3台の火星探査ロボットを持つロボット工学者。中央手前にあるのは、1997年にマーズ・パスファインダー計画の一環として火星に着陸した最初の火星探査車「ソージャーナ」の予備機です。左は、2004年に火星に着陸したスピリットとオポチュニティの兄弟機である火星探査ローバー（MER）の試験車両です。右は、 2012年にキュリオシティを火星に着陸させたマーズ・サイエンス・ラボラトリーの試験ローバーです。

ロボティクスは、ロボットの設計、構築、運用、使用に関する学際的な研究と実践です。[1]

機械工学において、ロボット工学はロボットの物理的構造の設計と構築であり、コンピュータサイエンスにおいて、ロボット工学はロボット自動化アルゴリズムに焦点を当てています。ロボット工学に貢献するその他の分野には、電気工学、制御工学、ソフトウェア工学、情報工学、電子工学、電気通信工学、コンピュータ工学、メカトロニクス工学、材料工学などがあります。

ほとんどのロボット工学の目標は、人間を助け、支援できる機械を設計することです。多くのロボットは、不安定な遺跡での生存者の発見、宇宙、鉱山、難破船の探査など、人にとって危険な仕事をするために作られています。また、清掃、監視、輸送、組み立てなど、退屈で反復的、または不快な仕事で人間に取って代わるロボットもあります。今日、技術の進歩に伴い、ロボット工学は急速に成長している分野であり、新しいロボットの研究、設計、構築は、さまざまな実用的な目的に役立っています。

ロボット工学の側面

機械的側面
電気的側面
ソフトウェア側面

ロボット工学では通常、設計作業の3つの側面を組み合わせてロボットシステム を作成します

  1. 機械構造：特定のタスクを達成するために設計されたフレーム、フォーム、または形状。例えば、重い土や泥の上を移動するように設計されたロボットは、キャタピラを使用する場合があります。折り紙に触発されたロボットは、過酷な環境でも感知し、分析することができます。[2]ロボットの機械的側面は、主に、割り当てられたタスクを完了し、周囲の環境の物理的特性に対処するための作成者の解決策です。形態は機能に従います
  2. 機械に電力を供給し、制御する電気部品。例えば、キャタピラを備えたロボットは、キャタピラを動かすために何らかの電力を必要とします。その電力は電気の形で供給され、電線を通ってバッテリー（基本的な電気回路）から供給されます。主にガソリンで駆動するガソリン駆動機械であっても、燃焼プロセスを開始するために電流が必要です。そのため、自動車などのほとんどのガソリン駆動機械にはバッテリーが搭載されています。ロボットの電気的な側面は、移動（モーター経由）、センシング（電気信号を用いて熱、音、位置、エネルギー状態などを測定する）、そして操作（ロボットは、基本的な動作を実行するために、モーターとセンサーに一定量の電気エネルギーを供給する必要があります）に使用されます。
  3. ソフトウェア。プログラムとは、ロボットがいつ、どのように行動するかを決定する方法です。キャタピラの例では、ぬかるんだ道を移動する必要があるロボットは、適切な機械構造を持ち、バッテリーから適切な量の電力を受け取っていても、プログラムによる移動指示がなければどこにも移動できません。プログラムはロボットの中核を成すものであり、たとえ優れた機械的・電気的構造を備えていても、プログラムが適切に構築されていなければ、そのパフォーマンスは非常に低くなります（あるいは全く動作しないこともあります）。ロボットプログラムには、遠隔操作、人工知能、ハイブリッドの3種類があります。遠隔操作プログラミングされたロボットは、制御源（通常は遠隔操作を行う人間）からの信号を受信した場合にのみ実行する、事前に設定された一連のコマンドを持っています。主に人間の指示によって制御されるデバイスは、ロボット工学というよりも自動化の分野に属すると考える方が適切かもしれません。人工知能を使用するロボットは、制御源なしに自ら環境と相互作用し、既存のプログラミングを用いて、遭遇した物体や問題に対する反応を判断することができます。ハイブリッドとは、AIとRCの両方の機能を組み込んだプログラミング形式です。[3]


応用ロボット工学

多くのロボットが特定のタスク用に設計されているため、この分類方法はより重要になります。例えば、多くのロボットは組み立て作業用に設計されていますが、他の用途には容易に適応できない場合があります。これらは「組立ロボット」と呼ばれます。シーム溶接の場合、一部のサプライヤーは、ロボット、つまり溶接装置とターンテーブルなどの他の材料搬送設備を統合ユニットとして提供する完全な溶接システムを提供しています。このような統合ロボットシステムは、「溶接ロボット」と呼ばれますが、個別のマニピュレーターユニットはさまざまなタスクに適応できます。一部のロボットは重量物の取り扱い用に特別に設計されており、「重荷重ロボット」と呼ばれています。[4]

現在の用途と潜在的な用途には以下が含まれます

機械ロボット分野

電源

クリーンルームに設置された太陽電池パネルを備えたInSight着陸船

現在、電源として主に（鉛蓄電池）が使用されています。ロボットの電源として、さまざまな種類の電池を使用できます。鉛蓄電池は安全で比較的長い保存期間を備えていますが、体積がはるかに小さく、現在でははるかに高価な銀カドミウム電池と比較するとかなり重いです。電池駆動ロボットの設計では、安全性、サイクル寿命、重量などの要素を考慮する必要があります。発電機（多くの場合、何らかの内燃機関）も使用できます。ただし、このような設計は機械的に複雑で、燃料が必要で、放熱が必要であり、比較的重くなります。ロボットを電源に接続するテザーは、ロボットから電源を完全に取り除きます。これには、すべての発電および蓄電コンポーネントを別の場所に移動することで、重量とスペースを節約できるという利点があります。ただし、この設計には、ケーブルが常にロボットに接続されているという欠点があり、管理が困難になる可能性があります。[16] 潜在的な電源としては、

アクチュエーション

空気筋肉で駆動するロボット脚

アクチュエーターはロボットの「筋肉」であり、蓄えられたエネルギーを動きに変換する部品です。[17]これまでで最も人気のあるアクチュエーターは、車輪や歯車を回転させる電気モーターと、工場の産業用ロボットを制御するリニアアクチュエーターです。最近では、電気、化学物質、または圧縮空気で駆動する代替タイプのアクチュエーターにもいくつかの進歩があります。

電気モーター

ほとんどのロボットは電気モーターを使用しており、ポータブルロボットではブラシ付きまたはブラシレスのDCモーター、産業用ロボットやCNCマシンではACモーターが使用されることが多いです。これらのモーターは、負荷が軽く、主な動作形態が回転であるシステムでよく使用されます。

リニアアクチュエータ

様々なタイプのリニアアクチュエータは、回転ではなく伸縮し、特に産業用ロボットのように非常に大きな力が必要な場合、方向転換がより速いことがよくあります。通常、圧縮空気（空気圧アクチュエータ）または油（油圧アクチュエータ）で駆動されます。リニアアクチュエータは、通常モーターとリードスクリューで構成される電気で駆動することもできます。もう1つの一般的なタイプは、自動車のラックアンドピニオンなどの機械式リニアアクチュエータです。

直列弾性アクチュエータ

直列弾性アクチュエーション（SEA）は、モータアクチュエータと負荷の間に意図的な弾性を導入することで、堅牢な力制御を実現するという考え方に基づいています。結果として反射慣性が低くなるため、直列弾性アクチュエーションは、ロボットが環境（例えば、人間やワークピース）と相互作用する際や衝突時の安全性を向上させます。[18]さらに、エネルギー効率と衝撃吸収（機械的フィルタリング）を提供し、トランスミッションやその他の機械部品の過度の摩耗を軽減します。このアプローチは、様々なロボット、特に高度な製造ロボット[19]や歩行型ヒューマノイドロボット[20] [21]に効果的に採用されています。

直列弾性アクチュエータのコントローラ設計は、非構造化環境との相互作用の安全性を確保するため、受動性フレームワーク内で行われることが最も多い。 [22]このフレームワークは、その優れた安定性と堅牢性にもかかわらず、コントローラに課せられる厳しい制限に悩まされており、パフォーマンスとのトレードオフが生じる可能性がある。読者は、SEAの一般的なコントローラアーキテクチャと、それに対応する十分な受動性条件をまとめた以下の調査を参照のこと。[23]最近の研究では、最も一般的なインピーダンス制御アーキテクチャの1つである速度源SEAの必要かつ十分な受動性条件が導出された。 [24]この研究は、SEAスキームにおける非保存的受動性境界を初めて導き出し、より幅広い制御ゲインの選択を可能にするため、特に重要である。

空気圧筋肉

空気圧人工筋肉は、空気が内部に押し込まれると（通常最大42%）膨張する特殊なチューブである。一部のロボットアプリケーションで使用されている。[25] [26] [27]

ワイヤーマッスル

マッスルワイヤーは、形状記憶合金としても知られ、電気を加えると収縮する（5%未満）材料です。いくつかの小型ロボット用途に使用されています。[28] [29]

電気活性ポリマー

EAPまたはEPAMは、電気によって大幅に収縮する（最大380%の活性化ひずみ）プラスチック材料であり、ヒューマノイドロボットの顔の筋肉や腕に使用され、[30]新しいロボットが浮いたり、[31]飛んだり、泳いだり、歩いたりできるようにするために使用されています。[32]

ピエゾモーター

DCモーターの最近の代替品として、ピエゾモーターまたは超音波モーターがあります。これらは根本的に異なる原理で動作し、1秒間に数千回振動する小さな圧電セラミック素子が直線運動または回転運動を引き起こします。動作メカニズムは様々で、ピエゾ素子の振動を利用してモーターを円または直線で動かすタイプがあります。[33]別のタイプでは、ピエゾ素子を使用してナットを振動させたり、ネジを締めたりします。これらのモーターの利点は、ナノメートルの分解能、速度、そしてそのサイズに対して得られる力です。[34]これらのモーターはすでに市販されており、一部のロボットで使用されています。[35] [36]

