到了蚂蚁操纵技能的多样性和完善性时问道。昆虫和动物的脑部尺寸通常比人类小得多，但它们仍然可以展示出令人难以置信的操纵技巧。例如，章鱼可以在插入的透明罐子中感测活蟹并将其打开。被困在封闭螺杆式盖（容器时，他们也可以逃脱，而在海底（快速步行）或携带椰子半与所有的触须）。

正如从上面的例子中可以推断出的那样，这篇评论侧重于通过代理（可能是机器人）与其环境之间的接触最自然地执行的操作任务。明确地说，我们采用梅森的定义：“操纵是指代理通过选择性接触对其环境的控制。”注意到“代理”是指人、动物或机器人。例如，章鱼接触罐子和它的盖子，利用它的接触来相对于罐子旋转盖子。

我们还没有看到像蚂蚁、章鱼和许多其他动物一样灵巧和多才多艺的机器人。我们可以手工工程机器人在受控环境中很好地执行某些操作任务，但我们还没有能够构建一个能够适应任务或环境的重大变化的通用机器人。相比之下，适应性对人类来说是自然而然的。例如，在拾取和放置任务中，我们的手可以快速适应新物体。在搬运重物时，我们自然可以使用其他身体部位甚至墙壁等外部支撑物来支撑它们。此外，我们的操作能力不会轻易被环境的变化所干扰：我们可以拿起一支用黄光或白光照亮的笔，无论它是在桌子上还是架子上，通常我们甚至不需要看到它。所有这些适应对我们来说似乎毫不费力，但对自主机器人来说仍然具有挑战性。正如在年DARPA机器人挑战赛总决赛中看到的那样，非结构化环境的不确定性给机器人带来了巨大的挑战，因为它们竞争执行对人类来说很容易的任务，例如转动阀门或爬上汽车。在线视频剪辑显示了价值数百万美元的机器人跌倒在地，因为他们的控制器不堪重负，这些错误是由于人类可以轻松应对的事情（例如握柄时差点错过）而引起的。机器人能够在我们的家庭和工作场所优雅而高效地工作还要多久？

目前在非结构化环境中自主机器人的操作技能不足是其在企业和家庭中采用的巨大绊脚石。由于使用传统的工程建模和分析技术已利用约50年的方法获得了当前的最新技术水平，因此，本文将重点介绍基于学习的方法，该方法在操纵问题上的应用还处于起步阶段。

最近的两项调查广泛和高水平地讨论了机器人学习进行操作。上文提到的Mason的论文对机器人操纵研究人员面临的许多问题进行了有趣的高级讨论，并从多个角度给出了有趣的见解。最后，他建议开发用于学习操纵任务的新学习方法很可能会扩展机器人可以完成的操纵任务。Kroemer等人的综述。讨论了超过篇论文的结果，并全面涵盖了各种学习技术和操作问题。基于他们的广泛观点，他们提出了关于操纵学习问题的正式声明。他们最后列出了一系列特定的操作挑战，并建议现有的学习方法不足以解决这些挑战。与梅森一致，他们建议需要专门针对操作问题开发新的学习方法。

机器人操纵方面的挑战

一般来说，机器人操作的传统方法存在两个主要挑战来源：(i)处理复杂的接触力学和(ii)设计对现实世界部署中将遇到的变化具有鲁棒性的规划和控制算法。

接触带来的挑战

考虑一个机器人、要操纵的对象和作为一个系统的环境。在此设置中，任务由一组点表示，这些点表示开始和目标状态以及要强加给转换状态的约束。机器人的操纵技能可以看作是其通过连续动作将起始状态连接到目标状态的能力。如果机器人在面对不确定性时能够快速可靠地完成任务，则可以说它是熟练的。

为了完成操作任务，机器人需要建立和断开接触，并可能使用受控的滑动或滚动。碰撞、粘连、滑动和分离之间每个接触状态的变化改变了系统的潜在动力学。这为操作数学模型提供了一种混合结构，具有对应于每个接触模式的不同动态模型，其中接触模式被定义为所有接触的状态。例如，如果有两个粘连触点，那么（因为不可能发生碰撞）每个触点有3种可能的未来接触状态（粘连、滑动或分离），因此一对触点有9种。一种可能的模式是（粘滞、分离），另一种是（滑动、滑动）。如果有n个现有联系人，则有3n可能的联系方式；该数字随着联系人数量呈指数增长。

人类环境变化带来的挑战

肯普（Kemp）等人总结了机器人操作在人类环境中的挑战。不断出现的一个词是“变异”。一般来说，人类环境是高度非结构化的。与工厂和实验室等受控环境相比，家庭和企业等人类环境中的机器人面临着“变异”的挑战，因为在算法设计或学习过程中使用的模型和做出的假设与现实不同。

为了克服它们，重要的是要了解何时何地可能会发生变化。关于“何时”，一般来说，可以肯定地说，在人类环境中的任务执行过程中，随时都可能发生变化。这意味着变化可以是静态的（在新任务开始时发生）或动态的（在任务执行期间发生）。关于“哪里”，从机器人的角度来看，我们可以将变化分为内部变化和外部变化。

内部变化是机器人部署后可能影响其能力和功能的内在变化：

1)机器人身体变化。由于磨损，机器人的物理特性会随时间自然变化。也可以预期其部件上的修改或故障，例如，被卡住的关节电机移除了机器人的至少一个自由度。在这些情况下，我们可能仍然希望机器人保持其操纵技能，至少保持在一定水平。巨大的变化甚至可能使机器人被视为另一类机器人。事实上，不同类别的机器人，例如工业机器人手臂、类人机器人和四旋翼机器人，可能都适用于某些操作任务。理想情况下，手动设计或学习的操作技能可以转移到新的实施方式中。2）机器人“大脑”的变化。软件修改也可以改变机器人的行为，例如，机器人控制器的增益或频率的变化会影响其动态性能。3)机器人感知变化。感知是机器人与其环境之间的重要接口。传感器模式、容量、质量和视角的变化会极大地影响机器人对系统状态的理解。外部变化是环境中也可能发生的变化：

1)对象变化。被操纵的对象和背景中的对象都可以（i）在同一对象类内和（ii）跨对象类变化。类内变化可以通过感知更新现有模型来处理，但跨类变化可能需要构建新模型。对象的配置（位置和方向）也可能会有所不同，并且可能会给机器人带来挑战，例如，背景对象会翻倒并形成一个阻挡目标对象的集群。这些变化通常在任务执行期间动态发生。2)环境变化。环境属性，例如工作空间布局、墙壁/地板均匀度、照明条件、温度、湿度和噪音水平，都会发生变化。这些变化也可能影响任务执行，例如，湿度的变化可能导致机器人的手和物体之间的接触界面中的摩擦特性发生变化。3)任务变化。当人类在循环中时，用户可能希望调整任务执行的不同方面，这可能会改变任务规范，例如，用户可能希望机器人更快或更慢地接近目标对象。更重要的是，用户可以通过让机器人执行一个新的任务来改变任务的组成，该任务可以重用其现有技能的全部或部分。变化的另一个关键方面是新颖性。有些变化是可以预料的，而有些则不能。在操作技能的发展过程中可以处理已知的变化，例如，在机器人抓取中，我们可以预测一些物体的变化，并确保技能对它们进行泛化。然而，在人类环境中总是有可能遇到意想不到的变化。理想情况下，机器人可以承认并适应这些新的变化并完成预期的任务。