机器人（Robot）这个术语由约瑟夫·恰佩克（JosefČapek）在 20世纪 20年代首次提出。它来源于斯拉夫语“robota”一词，意为受驱使的劳动力。20世纪50年代有一个视频《空想家》（“Visionary”）表现的就是机器人游走在20
世纪 80年代到 20世纪 90年代的中产阶级家庭中，清洁、整理和端送饮料。
令人难过的是，这一愿景从未实现过，我仍然还没有一个机器人管家替我端上我的马提尼。与此相反，20世纪的大部分时间中，机器人都被局限在科幻小说里。最多，它们被迫从事工厂中的重复性、制造性工作，并被困在笼子里。为了让工人得到保护，看不见的工业机器人在钢铁安全护栏后面辛勤地劳作着。
机器人逃离它们的笼子，安全地分享我们的世界
机器视觉将机器人从笼子里解放了出来。高级视觉及其他感知能力使得智能机器人较传统的“哑”机器人有能力执行更复杂、精细的任务。因为有AI 赋能，智能机器人可以感知并在它们所处环境中穿行。它们可以采取绕行的方式避开障碍物，这意味着它们可以和人类安全共存于同一空间中，这使得它们的有用性剧增。
我们正进入一个全新的机器人黄金时代。现在机器人可以在游轮上调制鸡尾酒、翻转汉堡、教人们跳社交舞、在药房分发药物、帮人泊车、建造房子和摘收水果。一家奶牛牧场或种植农场在19世纪需要雇佣数百人才能运转，但是现在只需几个人就可以了。在 21世纪，先进的机器人和人工智能将持续实现食物生产的自动化。农场的狗有了新的队友—机器人和无人机。一些农活仍然是劳动力密集型的。20世纪的机械化适合小麦、玉米、大麦、燕麦、豆类和棉花等农作物的收割，因为这些农作物的成熟期一致，因此可以一次性对全部农作物进行收割。一些植物成长速度不一样，因此只能等成熟了再收割。大多数水果比较娇嫩，需要一个一个进行判断以确定其是否成熟，是否可以采摘。因此，大多数水果和绿叶蔬菜仍然需由人工采摘收获。因为采摘水果的人类劳动力紧缺，农场主转向具备强大机器视觉的精细机器人。
一些初创公司—包括英国的 Dogtooth、比利时的 Octinion、HarvestCROOrobotics以及Agrobot—都在试图制造可以采摘草莓的机器人。JuanBravo是Agrobot公司的CEO和创始人，他告诉我，“设计一个在农场工作的机器人很容易，挑战在于要让它成本收益高、简单、稳定和可靠。”Robocrop的机器人会采摘覆盆子。机器人通过观察水果周围的树冠来评估其成熟度，然后轻轻地从树上将其摘取，而不让它擦伤。水果采摘机器人可以全天候工作，重要的是，它们还乐于在晚间工作。水果，尤其是如草莓这样的软浆果，最好是在晚间收获，这时候气温更低，可以减少水果的擦伤。Sweeper的机器人可以采摘胡椒，而 FFRoboticsandAbundant机器人公司制造了可以采摘苹果的机器。植物育种家正在努力研发更容易让机器人进行收割的植株，比如，佛罗里达大学的研究人员已经培育出一棵树，它具备的巨大敞开式树冠和长在长树枝上的苹果更便于机器人采摘。
瑞士初创公司 ecoRobotix正在销售一款全自动农场机器人，它由安装在背部的大块太阳能板供给动力。这种机器人利用 GPS和计算机视觉，可以每天巡视田地长达 12小时，而无须专门人员操作。它漫步于田野间，识别并清除杂草，有时使用一点点除草剂定向直喷，有时则使用旋转切割工具。ecoRobotix宣称它们的机器人使用的除草剂量是传统方式的 1/20，而这改善了土壤健康，作物中因为没有除草剂残留而提升了产量。
世界上一些最受推崇的农业机器（其具有黄绿相间的明亮色调）制造商，如约翰迪尔公司，已经开始投入巨资在智能连接的半自动化农场设备的开发上。它们的自动跟踪通用 200系统可以驾驶一辆综合了收割和喷洒能力的拖拉机，这使得农民们可以花更多时间监测和控制设备的运行，而非自行驾驶。例如，他们此时可以设置种子种植的深度，或微调正在进行的作物施肥量。
对于人类和机器在田地中应该如何合作，约翰迪尔公司有一个很棒的想法。我曾经与约翰迪尔公司的嵌入式解决方案战略负责人 JoelHergenreter有过谈话。他告诉我，约翰迪尔认为人机连接是农业的核心，正如同在两百年前，农民、犁和马之间的关系是农业的核心一样。约翰迪尔计划制造能够成为农民信任伙伴的机器：它们缓解农民压力、帮助其收获更多的农作物以及更好地管理土地。约翰迪尔相信农民具有独特的人类“传感器”，并在努力持续构建人类与机器智能之间强有力的合作伙伴关系。一个经验丰富的农民可以坐在农场设备的驾驶室里，利用他们的嗅觉、视觉、听觉以及心灵感应监测正在发生的一切。约翰迪尔想要制造的设备，能够更多地关注农民，就像农民关注设备那样。这种思考人机共生的方式非常棒，它应该对其他任何创新者都有所启发。