弾性ナノチューブ

弾性ナノチューブは、開発初期の実験段階にある有望な人工筋肉技術です。カーボンナノチューブには欠陥がないため、これらのフィラメントは数パーセントの弾性変形が可能で、金属ナノチューブの場合、エネルギー貯蔵レベルはおそらく10  J / cm 3です。人間の上腕二頭筋は、この材料の直径8mmのワイヤーに置き換えることができます。このようなコンパクトな「筋肉」により、将来のロボットは人間を追い越し、ジャンプ力を発揮できるようになるかもしれません。[37]

センシング

センサーは、ロボットが環境や内部コンポーネントの特定の測定値に関する情報を受信することを可能にします。これはロボットがタスクを実行するために不可欠であり、環境の変化に応じて適切な応答を計算します。センサーは、さまざまな形式の測定、ロボットへの安全性や故障に関する警告、そしてロボットが実行しているタスクに関するリアルタイム情報の提供に使用されます。

タッチ

現在のロボットハンドや義手は、人間の手よりもはるかに少ない触覚情報しか受け取りません。最近の研究では、人間の指先の機械的特性と触覚受容器を模倣した触覚センサーアレイが開発されました。 [38] [39]このセンサーアレイは、エラストマー性の皮膚に含まれる導電性流体に囲まれた剛性コアで構成されています。電極は剛性コアの表面に取り付けられ、コア内のインピーダンス測定装置に接続されています。人工皮膚が物体に触れると、電極周辺の流体経路が変形し、物体から受ける力をマッピングするインピーダンスの変化が生じます。研究者たちは、このような人工指先の重要な機能は、保持された物体に対するロボットのグリップを調整することになると期待しています

2009年、ヨーロッパ諸国とイスラエルの科学者たちが、本物の義手のように機能するSmartHandと呼ばれる義手を開発しました。患者はこれを使って文字を書いたり、キーボードを打ったり、ピアノを弾いたり、その他の細かい動きをすることができます。この義手には、患者が指先で実際の感覚を感知できるようにするセンサーが搭載されています。[40]

その他

ロボット工学におけるその他の一般的なセンシング方法としては、ライダー、レーダー、ソナーが挙げられます。[41] ライダーは、対象物にレーザー光を照射し、反射光をセンサーで測定することで、対象物までの距離を測定します。レーダーは電波を使用して、物体の距離、角度、または速度を測定します。ソナーは音波の伝播を利用して、水面上または水面下の物体を移動、通信、または検出します。

機械式グリッパー

エンドエフェクタの最も一般的なタイプの1つは「グリッパ」です。最も単純な形態では、2本の指だけで構成され、開閉することで様々な小さな物体を拾ったり放したりすることができます。例えば、指は金属線が通された鎖で作ることができます。[42]人間の手に似ており、人間の手のように動作するハンドには、シャドウハンドやロボノートハンドなどがあります。[43]中程度の複雑さのハンドには、デルフトハンドなどがあります。[44] [45]機械式グリッパには、摩擦型や包囲型など、さまざまなタイプがあります。摩擦型は、グリッパの全力を使って摩擦によって物体を所定の位置に保持します。包囲型は、より少ない摩擦で物体を所定の位置に保持します。

吸引エンドエフェクタ

真空発生器で駆動される吸引エンドエフェクタは、非常にシンプルな吸引型[46]装置であり、把持面が十分に滑らかで吸引が確保されていれ ば、非常に大きな荷重を保持できます

電子部品や車のフロントガラスなどの大型物体を取り扱うピックアンドプレースロボットは、非常にシンプルな真空エンドエフェクタを使用することが多いです。

吸引は、産業界で広く使用されているタイプのエンドエフェクタです。その理由の1つは、ソフトな吸引エンドエフェクタの自然な柔軟性により、ロボットの知覚が不完全な場合でもロボットの堅牢性を高めることができるためです。例として、水筒の位置を推定するが1センチメートルの誤差があるロボットビジョンシステムのケースを考えてみましょう。この誤差により、剛性のある機械式グリッパーでは水筒に穴が開いてしまう可能性がありますが、ソフトな吸引エンドエフェクタはわずかに曲がって水筒の表面の形状に適合する可能性があります。

汎用エフェクタ

高度なロボットの中には、Shadow Hand、MANUS [47] 、 Schunk hand [48]のように、完全なヒューマノイドハンドを使い始めているものもあります。これらは、最大20の自由度と数百の触覚センサー[ 49]を備えた強力なロボット器用さ知能（RDI）を備えています。

制御ロボット分野

複雑な制御システムを備えたロボット操作のマリオネット、Puppet Magnus
実験的な平面ロボットアームとセンサーベースのオープンアーキテクチャロボットコントローラー
RuBot IIはルービックキューブを手動で解くことができます

ロボットの機械構造は、タスクを実行するために制御されなければなりません。[50]ロボットの制御には、知覚、処理、行動（ロボットパラダイム）という3つの異なる段階が含まれます。[51] センサーは、環境またはロボット自体に関する情報（例：関節やエンドエフェクタの位置）を提供します。この情報は処理されて保存または送信され、アクチュエータ（モーター）への適切な信号が計算されます。アクチュエータは、機械構造を動かして必要な協調動作または力の作用を実現します

処理フェーズの複雑さは様々です。反応レベルでは、生のセンサー情報をアクチュエータコマンドに直接変換する場合があります（例：エンコーダのフィードバック信号に基づいてモーターのパワーエレクトロニクスゲートを直接作動させ、シャフトの必要なトルク／速度を達成する）。センサーフュージョンと内部モデルは、ノイズの多いセンサーデータから対象のパラメータ（例：ロボットのグリッパーの位置）を推定するために最初に使用される場合があります。これらの推定値から、即時のタスク（近接センサーで物体が検出されるまでグリッパーを特定の方向に動かすなど）が推論されることもあります。制御理論の技術は一般的に、高レベルのタスクをアクチュエータを駆動する個々のコマンドに変換するために使用され、最もよく使用されるのは機械構造の運動学モデルと動力学モデルです。[50] [51] [52]

より長い時間スケールやより複雑なタスクでは、ロボットは「認知」モデルを構築し、それを用いて推論を行う必要があるかもしれません。認知モデルは、ロボット、世界、そして両者の相互作用を表現しようとします。パターン認識とコンピュータービジョンは、物体の追跡に使用できます。[50] マッピング技術は、世界の地図を作成するために使用できます。最後に、動作計画やその他の人工知能技術は、どのように行動するかを決定するために使用できます。例えば、プランナーは、障害物にぶつかったり、転倒したりすることなくタスクを達成する方法を考え出すことができます。

現代の商用ロボット制御システムは非常に複雑で、複数のセンサーとエフェクターを統合し、相互作用する多くの自由度（DOF）を持ち、オペレーターインターフェース、プログラミングツール、およびリアルタイム機能を必要とします。[51]これらは、より広範な通信ネットワークに相互接続されることが多く、今ではIoT対応でモバイルになっている場合が多くあります。[53]オープンアーキテクチャで階層化され、ユーザーフレンドリーで「インテリジェント」なセンサーベースの相互接続ロボットへの進歩は、フレキシブル製造システム（FMS）に関連する以前の概念から生まれており、ロボット制御ソフトウェアとハ​​ードウェアの開発者が従来の「クローズド」ロボット制御システムの概念を超えるのに役立ついくつかの「オープン」または「ハイブリッド」リファレンスアーキテクチャが存在しています。 [52]オープンアーキテクチャコントローラーは、システム開発者、エンドユーザー、研究者など、幅広いロボットユーザーの高まる要件をよりよく満たすことができると言われており、インダストリー4.0に関連する高度なロボットコンセプトを実現するのにより適しています。[52]エンドエフェクタの位置、速度、力の制御など、ロボットコントローラの多くの確立された機能を活用することに加えて、IoT相互接続や、適応制御、ファジー制御、人工ニューラルネットワーク（ANN）ベースの制御など、より高度なセンサーフュージョンおよび制御技術の実装も可能にします。[52]このような技術をリアルタイムで実装すると、制御システムが環境の変化を学習して適応できるようになるため、未知または不確実な環境で動作するロボットの安定性と性能が向上する可能性があります。[54]ロボットコントローラのリファレンスアーキテクチャの例がいくつかあり、それらから開発された実際のロボットコントローラの実装成功例もあります。汎用リファレンスアーキテクチャと関連する相互接続されたオープンアーキテクチャのロボットとコントローラの実装の1つの例は、リアルタイムでの新しい高度でインテリジェントな制御と環境マッピング方法のプロトタイプ実装を含む、多くの研究開発研究で使用されました。[54] [55]

マニピュレーション

鋳造所で稼働するKUKA産業用ロボット
最初の産業用ロボットの一つ、プーマ
ロドニー・ブルックスが開発した、現代的で多用途な産業用ロボット「バクスター」
最初のチェッカーをプレイするロボット「レフティ」

ロボット操作の定義はマット・メイソンによって次のように提示されている。「操作とは、エージェントが選択的な接触を通じて環境を制御することを指す。」[56]

ロボットは物体を操作し、拾い上げ、修正し、破壊し、移動させ、あるいは何らかの効果をもたらす必要があります。そのため、効果を生み出すことを目的としたロボットアームの機能的な端部（手または道具）は、しばしばエンドエフェクタ[​​57]と呼ばれ、 「アーム」はマニピュレータ[58]と呼ばれます。ほとんどのロボットアームは交換可能なエンドエフェクタを備えており、それぞれが限られた範囲のタスクを実行できます。交換できない固定マニピュレータを備えているものもあれば、ヒューマノイドハンドのように非常に汎用性の高いマニピュレータを1つ備えているものもあります。[59]

移動

転がるロボット

名古屋のロボットミュージアムにあるセグウェイ

簡略化のため、ほとんどの移動ロボットは4つの車輪または複数の連続したキャタピラを備えています。一部の研究者は、1つまたは2つの車輪のみを備えた、より複雑な車輪付きロボットの作成を試みてきました。これらのロボットには、効率性の向上、部品点数の削減、そして4輪ロボットでは移動できない狭い場所での移動などの利点があります。

