Phantas	高仙机器人	室外清扫	园区/街道

陪伴与社交机器人

社交机器人的设计原则

非语言交互：眼神接触、肢体语言、面部表情
社交距离：遵循人类社交距离规范（亲密/个人/社交/公共）
情感计算：识别用户情绪并调整响应
拟人化适度：恐怖谷效应（Uncanny Valley）——太像人反而令人不适

代表性平台

平台	公司	特点	状态
Pepper	SoftBank Robotics	人形，情感交互，胸前平板	产量有限
Jibo	Jibo Inc.	桌面社交机器人，表情丰富	已停产
Vector	Anki → DDL	微型桌面，AI 语音	社区维护
Moxie	Embodied Inc.	儿童陪伴，社交情感	面向家庭
Loona	KEYi Tech	宠物型陪伴，表情交互	消费级

LLM 赋能社交机器人

大语言模型的出现为社交机器人带来了质的飞跃：

自然语言对话：从预设脚本到开放域对话
情境理解：理解对话上下文和用户意图
个性化：根据用户习惯调整交互方式
多模态：结合语音、视觉、动作的综合交互

导航技术栈

Nav2 是服务机器人最常用的导航框架：

graph TB
    subgraph Nav2 架构
        BT[Behavior Tree<br/>行为树导航器] --> PLAN[Planner Server<br/>全局路径规划]
        BT --> CTRL[Controller Server<br/>局部控制器]
        BT --> REC[Recovery Server<br/>异常恢复]
        BT --> SM[Smoother Server<br/>路径平滑]

        PLAN --> NAV[NavFn / Theta*<br/>全局规划算法]
        CTRL --> DWB[DWB / MPPI / RPP<br/>局部规划算法]

        MAP[Map Server<br/>静态地图] --> PLAN
        COST[Costmap 2D<br/>代价地图] --> PLAN
        COST --> CTRL

        SLAM_[SLAM Toolbox] --> MAP

        LIDAR[LiDAR] --> COST
        DEPTH[深度相机] --> COST
        ODOM[里程计] --> CTRL
    end

    subgraph 传感器
        LIDAR_HW[LiDAR 硬件]
        CAM_HW[深度相机]
        ENC_HW[轮式编码器]
        IMU_HW[IMU]
    end

    LIDAR_HW --> LIDAR
    CAM_HW --> DEPTH
    ENC_HW --> ODOM
    IMU_HW --> ODOM

代价地图（Costmap）

Nav2 使用分层代价地图表示导航空间：

Static Layer：基于 SLAM 地图的静态障碍物
Obstacle Layer：实时传感器检测的动态障碍物
Inflation Layer：对障碍物进行膨胀，保证安全距离
Keepout Filter：禁区设置

代价值 \(c(x, y)\) 的含义：

\[ c(x,y) = \begin{cases} 254 & \text{致命障碍物（Lethal）} \\ 253 & \text{膨胀区域内（Inscribed）} \\ 1-252 & \text{可通行但有代价} \\ 0 & \text{自由空间} \end{cases} \]

人群导航

服务机器人的特殊导航需求——在人群中安全、自然地移动：

Social Force Model：用虚拟力建模行人间和人与机器人间的交互
DRL 导航：端到端学习人群导航策略
Social Costmap：在代价地图中加入社交距离层

\[ \mathbf{F}_i = \mathbf{F}_i^{goal} + \sum_{j \neq i} \mathbf{F}_{ij}^{social} + \sum_w \mathbf{F}_{iw}^{wall} \]

其中 \(\mathbf{F}_{ij}^{social} = A_i \exp\left(\frac{r_{ij} - d_{ij}}{B_i}\right) \hat{\mathbf{n}}_{ij}\) 是社交排斥力。

行业趋势