当收割作物时，联合收割机必须定期卸货。而每次停下来卸货的时候，也就浪费了时间和金钱。约翰迪尔设计了一个系统，让联合收割机边收割边卸货。当拖拉机开到接近联合收割机的地方时，联合收割机可以自动控制拖拉机，配好速，并将拖拉机的拖车与自己对齐，以接收农作物。联合收割机无须停下就可卸载收割好的作物。当拖车满了，拖拉机就被放开，与联合收割机分离。操作人员驾驶拖拉机离开，去往卸货点。在大型农场，几台拖拉机和拖车将同时服务一台持续运转的联合收割机，这样它就能在收获季节连续不断地工作。
毫不夸张地说，大多数农场系统最终都能实现自动化，朝着这个方向的第一步已经迈出。英国一个名为“万顷良田解放双手”（Hands-FreeHectare）的研究项目，成功地收获了1公顷（10000平方米）的大麦。这个项目的特别之处在于，它们完全使用自动化车辆和无人机，种植、照料和收获了 4.5 吨的大麦。在整个成长周期中，人类的手未触及过这些作物。这个团队的目标是为了展示无须借助越来越大型的农场机械，仅仅是通过拥抱自动化、开放科技和标准化农场设备，农业也可以实现规模化生产。重型机械会把土壤压实，破坏土壤健康并延缓植物成长。这个研究团队展望了高解析力的精准农业，精准农业中，每一株植物都得到了它们所需的、个性化的精准照料，这最终优化了植株生长，增加了作物收成。为庆祝他们的胜利，研究人员用收获的大麦酿造啤酒。
大型机器人正在被开发用于对可再生能源实现电网级的存储。软银向初创公司 EnergyVault投资 1.1亿美元，后者计划制造自动化搬砖吊车。这种吊车可以搬起 35吨复合砖，并将电力作为势能进行存储。机器人可以放下砖块以发动发电机，并在有需要的时候将电力重新充回电网。每座摩天大楼规模的塔具有高达80MW·h的电力存储量，可供4～8MW的设备持续用电8～16小时，这足以给 5000个家庭供电。
机器人会令一些工作实现自动化，尤其那些重复、单调和危险的工作。但是在可预见的未来，人类仍将在物理世界中占据重要地位。机器人仍有显著局限性，一些局限性会随着时间被克服，但并非全部。
提升机器人的灵巧性是最为人所知的困难挑战。OpenAI的研究人员试图通过强化学习的方式，训练机器人用手操控一个彩色立方体。他们首先创建了一个数字模拟仿真，对手和立方体的实体进行建模，这包括手的确切实体模型、手指关节的接合、地心引力、立方体的重量、材料的摩擦力等。研究人员接着训练一个神经网络，对模拟机器人的手指进行操控，并赋予AI相应目标，操控立方体进入所希望的方向。在模拟过程中，AI控制机器人的手指关节，努力达成目标。当其成功了，AI就能得到奖励。而对于诸如立方体跌落这样的错误，则给一个负激励。这种奖励功能可以作为神经网络的一个输入。AI还在努力不断地增加奖励功能。一旦机器人的手成功地指向立方体，就又赋予它一个新的目标—一个随机选择的新的方向。在整个模拟过程中，AI一直在不断练习并学习。在整个训练过程中，研究人员会随机改变模拟环境的关键变量：重力强度、立方体质量、手的起始位置，诸如此类。本质上每一个变量的组合在模拟环境中创建了稍有不同的“现实”：物理规则的一个新版本。在每一个不同的“现实”中，AI都将学习如何达到目标。随着时间推移，对于这些环境条件的变化，AI变得越来越具可塑性。
如果放在现实当中，研究人员相当于训练了一个真正的机器人约一百年。一旦训练完成，研究人员便立刻将AI从模拟系统中分离出来，并将其与真实物理的手相连接。AI立即获得了令人印象深刻的结果。对于AI来说，现实物理环境是模拟环境的另外一种变体。AI具备足够的可塑性来适应新的动态环境，而不会因模拟的物理环境和现实环境之间的差异而感到困惑。AI的可塑性很强，因此当立方体被圆柱体所替代时，它也能够立即适应。OpenAI的研究人员表示，虽然提升机器人的灵活性仍颇具挑战性，但是在未来的十年间，AI借助强化学习的方式，很有可能带来显著进步。
尽管有这些进步，人类的灵活性仍然领先机器人数光年。人类的手是不可思议的。27块骨头、34块肌肉、数百万个神经末梢、与其他手指相对方向的拇指以及精细的运动控制，使得我们可以很容易地抓握和操纵细微的物体。我们的手是不可思议的进化壮举，机器人的灵活性根本无法与之媲美。