2輪バランスロボット

バランスロボットは一般的にジャイロスコープを使用してロボットの落下量を検出し、倒立振り子の力学に基づいて、1秒間に数百回落下を相殺するために、車輪を比例して同じ方向に駆動します。[60]さまざまなバランスロボットが設計されています。[61]セグウェイは一般的にロボットとは考えられていませんが、ロボットのコンポーネントと考えることができます。そのように使用される場合、セグウェイはRMP（ロボット移動プラットフォーム）と呼んでいます。この使用例としては、NASAのロボノートがセグウェイに搭載されていることがあります。[62]

一輪バランスロボット

一輪バランスロボットは、二輪バランスロボットの拡張版であり、丸いボールを唯一の車輪として用いて、2次元の任意の方向に移動できます。最近では、カーネギーメロン大学の「Ballbot」（人間の身長と幅とほぼ同じ）や東北学院大学の「BallIP」など、いくつかの一輪バランスロボットが設計されています。[63]細長い形状と狭い空間での移動能力により、人がいる環境において他のロボットよりも優れた機能を発揮する可能性があります。[64]

球状オーブロボット

球状のボールの中に完全に収まるロボットの開発がいくつか試みられてきました。ボール内部の重りを回転させる方法[65] [66]や、球体の外殻を回転させる方法[67] [68]などがあります。これらはオーブボット[69]やボールボット[70] [71]とも呼ばれています。

6輪ロボット

4輪ではなく6輪を使用すると、岩だらけの土や芝生などの屋外地形でより優れた牽引力やグリップが得られます。

履帯ロボット

履帯は6輪ロボットよりもさらに優れた牽引力を提供します。履帯は数百個の車輪でできているかのように動作するため、非常に荒れた地形を走行する必要がある屋外のオフロードロボットでは非常に一般的です。しかし、カーペットや滑らかな床などの屋内での使用は困難です。例としては、NASAの都市型ロボット「Urbie」が挙げられます。[72]

歩行ロボット

歩行は解決が難しく、動的な問題です。二足歩行で確実に歩行できるロボットはいくつか作られていますが、人間ほど堅牢なものはまだ作られていません。テキサスA&M大学の機械工学部が2008年に設立したAMBERラボなど、人間に着想を得た歩行に関する研究は数多く行われてきました。[73]二足歩行ロボットは製造がはるかに容易であるため、二足歩行以上のロボットも数多く作られています。[74] [75]歩行ロボットは不整地でも使用でき、他の移動方法よりも優れた移動性とエネルギー効率を提供します。通常、二足歩行ロボットは平らな床ではうまく歩行でき、階段を上ることもできます。しかし、岩だらけの不整地を歩行できるロボットはありません。これまでに試みられた方法には以下のものがあります。

ZMP技術

ゼロモーメントポイント（ZMP）は、ホンダのASIMOなどのロボットが使用するアルゴリズムです。ロボットのオンボードコンピューターは、総慣性力（地球の重力と歩行の加速と減速の組み合わせ）と床反力（床がロボットの足を押し返す力）が正確に反対になるように維持しようとします。このようにして、2つの力は打ち消し合い、モーメント（ロボットを回転させて転倒させる力）は残りません。[ 76 ]しかし、これは人間の歩き方とまったく同じではなく、その違いは人間の観察者には明らかであり、中にはASIMOがトイレに行くかのように歩くと指摘する人もいます。[77] [78] [79] ASIMOの歩行アルゴリズムは静的ではなく、動的なバランス調整が使用されています（以下を参照）。ただし、歩行には滑らかな表面が必要です。

ホッピング

1980年代にMITレッグラボのマーク・レイバートによって作られたいくつかのロボットは、非常にダイナミックな歩行を実証することに成功しました。当初、1本足と非常に小さな足を持つロボットは、単に跳ねるだけで直立を保つことができました。その動きは、ポゴスティックに乗っている人と同じです。ロボットが片側に倒れると、転倒を防ぐためにその方向にわずかにジャンプします。[80]すぐに、このアルゴリズムは2本足と4本足に一般化されました。二足歩行ロボットは走行し、宙返りさえも実行しました。[81]四足歩行ロボットも、速歩、走行、歩き、跳躍ができることを示しました。 [82]これらのロボットの完全なリストについては、MITレッグラボのロボットのページをご覧ください。[83]

動的バランス（制御された落下）

ロボットの歩行のためのより高度な方法は、動的バランスアルゴリズムを使用することです。これは、ロボットの動きを常に監視し、安定性を維持するために足を配置するため、ゼロモーメントポイント技術よりも潜在的に堅牢です。[84]この技術は最近、AnybotsのDexter Robotによって実証されました。[85]は非常に安定しており、ジャンプすることさえ可能です。[86]別の例として、 TU Delft Flameがあります。

受動ダイナミクス

おそらく最も有望なアプローチは、振られた手足の運動量を利用して効率を高める受動ダイナミクスです。完全に無動力のヒューマノイド機構は、重力のみを使用して緩やかな斜面を歩行できることが示されています。この技術を使用することで、ロボットは平坦な表面を歩行するために少量のモーター電力を供給するだけでよく、丘を登るためにもう少し多くの電力を供給するだけで済みます。この技術により、歩行ロボットはASIMOのようなZMP歩行器よりも少なくとも10倍効率的になると期待されています。[87] [88]

飛行

現代の旅客機は本質的に飛行ロボットであり、2人の人間が操縦します。自動操縦装置は、離陸、通常飛行、着陸など、旅の各段階で飛行機を制御できます。[89]その他の飛行ロボットは無人で、無人航空機（UAV）として知られています。人間のパイロットを搭乗させずに小型軽量化でき、軍事偵察任務のために危険な地域に飛行できます。中には、指示に従って標的に発砲できるものもあります。人間の指示を必要とせずに自動的に標的に発砲できるUAVも開発されています。その他の飛行ロボットには、巡航ミサイル、エントモプター、エプソンのマイクロヘリコプターロボットなどがあります。エアペンギン、エアレイ、エアジェリーなどのロボットは、空気より軽いボディを持ち、パドルで推進され、ソナーで誘導されます。

生体模倣飛行ロボット（BFR）
揚力と推力を生成する羽ばたき翼のBFR

BFRは、飛行する哺乳類、鳥類、または昆虫からヒントを得ています。BFRは、揚力と推力を生成する羽ばたき翼を持つことも、プロペラ駆動式にすることもできます。羽ばたき翼を持つBFRは、プロペラ駆動式BFRと比較して、ストローク効率、操縦性が向上し、エネルギー消費量が削減されます。[90]哺乳類と鳥類にヒントを得たBFRは、同様の飛行特性と設計上の考慮事項を共有しています。例えば、哺乳類と鳥類の両方のBFRは、翼端と翼端の剛性を高めることで、翼端のばたつきと圧力による翼端カールを最小限に抑えます。哺乳類と昆虫にヒントを得たBFRは耐衝撃性があるため、乱雑な環境で有用です

哺乳類に着想を得たBFRは通常、コウモリからインスピレーションを得ていますが、ムササビもプロトタイプのインスピレーションとなっています。[91]コウモリに着想を得たBFRの例としては、Bat Bot [92]やDALER [93]などがあります。哺乳類に着想を得たBFRはマルチモーダルに設計できるため、飛行と地上移動の両方が可能です。着陸時の衝撃を軽減するために、翼に沿ってショックアブソーバーを実装することができます。[93]また、BFRは機首を上げ、受ける抗力の量を増やすこともできます。[91]抗力を増加させることで、BFRは減速し、着地時の衝撃を最小限に抑えます。さまざまな陸上歩行パターンも実装できます。[91]

トンボにインスピレーションを得た BFR。

鳥に着想を得たBFRは、猛禽類、カモメ、そしてその間のあらゆる生物からヒントを得ることができます。鳥に着想を得たBFRは、フェザリングを施すことで、プロトタイプが失速する前に飛行できる迎え角範囲を広げることができます。[94]鳥に着想を得たBFRの翼は面内変形が可能で、飛行姿勢に応じて飛行効率を最大化するように面内変形を調整できます。[94]猛禽類に着想を得たBFRの例として、Savastanoらによるプロトタイプがあります。[95]このプロトタイプは完全に変形可能な羽ばたき翼を備え、放物線状の上昇、急降下、急回復を行いながら最大0.8kgのペイロードを運ぶことができます。Grantらによるカモメに着想を得たプロトタイプは、カモメの肘と手首の回転を正確に模倣しており、肘と手首の変形が反対でありながら等しいときに揚力発生が最大になることを発見しました。[96]

昆虫に着想を得たBFRは、通常、甲虫やトンボからインスピレーションを得ています。甲虫に着想を得たBFRの例としては、PhanとParkによるプロトタイプ[97]があり、トンボに着想を得たBFRの例としては、Huらによるプロトタイプ[98]があります。昆虫に着想を得たBFRの羽ばたき周波数は、他のBFRよりもはるかに高くなっています。これは、昆虫の飛行の空気力学によるものです。[99]昆虫に着想を得たBFRは、哺乳類や鳥類に着想を得たものよりもはるかに小さいため、密集した環境に適しています。

生物に着想を得た飛行ロボット
火星を飛行する昆虫飛行ロボットの可視化（NASA）

生物学に着想を得ながらも生物学を模倣しようとしないロボットの一種に、エントモプター（Entomopter）があります。国防高等研究計画局（DARPA）、NASA、アメリカ空軍、ジョージア工科大学研究所の資金提供を受け、ロバート・C・マイケルソン教授が火星下層大気圏での飛行と秘密地上ミッションのために特許を取得したエントモプターの飛行推進システムは、スズメガ（Manduca sexta）の翼に似た低レイノルズ数の翼を用いますが、非伝統的な「対向X翼型」で羽ばたき、表面を「吹き飛ばす」ことでコアンダ効果に基づく揚力増強と機体の姿勢・方向制御を行います。推進システムから排出される廃ガスは、吹き飛ばされた翼の空力特性を向上させるだけでなく、コウモリのような超音波を発生させて障害物回避にも役立ちます。エントモプターやその他の生物学に着想を得たロボットは、生物システムの特徴を活用していますが、機械的な類似物を作成しようとはしていません。

蛇行
2体のロボットヘビ。左のヘビは64個のモーター（体節ごとに2自由度）、右のヘビは10個のモーターを備えています。

いくつかのヘビ型ロボットの開発に成功しています。本物のヘビの動きを模倣したこれらのロボットは、非常に狭い空間を移動できるため、将来的には倒壊した建物に閉じ込められた人々の捜索に使用される可能性があります。[100]日本のACM-R5ヘビ型ロボット[101]は、陸上と水中の両方で移動できます。[102]

スケート

少数のスケート型ロボットが開発されており、そのうちの1つは、歩行とスケートのマルチモードデバイスです。4本の脚と無動力の車輪を持ち、歩行または転がりが可能です。[103]別のロボット、Plenは、ミニチュアスケートボードまたはローラースケートを使用して、机の上をスケートすることができます。[104]

クライミングロボット、オマキザル
クライミング

垂直面を登る能力を持つロボットの開発には、いくつかの異なるアプローチが用いられてきました。1つのアプローチは、突起のある壁を登る人間の登山者の動きを模倣し、重心を調整し、各肢を順番に動かしててこ比を得ます。その一例が、カリフォルニア州スタンフォード大学のRuixiang Zhangが開発したCapuchin [105]です。別のアプローチは、壁登りヤモリの特殊なつま先パッド方式を利用し、垂直のガラスなどの滑らかな表面でも走行できます。このアプローチの例としては、Wallbot [106]やStickybot [107]などがあります

中国のテクノロジーデイリーは2008年11月15日、新概念航空機（珠海）有限公司の李秀揚氏と彼の研究グループが「スピーディー・フリーランダー」という名のバイオニックヤモリロボットの開発に成功したと報じました。楊氏によると、このヤモリロボットは、様々な建物の壁を素早く登ったり降りたり、地面や壁の亀裂を通り抜けたり、天井を逆さまに歩行したりすることができました。また、滑らかなガラス、粗い壁、粘着性のある壁、ほこりっぽい壁、そして様々な種類の金属材料の表面に適応することができました。また、障害物を自動的に識別して回避することもできました。その柔軟性と速度は、自然のヤモリに匹敵していました。3つ目のアプローチは、ヘビがポールを登る動きを模倣することです。[41]

水泳（魚類）

一部の魚は泳ぐ際に90%を超える推進効率を達成できると計算されています。 [108]さらに、それらはどんな人工のボートや潜水艦よりもはるかに優れた加速と操縦性を持ち、騒音や水の乱れも少なくなります。そのため、水中ロボットを研究する多くの研究者は、この種の移動を模倣したいと考えています。[109]注目すべき例としては、Robotic Fish G9 [110]とRobot Tunaが挙げられます。これらは、ツノメドリのような動きを分析し、数学的にモデル化するために作られています。[111] Aqua Penguin [112]は、ペンギンの流線型の形状と前肢の「ひれ」による推進力を模倣しています。Aqua RayとAqua Jellyは、それぞれマンタとクラゲの移動を模倣しています。

Robotic Fish：iSplash -II

2014年、iSplash -IIは、平均最大速度（体長/秒で測定）と持久力（最高速度を維持できる時間）において、実際のカレイ目魚類を上回る性能を持つ最初のロボット魚として開発されました。 [113]このロボットは、11.6BL/秒（つまり3.7 m/秒）の遊泳速度を達成しました。[114]最初のロボットであるiSplash -I（2014年）は、全身を使ったカレイ目遊泳運動を適用した最初のロボットプラットフォームであり、従来の後方限定波形のアプローチと比較して遊泳速度が27%向上することがわかりました。[115]

セーリング
自律型帆船ロボットVaimos

海面での計測を行うために、帆船ロボットも開発されています。代表的な帆船ロボットはVaimosです。[116]帆船ロボットの推進力は風を利用するため、バッテリーのエネルギーはコンピューター、通信、アクチュエーター（舵と帆の調整用）にのみ使用されます。ロボットにソーラーパネルが搭載されていれば、ロボットは理論的には永久に航行することができます。帆船ロボットの主要な2つの競技会は、毎年ヨーロッパで開催される WRSCとSailbotです。

計算ロボット分野

ヒューマノイドロボットのTOPIOは、東京IREX 2009で卓球をしました。[117]

制御システムにも、さまざまなレベルの自律性があります。

  1. 直接的な相互作用は、触覚または遠隔操作デバイスに使用され、人間はロボットの動きをほぼ完全に制御できます
  2. オペレータアシストモードでは、オペレータが中〜高レベルのタスクを指示し、ロボットが自動的にそのタスクを達成する方法を判断します。[118]
  3. 自律型ロボットは、長期間にわたって人間の介入なしに動作する場合があります。より高いレベルの自律性は、必ずしもより複雑な認知能力を必要としません。例えば、組立工場のロボットは完全に自律的ですが、固定パターンで動作します。

別の分類では、人間の制御と機械の動きとの相互作用を考慮します。

  1. 遠隔操作。人間が各動作を制御し、各機械アクチュエータの変更はオペレータによって指定されます
  2. 監督型。人間が一般的な動きや位置の変更を指定し、機械がアクチュエータの具体的な動きを決定します。
  3. タスクレベルの自律性。オペレーターはタスクのみを指定し、ロボットはそれを完了するために自ら管理します。
  4. 完全自律性。機械は人間の介入なしにすべてのタスクを作成し、完了します。

ビジョン

コンピュータビジョンは、見る機械の科学技術です。科学分野として、コンピュータビジョンは画像から情報を抽出する人工システムの背後にある理論に関係しています。画像データは、ビデオシーケンスやカメラからの映像など、さまざまな形式をとることができます。

ほとんどの実用的なコンピュータビジョンアプリケーションでは、コンピュータは特定のタスクを解決するように事前にプログラムされていますが、学習に基づく方法がますます一般的になりつつあります。

コンピュータビジョンシステムは、通常、可視光または赤外光の形態をとる電磁放射を検出する画像センサーに依存しています。センサーは固体物理学を用いて設計されています。光が伝播し、表面で反射するプロセスは、光学を用いて説明されます。高度な画像センサーは、画像形成プロセスを完全に理解するために量子力学さえ必要とします。ロボットは、環境の奥行き感覚をより正確に計算できるように、複数の視覚センサーを搭載することもできます。人間の目と同様に、ロボットの「目」も特定の関心領域に焦点を合わせ、光強度の変化に適応できなければなりません

コンピュータビジョンには、人工システムが生物システムの処理と動作を、様々なレベルの複雑さで模倣するように設計されるサブフィールドがあります。また、コンピュータビジョンで開発された学習ベースの手法の中には、生物学を背景としているものもあります。

環境との相互作用とナビゲーション

レーダー、GPS、LIDARはすべて組み合わせて、適切なナビゲーションと障害物回避を提供します（2007年のDARPAアーバンチャレンジ向けに開発された車両）。

現在運用されているロボットのかなりの割合は、人間が操作するか、静的な環境で動作しますが、動的な環境で自律的に動作できるロボットへの関心が高まっています。これらのロボットは、環境を横断するために、ナビゲーションハードウェアとソフトウェアの組み合わせが必要です。特に、予期せぬ出来事（例：静止していない人やその他の障害物）は、問題や衝突を引き起こす可能性があります。ASIMOやMeinüロボットなどの高度なロボットの中には、特に優れたロボットナビゲーションハードウェアとソフトウェアを備えているものもあります。また、自律制御車、エルンスト・ディックマンの無人運転車、 DARPAグランドチャレンジへの参加車両は、環境を適切に感知し、その後、自律ロボットの群れを含む、この情報に基づいてナビゲーションの決定を行うことができます。[119]これらのロボットのほとんどは、ウェイポイントを備えたGPSナビゲーションデバイスとレーダーを採用しており、ウェイポイント間のナビゲーションを改善するために、ライダー、ビデオカメラ、慣性誘導システムなどの他のセンサーデータと組み合わせて使用​​されることもあります。

人間とロボットの相互作用

Kismetは様々な表情を作り出すことができます

家庭内で働くロボットに床を掃除機で掃除する以上の機能を持たせたいのであれば、ロボットの感覚知能の最先端技術は数桁も進歩する必要がある。ロボットが家庭やその他の非産業環境で効果的に働くためには、仕事をするように指示する方法、特に停止を指示する方法が極めて重要になる。ロボットとやりとりする人はロボット工学の訓練をほとんど、あるいは全く受けていない可能性があるため、インターフェースは極めて直感的である必要がある。また、SF作家たちは通常、ロボットが最終的にはコマンドラインインターフェースではなく、音声、身振り、顔の表情で人間とコミュニケーションできるようになると想定している。人間にとっては音声が最も自然なコミュニケーション方法だが、ロボットにとっては不自然だ。ロボットが架空のC-3POや『スタートレック：新世代』のデータのように自然にやりとりするようになるには、おそらく長い時間がかかるだろう。現在のロボット工学はSFに登場するロボットの基準を満たすことはできませんが、ロボットのメディアキャラクター（例：ウォーリー、R2-D2）は視聴者の共感を引き出し、将来的に実際のロボットを受け入れる意欲を高める可能性があります。[120]人々が適切な条件下でソーシャルロボットに出会える場合、ソーシャルロボットの受容も高まる可能性があります。研究によると、ロボットを見て、触れて、あるいは想像するだけでもロボットと交流することで、実際に交流する前に抱く否定的な感情を軽減できる場合があります。[121]しかし、既存の否定的な感情が特に強い場合、ロボットとの交流はロボットに対する否定的な感情を増大させる可能性があります。[121]

音声認識

人間から発せられる連続的な音声の流れをリアルタイムで解釈することは、コンピュータにとって難しい作業です。主な理由は、音声の多様性です。[122]同じ人が同じ単語を話しても、周囲の音響、音量、前の単語、話者が風邪をひいているかどうかなどによって、聞こえ方が異なる場合があります。話者のアクセントが異なる場合は、さらに難しくなります。[123]それでも、1952年にデイビス、ビドルフ、バラシェクが「1人のユーザーが話した10桁の数字を100%の精度で認識」した最初の「音声入力システム」を設計して以来、この分野では大きな進歩が遂げられています。 [124]現在、最高のシステムは、1分間に最大160語の連続した自然な音声を95%の精度で認識できます。[125]今日の機械は、人工知能の助けを借りて、人の声を使って満足や怒りなどの感情を識別することができます。 [126]

ロボットの音声

ロボットが人間と対話するために音声を使用できるようにするには、他にもハードルがあります。社会的な理由から、合成音声はコミュニケーション媒体としては最適ではないことが証明されており[127]、様々な技術を用いてロボット音声の感情的な要素を開発する必要があります[128] [129] 。双音分岐の利点は、ロボットが投影するようにプログラムされた感情を、音声媒体に事前にプログラムされている音声テープ、つまり音素に乗せることができることです。最も初期の例の1つは、1974年にマイケル・J・フリーマンによって開発されたLeachimという教育ロボットです[130] [131]。Leachimは、デジタルメモリを事前に録音されたコンピュータディスク上の基本的な音声に変換することができました[132] 。ニューヨークのブロンクスの生徒を教えるためにプログラムされました[132]。

表情

表情は、2人の人間間の対話の進行状況に関する迅速なフィードバックを提供することができ、近い将来、人間とロボットの間でも同様のことが可能になるかもしれません。ハンソン・ロボティクスは、 Frubberと呼ばれる弾性ポリマーを用いてロボットの顔を構築しました。このポリマーは、ゴム製の顔面コーティングの弾力性と埋め込まれた表面下モーター（サーボ）により、多様な表情を可能にします。 [133]コーティングとサーボは金属製の頭蓋骨上に構築されています。ロボットは、人間の表情やボディランゲージから判断して、どのように近づくべきかを知る必要があります。その人が幸せそうにしているか、怯えているか、あるいは狂ったように見えるかは、ロボットに期待されるインタラクションの種類に影響を与えます。同様に、Kismetや最近追加されたNexi [134]のようなロボットは、さまざまな表情を作り出すことができ、人間との有意義な社会的交流を可能にします。[135]

ジェスチャー

将来的には、ロボットシェフにペストリーの作り方を説明したり、ロボット警察官に道を尋ねたりすることが想像できます。どちらの場合も、手振りは言葉による説明を補助するでしょう。前者の場合、ロボットは人間のジェスチャーを認識し、確認のためにそれを繰り返すかもしれません。後者の場合、ロボット警察官は「道を下って右に曲がってください」とジェスチャーで指示するでしょう。ジェスチャーは、人間とロボットの間のインタラクションの一部を構成する可能性が高いでしょう。[136]人間の手振りを認識するための非常に多くのシステムが開発されています。[137]

近接学

近接学は個人的な空間の研究であり、HRIシステムは人間のインタラクションのためにその概念をモデル化し、活用しようとするかもしれません。

人工感情

一連の表情や身振りからなる人工的な感情を生成することもできます。映画『ファイナルファンタジーザ・スピリッツ・ウィズイン』からもわかるように、これらの人工感情のプログラミングは複雑で、人間の観察を大量に必要とします。映画では、このプログラミングを簡素化するために、特別なソフトウェアプログラムと共にプリセットが作成されました。これにより、映画制作に必要な時間が短縮されました。これらのプリセットは、実際のロボットにも転用できる可能性があります。人工感情を持つロボットの例として、アルメニアのIT企業Expper Technologiesが開発したRobin the Robot  [hy]があります。これはAIベースのピアツーピアインタラクションを使用しています。主なタスクは、感情的な幸福を達成すること、つまりストレスや不安を克服することです。Robinは、状況に応じて表情を分析し、顔を使って感情を表現するように訓練されました。このロボットは米国のクリニックで子供たちにテストされており、観察結果では、Robinは子供たちと会って話した後、食欲と陽気さを高めたことが示されています。[138]

性格

SFのロボットの多くは個性を持っていますが、これは将来の商用ロボットにとって望ましいことかどうかは別問題です。[139]それでも、研究者たちは個性を持っているように見えるロボットを作ろうとしています。 [140] [141]つまり、ロボットは音、表情、ボディランゲージを使って、喜び、悲しみ、恐怖などの内面状態を伝えようとします。商用の例としては、おもちゃの恐竜ロボット「プレオ」があり、いくつかの感情を表現できます。 [142]

ロボット工学の研究

ロボット工学の研究の多くは、特定の産業タスクではなく、新しいタイプのロボット、ロボットの考え方や設計の代替方法、そしてロボットを製造する新しい方法の調査に焦点を当てています。MITのサイバーフローラプロジェクト などの他の研究は、ほぼ完全に学術的なものです

ロボットの進歩のレベルを表すために、「世代ロボット」という用語を使うことができます。この用語は、カーネギーメロン大学ロボット工学研究所の主任研究科学者であるハンス・モラベック教授が、ロボット技術の近い将来の進化を説明するために作ったものです。モラベック教授は1997年に、第一世代ロボットはおそらくトカゲに匹敵する知的能力を持ち、2010年までに実用化されると予測しました。しかし、第一世代ロボットは学習能力がないため、モラベック教授は第二世代ロボットは第一世代よりも改良され、2020年までに実用化され、その知能はおそらくマウスに匹敵すると予測しています。第三世代ロボットはサルに匹敵する知能を持つはずです。モラベック教授は、人間の知能を持つ第四世代ロボットは可能になると予測していますが、2040年または2050年頃までは実現しないと予測しています。[143]

力学と運動学

運動の研究は、運動学と動力学に分けられます。[144]順運動学または順運動学は、対応する関節値が既知の場合のエンドエフェクタの位置、向き、速度、加速度の計算を指します。逆運動学は、経路計画で行われるように、与えられたエンドエフェクタの値に対して必要な関節値を計算する逆の場合を指します。運動学の特殊な側面には、冗長性（同じ動きを実行するための異なる可能性）の処理、衝突回避、特異点回避などがあります。運動学を用いて関連するすべての位置、速度、加速度が計算されると、動力学分野の方法を使用して、これらの動きに対する力の影響を研究します。順動力学は、適用される力が既知である場合のロボットの加速度の計算を指します。順動力学は、ロボットのコンピュータシミュレーションで使用されます。逆動力学は、規定のエンドエフェクタ加速度を生成するために必要なアクチュエータの力の計算を指します。この情報は、ロボットの制御アルゴリズムを改善するために使用できます

上記の各分野において、研究者は新しい概念と戦略の開発、既存の概念と戦略の改善、そしてこれらの分野間の相互作用の改善に努めています。そのためには、「最適な」パフォーマンスの基準と、ロボットの設計、構造、制御を最適化する方法を開発し、実装する必要があります。

オープンソースロボティクス

オープンソースロボティクスの研究では、誰でも簡単に再現できるように、ロボットの定義と設計および構築方法の標準を求めています。研究には、法的および技術的な定義、コストを削減し構築を簡素化するための代替ツールと材料の探索、設計が連携するためのインターフェースと標準の作成が含まれます。人間のユーザビリティの研究では、視覚、テキスト、またはビデオによる指示を通じて構築を最も効果的に文書化する方法も調査しています。

進化ロボティクス

進化ロボットとは、進化計算を用いてロボット、特に体の形状や動作・行動制御装置の設計を支援する方法論です。自然進化と同様に、多数のロボットが何らかの方法で競争したり、適応度関数を用いてタスクを実行する能力を測定したりします最もパフォーマンスの悪いロボットは集団から除去され、勝者の行動に基づいた新しい行動を持つ新しいセットに置き換えられます。時間の経過とともに集団は改善され、最終的には満足のいくロボットが出現する可能性があります。これは、研究者がロボットを直接プログラミングすることなく起こります。研究者はこの方法をより優れたロボットの作成と進化の本質の探求の両方に使用します。 [ 145 ]このプロセスでは多くの場合、多くの世代のロボットをシミュレートする必要があるため、[147]この手法は、ロボットシミュレータソフトウェアパッケージを使用して、完全にまたは大部分をシミュレーションで実行し、進化したアルゴリズムが十分に改善されたら実際のロボットでテストすることができます。[148]国際ロボット連盟（IFR）の調査「World Robotics 2023」によると、2023年末までに約4,281,585台の産業用ロボットが稼働していました。[149]

バイオニクスとバイオミメティクス

バイオニクスとバイオミメティクスは、動物の生理学と移動方法をロボットの設計に応用します。例えば、バイオニックカンガルーの設計は、カンガルーのジャンプ方法に基づいています。

群集ロボティクス

群ロボット工学は、多数のロボット（主に単純な物理ロボット）からなるシステムとして、複数のロボットを調整するアプローチです。「ロボット群におけるロボットの集団行動は、ロボット間およびロボットと行動する環境との間の局所的な相互作用によって生じます。」* [119]

量子コンピューティング

ロボット工学アルゴリズムをデジタルコンピュータよりも量子コンピュータでより高速に実行できるかどうかについて、いくつかの研究が行われています。この分野は量子ロボティクスと呼ばれています。[ 150]

その他の研究分野

ロボット工学研究の主な会場は、国際会議ICRAとIROSです。

ヒューマンファクター

教育と訓練

SCORBOT-ER 4u教育用ロボット

ロボット工学エンジニアは、ロボットの設計、保守、新しい用途の開発、そしてロボット工学の可能性を広げるための研究を行います。[153]ロボットは、特にアメリカの一部の中学校や高校で人気のある教育ツールとなっており、[154]多くの青少年サマーキャンプでも人気があり、学生の間でプログラミング、人工知能、ロボット工学への関心が高まっています。

雇用

ロボット技術者が小型の全地形対応ロボットを製作しています（提供：MobileRobots, Inc.）。

ロボット工学は、多くの現代の製造業において不可欠な要素です。工場におけるロボットの導入が進むにつれて、ロボット関連の仕事の数も増加し、着実に増加していることが観察されています。[155]産業界におけるロボットの導入は生産性と効率性の向上につながり、一般的には支援者にとって長期的な投資と見なされています。ある調査によると、米国の雇用の47%が「一定期間（不特定多数）にわたって」自動化の危機に瀕しています。[156]これらの主張は、AIではなく社会政策が失業の原因であるという理由で批判されています。[157] 2016年のガーディアン紙の記事で、スティーブン・ホーキングは「工場の自動化はすでに伝統的な製造業の雇用を激減させており、人工知能の台頭は、この雇用破壊を中流階級にまで深く浸透させ、最も思いやり、創造性、または監督的な役割だけが残る可能性が高い」と述べています。[158]そのため、ロボット工学の台頭は、しばしばユニバーサル・ベーシック・インカム の論拠として用いられます。

GlobalDataの2021年9月のレポートによると、ロボット工学産業の価値は2020年に450億ドルで、2030年までに年平均成長率（CAGR）29%で5680億ドルに達し、ロボット工学および関連産業の雇用を促進すると予想されています。[159]

労働安全衛生への影響

EU-OSHAが作成したディスカッションペーパーは、ロボット工学の普及が労働安全衛生（OSH）にとってどのように機会と課題の両方をもたらすかを強調しています。[160]

ロボット工学の普及によってもたらされる最大の労働安全衛生上のメリットは、不健康または危険な環境で働く人々の代替となることです。宇宙、防衛、安全保障、原子力産業だけでなく、物流、保守、検査の分野においても、自律型ロボットは、汚れた、退屈な、または危険な作業を行う人間の労働者を置き換えるのに特に有用であり、労働者の危険な物質や環境への曝露を回避し、身体的、人間工学的、心理社会的リスクを軽減します。例えば、ロボットはすでに反復的で単調な作業、放射性物質の取り扱い、爆発性雰囲気での作業に使用されています。将来的には、農業、建設、輸送、医療、消防、清掃サービスなど、さまざまな分野で、他の多くの非常に反復的で危険な、または不快な作業がロボットによって行われるようになるでしょう。[161]

さらに、今後しばらくの間、人間が機械よりも適している特定のスキルがあり、人間とロボットのスキルの最適な組み合わせをどのように実現するかが問題となります。ロボットの利点には、精度と再現性を備えた重労働が含まれますが、人間の利点には創造性、意思決定、柔軟性、適応性などがあります。最適なスキルを組み合わせる必要性から、協働ロボットと人間は共通のワークスペースをより密接に共有するようになり、「人間とロボットの融合」の安全性を保証するための新しいアプローチと基準の開発につながりました。一部のヨーロッパ諸国では​​、ロボット工学を国家プログラムに含め、ロボットとオペレーター間の安全で柔軟な協力を促進して生産性の向上を図っています。例えば、ドイツ連邦労働安全衛生研究所（BAuA）は、「人間とロボットの協働」をテーマにしたワークショップを毎年開催しています

将来、ロボットと人間の協調は多様化し、ロボットの自律性が向上し、人間とロボットの協働は全く新しい形態に達するでしょう。協働ロボットとの作業におけるリスクから従業員を保護することを目的とした現在のアプローチと技術​​基準[162] [163]は見直される必要があります。

ユーザーエクスペリエンス

優れたユーザーエクスペリエンスとは、各ユーザーグループのニーズ、経験、行動、言語能力、認知能力、その他の要素を予測することです。そして、これらの洞察を用いて、最終的に有用で使いやすい製品またはソリューションを生み出します。ロボットにとって、ユーザーエクスペリエンスは、ロボットが意図するタスクと環境を理解することから始まり、ロボットが人間の操作や相互作用に及ぼす可能性のある社会的影響を考慮します。[164]

コミュニケーションとは、触覚、音、嗅覚、視覚を通して知覚される要素である信号による情報の伝達と定義されています。[165]著者は、信号は送信者と受信者を結び付け、信号自体、それが指し示すもの、そして解釈者の3つの部分で構成されていると述べています。体の姿勢や身振り、表情、手や頭の動きはすべて、非言語的行動とコミュニケーションの一部です。人間とロボットの相互作用において、ロボットも例外ではありません。したがって、人間は言語的および非言語的行動を用いて、自分たちの特徴を伝えます。同様に、ソーシャルロボットは人間のような行動を実行するためにこの調整を必要とします。

キャリア

ロボティクスは学際的な分野であり、主に機械工学とコンピュータサイエンスを組み合わせたものですが、電子工学などの他の分野も活用しています。ロボティクス分野でのキャリアを築く一般的な方法は、これらの確立された分野のいずれかで学士号を取得し、その後ロボティクスの大学院（修士号）を取得することです。大学院の学位は通常、関連するすべての分野からの学生が参加し、それぞれの分野の関連する学部レベルの科目に精通した後、それらを基に純粋なロボティクスのトピックに関する専門的な研究を行います。学際的な分野であるロボティクスの大学院プログラムは、学生が共同で作業し、学び、それぞれの分野の学位で得た知識とスキルを共有することに特に依存しています

ロボット工学業界でのキャリアも同じパターンを辿り、ほとんどのロボット工学者は、それぞれの専門分野の専門家による学際的なチームの一員として働き、その後、ロボット工学の大学院の学位を取得して共同作業が可能になります。労働者は通常、「ロボット工学者」ではなく、ロボット工学で働くそれぞれの専門分野のメンバーであると認識し続けます。この構造は、一部のエンジニアリング専門職の性質によって強化されており、これらの専門職では、ロボット工学全体ではなく、それぞれの分野のメンバーに公認エンジニアの資格が与えられます。

ロボットが人間の肉体労働や知的労働に取って代わるにつれて、ロボット工学のキャリアは21世紀に成長すると広く予測されています。ロボット工学によって職を失った労働者の中には、分野固有の知識とスキルを用いて、これらのロボットの構築と保守のために再訓練を受けるのに適した立場にある人もいるかもしれません。

歴史

関連項目

注記

  1. ^ 米国エネルギー省が開発したデータベースには、約500種類の既存のロボット技術に関する情報が含まれています。[10]

参考文献

  1. ^ 「ドイツ国立図書館」。ドイツ国立図書館の国際分類システム（GND）。2020年8月19日時点のオリジナルからのアーカイブ。
  2. ^ 「折り紙にインスパイアされたロボットは、困難な環境で感知、分析、行動できる」。UCLA 。2023年4月10日閲覧。
  3. ^ Raj, Aditi（2024年8月26日）「AIとロボティクス：ロボットにおけるAIの役割」 。 2024年8月29日閲覧。
  4. ^ Hunt, V. Daniel（1985年）「スマートロボット」。スマートロボット：インテリジェントロボットシステムハンドブック。Chapman and Hall。141ページ。ISBN 978-1-4613-2533-82023年3月15日にオリジナルからアーカイブ。2018年12月4日閲覧。
  5. ^ 「ロボット密度が世界的に上昇」。ロボット産業協会。2018年2月8日。2020年11月23日にオリジナルからアーカイブ。2018年12月3日閲覧
  6. ^ Pinto, Jim (2003年10月1日). 「完全自動化工場が現実に近づく」. Automation World . 2011年10月1日時点のオリジナルよりアーカイブ。2018年12月3日閲覧。
  7. ^ Eyre, Michael (2014年9月12日). 「ロボット『ボリス』は食器洗い機に食器を詰めることができる」. BBC News . 2020年12月21日時点のオリジナルよりアーカイブ。 2018年12月3日閲覧。
  8. ^ Corner, Stuart (2017年11月23日). 「AI駆動型ロボットが『完璧な』フラットブレッドを作る」. iothub.com.au . 2020年11月24日時点のオリジナルよりアーカイブ。2018年12月3日閲覧
  9. ^ Pollock, Emily (2018年6月7日). 「建設ロボット産業、2023年までに倍増へ」. engineering.com . 2020年8月7日時点のオリジナルよりアーカイブ。2018年12月3日閲覧。
  10. ^ 「テクノロジー高度検索」. D&Dナレッジマネジメント情報ツール. 2020年8月6日時点のオリジナルよりアーカイブ
  11. ^ Arámbula Cosío, F.; Hibberd, RD; Davies, BL (1997年7月). 「手術用能動ロボットシステムの電磁両立性に関する側面：ロボットによる前立腺切除術の経験」. Medical and Biological Engineering and Computing . 35 (4): 436– 440. doi :10.1007/BF02534105. ISSN  1741-0444. PMID  9327627. S2CID  21479700.
  12. ^ Grift, Tony E. (2004). 「農業ロボティクス」.イリノイ大学アーバナ・シャンペーン校. 2007年5月4日時点のオリジナルよりアーカイブ。2018年12月3日閲覧
  13. ^ ジム・トーマス（2017年11月1日）「巨大企業はいかに農場を自動化しているのか」ニュー・インターナショナリスト。2021年1月10日時点のオリジナルよりアーカイブ。 2018年12月3日閲覧。
  14. ^ ローラ・コロドニー（2017年7月4日）「ロボットが近所のハンバーガー店にやってくる」CNBC。2020年12月5日時点のオリジナルよりアーカイブ。2018年12月3日閲覧。
  15. ^ スコット・カースナー（2023年1月27日）「キッチンにロボット？地元のエンジニアが現実に」ボストン・グローブ
  16. ^ ダウリング、ケビン。「小型ロボットの電源」（PDF）。カーネギーメロン大学。2020年11月25日にオリジナルからアーカイブ（PDF） 。 2012年5月11日閲覧。
  17. ^ルージン、ウェズリー、リー、ジビン、ツァガラキス、ニコス、コールドウェル、ダーウィン（2016年）。「エネルギー効率向上のための多関節ロボットにおけるコンプライアント・アク  チュエーション配置の設計最適化と制御」。IEEEロボティクス・オートメーション・レターズ。1 （ 2）：1110–1117。書誌コード： 2016IRAL....1.1110R。doi ：10.1109/LRA.2016.2521926。S2CID 1940410
  18. ^ Pratt, GA; Williamson, MM (1995). 「直列弾性アクチュエータ」. Proceedings 1995 IEEE/RSJ International Conference on Intelligent Robots and Systems. Human-Robot Interaction and Cooperative Robots . Vol. 1. pp.  399– 406. doi :10.1109/IROS.1995.525827. hdl :1721.1/36966. ISBN 0-8186-7108-4 S2CID  17120394
  19. ^ Furnémont, Raphaël; Mathijssen, Glenn; Verstraten, Tom; Lefeber, Dirk; Vanderborght, Bram (2016年1月27日). 「双方向直並列弾性アクチュエータと駆動層の重なり」(PDF) . Bioinspiration & Biomimetics . 11 (1) 016005. Bibcode :2016BiBi...11a6005F. doi :10.1088/1748-3190/11/1/016005. PMID  26813145. S2CID 37031990. 2022年10月1日時点のオリジナルから アーカイブ(PDF) . 2023年3月15日閲覧
  20. ^ プラット、ジェリー・E.、クルップ、ベンジャミン・T. (2004). 「脚付きロボット用直列弾性アクチュエータ」。ガーハート、グラント・R.、シューメーカー、チャック・M.、ゲージ、ダグラス・W. (編).無人地上車両技術 VI . 第5422巻. pp.  135– 144. doi :10.1117/12.548000. S2CID  16586246
  21. ^ Li, Zhibin; Tsagarakis, Nikos; Caldwell, Darwin (2013). 「コンプライアントジョイントを備えたヒューマノイドロボットの歩行パターン生成」. Autonomous Robots . 35 (1): 1– 14. doi :10.1007/s10514-013-9330-7. S2CID  624563.
  22. ^ Colgate, J. Edward (1988).動的相互作用システムの制御（論文）. hdl :1721.1/14380
  23. ^ Calanca, Andrea; Muradore, Riccardo; Fiorini, Paolo (2017年11月). 「直列弾性アクチュエータのインピーダンス制御：受動性と加速度ベース制御」. Mechatronics . 47 : 37–48 . doi :10.1016/j.mechatronics.2017.08.010
  24. ^ Tosun, Fatih Emre; Patoglu, Volkan (2020年6月). 「速度源直列弾性アクチュエーションによるインピーダンスレンダリングの受動性のための必要十分条件」. IEEE Transactions on Robotics . 36 (3): 757–772 . Bibcode :2020ITRob..36..757T. doi :10.1109/TRO.2019.2962332. S2CID  212907787.
  25. ^ www.imagesco.com, Images SI Inc -. 「エアマッスルアクチュエータ、さらに進化、6ページ」. 2020年11月14日時点のオリジナルよりアーカイブ。2010年5月24閲覧
  26. ^ 「エアマッスル」。シャドウロボット。2007年9月27日時点のオリジナルよりアーカイブ
  27. ^ Tondu, Bertrand (2012). 「マッキベン人工筋肉のモデリング：レビュー」. Journal of Intelligent Material Systems and Structures . 23 (3): 225– 253. doi :10.1177/1045389X11435435. S2CID  136854390.
  28. ^ 「TALKING ELECTRONICS ニチノール ページ1」. Talkingelectronics.com. 2020年1月18日時点のオリジナルよりアーカイブ。 2010年11月27日閲覧。
  29. ^ 「lf205, ハードウェア：Linux制御の歩行ロボットの構築」. Ibiblio.org. 2001年11月1日. 2016年3月3日時点のオリジナルよりアーカイブ。 2010年11月27日閲覧
  30. ^ 「WW-EAPと人工筋肉」Eap.jpl.nasa.gov。2017年1月20日にオリジナルからアーカイブ。 2010年11月27日閲覧。
  31. ^ 「Empa – a117-2-eap」Empa.ch。2015年9月24日にオリジナルからアーカイブ。 2010年11月27日閲覧。
  32. ^ 「ロボット用途向け電気活性ポリマー（EAP）人工筋肉（EPAM）」Hizook。2020年8月6日にオリジナルからアーカイブ。2010年11月27日閲覧。
  33. ^ 「Piezo LEGS – -09-26」。2008年1 月30日にオリジナルからアーカイブ。2007年10月28日閲覧
  34. ^ 「スクイグルモータ：概要」。2007年10月7日にオリジナルからアーカイブ。2007年10月8日閲覧。
  35. ^ Nishibori; et al. (2003). 「振動型超音波モータを用いた指付きロボットハンド（駆動特性）」。Journal of Robotics and Mechatronics . 15 (6): 588– 595. doi : 10.20965/ jrm.2003.p0588
  36. ^ 大竹美保子、加賀美義治、石川公平、稲葉正幸、井上博親（2001年4月6日）。アラン・R・ウィルソン、浅沼宏（編）「電気活性高分子ゲルを用いたゲルロボットの形状設計」スマート マテリアルズ。4234 : 194–202。書誌コード:2001SPIE.4234..194O。doi : 10.1117/12.424407。S2CID 30357330
  37. ^ Madden, John D. (2007年11月16日). 「移動ロボット：モーターの課題と材料の解決策」. Science . 318 (5853): 1094–1097 . Bibcode :2007Sci...318.1094M. CiteSeerX 10.1.1.395.4635 . doi :10.1126/science.11​​46351. PMID  18006737. S2CID  52827127. 
  38. ^ 「Syntouch LLC：BioTac® 生体模倣触覚センサーアレイ」。2009年10月3日にオリジナルからアーカイブ。 2009年8月10日閲覧。
  39. ^ Wettels, Nicholas; Santos, Veronica J.; Johansson, Roland S.; Loeb, Gerald E. (2008年1月). 「生体模倣触覚センサーアレイ」。Advanced Robotics . 22 (8): 829– 849. doi :10.1163/156855308X314533. S2CID  4594917.
  40. ^ 「SmartHandとは？」。SmartHandプロジェクト。2015年3月3日にオリジナルからアーカイブ。2011年2月4日閲覧
  41. ^ ab Arreguin, Juan (2008). Automation and Robotics. Vienna, Austria: I-Tech and Publishing.
  42. ^ 「注釈付き怪しい伝説：エピソード78：忍者の神話 - 水上歩行、剣のキャッチ、矢のキャッチ」。2020年11月12日にオリジナルからアーカイブ。 2010年2月13日閲覧。（ディスカバリーチャンネルの怪しい伝説が、鎖と金属ワイヤーから機械式グリッパーを作っている様子）
  43. ^ 「ロボノートの手」。2020年2月22日にオリジナルからアーカイブ。 2011年11月21日閲覧。
  44. ^ 「 デルフトの手」。デルフト工科大学。2012年2月3日にオリジナルからアーカイブ。2011年11月21日閲覧
  45. ^ M&C. 「TU Delft のロボットアーム用ハンドガイド」. TU Delft . 2017年3月13日時点のオリジナルよりアーカイブ。2011年11月21日閲覧。
  46. ^ 「astrictive definition – English definition dictionary – Reverso」. 2020年4月30日時点のオリジナルよりアーカイブ。 2008年1月6日閲覧。
  47. ^ Tijsma, HA; Liefhebber, F.; Herder, JL (2005). 「MANUSロボットアームの新しいユーザーインターフェース機能の評価」.第9回国際リハビリテーションロボティクス会議、2005年. ICORR 2005. pp.  258– 263. doi :10.1109/ICORR.2005.1501097. ISBN 0-7803-9003-2. S2CID  36445389.
  48. ^ Allcock, Andrew (2006). 「擬人化された手はほぼ人間」. Machinery. 2007年9月28日時点のオリジナルよりアーカイブ。2007年10月17日閲覧。
  49. ^ 「ようこそ」. 2013年5月10日時点のオリジナルよりアーカイブ（PDF）。2007年10月28日閲覧
  50. ^ abc Corke, Peter (2017). ロボティクス、ビジョン、制御. Springer Tracts in Advanced Robotics. 第118巻. doi :10.1007/978-3-319-54413-7. ISBN 978-3-319-54412-0ISSN 1610-7438 。 2022年10月20日にオリジナルからアーカイブ。 2023年3月15日閲覧。
  51. ^ abc Lee, KS Fu, Ralph Gonzalez, C SG (1987). Robotics: Control Sensing. Vis. McGraw-Hill. ISBN 978-0-07-026510-32023年3月15日にオリジナルからアーカイブ。2023年3月15日閲覧{{cite book}}：CS1メンテナンス:複数名:著者一覧（リンク）
  52. ^ abcd Short, Michael; Burn, Kevin (2011年4月1日). 「インテリジェントロボットシステムのための汎用コントローラアーキテクチャ」. Robotics and Computer-Integrated Manufacturing . 27 (2): 292– 305. doi :10.1016/j.rcim.2010.07.013. ISSN  0736-5845.
  53. ^ Ray, Partha Pratim (2016). 「ロボットによるモノのインターネット：概念、技術、そして課題」. IEEE Access . 4 : 9489– 9500. Bibcode :2016IEEEA...4.9489R. doi : 10.1109/ACCESS.2017.2647747 . ISSN  2169-3536. S2CID  9273802
  54. ^ ab Burn, K.; Short, M.; Bicker, R. (2003年7月). 「不確実な環境で動作するロボットへの適応型および非線形ファジー力制御技術の適用」. Journal of Robotic Systems . 20 (7): 391– 400. doi :10.1002/rob.10093. ISSN  0741-2223. 2022年11月26日時点のオリジナルよりアーカイブ。2023年3月15日閲覧
  55. ^ バーン、ケビン、ホーム、ジェフリー（2008年5月1日）「コホーネン自己組織化マップを用いた環境分類」エキスパートシステム. 25 (2): 98–114 . doi : 10.1111/j.1468-0394.2008.00441.x . ISSN  0266-4720. S2CID  33369232.
  56. ^ メイソン、マシュー・T.（2001年）ロボットマニピュレーションの力学. doi :10.7551/mitpress/4527.001.0001. ISBN  978-0-262-25662-9S2CID  5260407
  57. ^ 「ロボットエンドエフェクタとは何か？」ATI Industrial Automation. 2007年。2020年12月17日にオリジナルからアーカイブ。2007年10月16日閲覧。
  58. ^ Crane, Carl D.; Joseph Duffy (1998). Kinematic Analysis of Robot Manipulators. Cambridge University Press. ISBN  978-0-521-57063-32020年4月2日にオリジナルからアーカイブ。2007年10月16日閲覧。
  59. ^ GJ Monkman、S. Hesse、R. Steinmann、H. Schunk (2007). Robot Grippers . Berlin: Wiley
  60. ^ 「TOBB」。Mtoussaint.de。2020年7月8日にオリジナルからアーカイブ。 2010年11月27日閲覧。
  61. ^ 「nBot、2輪バランスロボット」。Geology.heroy.smu.edu。2021年1月26日にオリジナルからアーカイブ。2010年11月27日閲覧。
  62. ^ 「ROBONAUT活動報告書」。NASA 。 2004年。2007年8月20日にオリジナルからアーカイブ。 2007年10月20日閲覧。
  63. ^ Guizzo, Erico (2010年4月29日).「ボールの上でバランスをとるロボット」。IEEE Spectrum。2023年2月10日にオリジナルからアーカイブ。2023年3月15日閲覧
  64. ^ 「カーネギーメロン大学の研究者、脚や車輪ではなくボールの上でバランスを取りながら移動する新型移動ロボットを開発」（プレスリリース）。カーネギーメロン大学。2006年8月9日。2007年6月9日にオリジナルからアーカイブ。2007年10月20日閲覧。
  65. ^ 「球形ロボットは障害物を乗り越えることができる」。BotJunkie。2012年3月28日にオリジナルからアーカイブ。 2010年11月27日閲覧。
  66. ^ 「Rotundus」。Rotundus.se。2011年8月26日にオリジナルからアーカイブ。2010年11月27日閲覧
  67. ^ 「OrbSwarm Gets A Brain」BotJunkie. 2007年7月11日 。2012年5月16日にオリジナルからアーカイブ。2010年11月27日閲覧。
  68. ^ 「Bluetoothで操作できる回転軌道型ロボット」BotJunkie. 2012年3月28日にオリジナルからアーカイブ。2010年11月27日閲覧。
  69. ^ 「Swarm」Orbswarm.com。2021年1月26日にオリジナルからアーカイブ。 2010年11月27日閲覧。
  70. ^ 「The Ball Bot: Johnnytronic@Sun」Blogs.sun.com。2011年8月24日にオリジナルからアーカイブ。 2010年11月27日閲覧
  71. ^ 「シニアデザインプロジェクト｜工学・応用科学学部｜コロラド大学ボルダー校」。Engineering.colorado.edu。2008年4月30日。2011年7月23日時点のオリジナルよりアーカイブ。 2010年11月27日閲覧。
  72. ^ 「JPLロボティクス：システム：商用ローバー」。2006年6月15日時点のオリジナルよりアーカイブ。
  73. ^ 「AMBERラボ」。2020年11月25日時点のオリジナルよりアーカイブ。2012年1月23日閲覧
  74. ^ “Micromagic Systems Robotics Lab”. 2017年6月1日時点のオリジナルよりアーカイブ。2009年4月29日閲覧。
  75. ^ 「AMRU-5 六脚ロボット」(PDF) 。 2016年8月17日にオリジナルからアーカイブ(PDF) 。2009年4月29日閲覧。
  76. ^ 「安定した歩行の実現」。Honda Worldwide。2011年11月8日にオリジナルからアーカイブ。2007年10月22日閲覧。
  77. ^「面白い歩き方」。Pooter Geek。2004年12月28日。2011年9月28日にオリジナルからアーカイブ。 2007年10月22日閲覧。
  78. ^ 「ASIMOのピンプシャッフル」。Popular Science 。2007年1月9日。2011年7月24日にオリジナルからアーカイブ。 2007年10月22日閲覧
  79. ^ 「ロボットが首相にリラックスする方法を教える > > 酔っ払ったロボット？」VTECの神殿 – ホンダとアキュラ愛好家のオンラインフォーラム。2003年8月25日。2020年4月30日時点のオリジナルよりアーカイブ。
  80. ^ 「3D片足ホッパー（1983～1984年）」MITレッグ研究所。2018年7月25日時点のオリジナルよりアーカイブ。 2007年10月22日閲覧。
  81. ^ 「3D二足歩行ロボット（1989～1995年）」MITレッグ研究所。2011年9月26日時点のオリジナルよりアーカイブ。2007年10月28日閲覧
  82. ^ 「四足歩行（1984～1987）」MIT Leg Laboratory。2011年8月23日時点のオリジナルよりアーカイブ。 2007年10月28日閲覧。
  83. ^ 「MIT Leg Lab Robots- Main」。2020年 8月7日時点のオリジナルよりアーカイブ。2007年10月28日閲覧。
  84. ^ 「ロボットについて」Anybots 。2007年9月9日時点のオリジナルよりアーカイブ。2007年10月23日閲覧。
  85. ^ 「何でも、いつでも、どこでも」Anybots。2007年10月27日時点のオリジナルよりアーカイブ。2007年10月23日閲覧
  86. ^ 「デクスタージャンプ動画」YouTube。2007年3月1日。2021年10月30日時点のオリジナルからアーカイブ。2007年10月23日閲覧。
  87. ^スティーブ・コリンズ、アンディ・ルイナ、ラス・テドレイク、マーティン ・ウィッセ（2005年2月18日）。「受動動歩行 器に基づく効率的な二足歩行ロボット」Science。307 (5712): 1082– 1085。書誌コード: 2005Sci...307.1082C。doi :10.1126/science.11  ​​07799。PMID 15718465。S2CID 1315227
  88. ^ Collins, SH; Ruina, A. (2005). 「効率的で人間のような歩行を実現する二足歩行ロボット」. 2005 IEEE国際ロボティクス・オートメーション会議論文集. pp.  1983– 1988. doi :10.1109/ROBOT.2005.1570404. ISBN 0-7803-8914-X. S2CID  15145353.
  89. ^ 「限界への挑戦」（PDF） . Boeing. p. 29. 2018年12月15日時点のオリジナルからアーカイブ（PDF） . 2008年4月9日閲覧
  90. ^ 張俊、趙寧、屈飛洋（2022年11月15日）。「折り畳み可能または変形可能な翼を持つ生物に着想を得た羽ばたき翼ロボット：レビュー」。バイオインスピレーション＆バイオミメティクス。18 ( 1): 011002. doi :10.1088/1748-3190/ac9ef5. ISSN  1748-3182. PMID  36317380. S2CID  253246037
  91. ^ abc シン・ウォン・ドン、パーク・ジェジュン、パーク・ヘウォン（2019年9月1日）。「空中および地上移動においてマルチモードを備えたバイオインスパイアードロボットの開発と実験」。バイオインスピレーション＆バイオミメティクス。14 ( 5): 056009。書誌コード: 2019BiBi...14e6009S。doi : 10.1088/1748-3190  / ab2ab7。ISSN 1748-3182。PMID  31212268。S2CID  195066183
  92. ^ Ramezani, Alireza; Shi, Xichen; Chung, Soon-Jo; Hutchinson, Seth (2016年5月). 「Bat Bot (B2), a organismi-inspired flying machine」. 2016 IEEE International Conference on Robotics and Automation (ICRA) . Stockholm, Sweden: IEEE. pp.  3219– 3226. doi :10.1109/ICRA.2016.7487491. ISBN 978-1-4673-8026-3. S2CID  8581750
  93. ^ ab Daler, Ludovic; Mintchev, Stefano; Stefanini, Cesare; Floreano, Dario (2015年1月19日). 「バイオインスパイアード・マルチモーダル飛行・歩行ロボット」. Bioinspiration & Biomimetics . 10 (1) 016005. Bibcode :2015BiBi...10a6005D. doi :10.1088/1748-3190/10/1/016005. ISSN  1748-3190. PMID  25599118. S2CID  11132948
  94. ^ ab Kilian, Lukas; Shahid, Farzeen; Zhao, Jing-Shan; Nayeri, Christian Navid (2022年7月1日). 「バイオインスパイアード・モーフィング・ウィング：機械設計と風洞実験」. Bioinspiration & Biomimetics . 17 (4): 046019. Bibcode :2022BiBi...17d6019K. doi :10.1088/1748-3190/ac72e1. ISSN  1748-3182. PMID  35609562. S2CID  249045806.
  95. ^ Savastano, E.; Perez-Sanchez, V.; Arrue, BC; Ollero, A. (2022年7月). 「大型バイオインスパイアード無人航空機向け高性能モルフィングウィング」. IEEE Robotics and Automation Letters . 7 (3): 8076– 8083. Bibcode :2022IRAL....7.8076S. doi :10.1109/LRA.2022.3185389. ISSN  2377-3766. S2CID  250008824
  96. ^ グラント、ダニエル・T.、アブドゥルラヒム、ムジャヒド、リンド、リック（2010年6月）。「独立した多関節翼後退角を利用したモーフィング航空機の飛行力学」。国際マイクロ航空機 学会誌。2 ( 2): 91–106。doi : 10.1260 /1756-8293.2.2.91。ISSN 1756-8293。S2CID  110577545
  97. ^ Phan, Hoang Vu; Park, Hoon Cheol (2020年12月4日). 「飛翔性甲虫と羽ばたきロボットにおける衝突回復のメカニズム」. Science . 370 (6521): 1214–1219 . Bibcode :2020Sci...370.1214P. doi :10.1126/science.abd3285. ISSN  0036-8075. PMID  33273101. S2CID  227257247
  98. ^ Hu, Zheng; McCauley, Raymond; Schaeffer, Steve; Deng, Xinyan (2009年5月). 「トンボの飛行の空気力学とロボット設計」. 2009 IEEE国際ロボティクス・オートメーション会議. pp.  3061– 3066. doi :10.1109/ROBOT.2009.5152760. ISBN 978-1-4244-2788-8. S2CID  12291429
  99. ^ Balta, Miquel; Deb, Dipan; Taha, Haithem E (2021年10月26日). 「生物に着想を得た飛行ロボットにおける拍手効果の流れの可視化と力測定」. Bioinspiration & Biomimetics . 16 (6): 066020. Bibcode :2021BiBi...16f6020B. doi :10.1088/1748-3190/ac2b00. ISSN  1748-3182. PMID  34584023. S2CID  238217893.
  100. ^ ミラー、ギャビン. 「はじめに」. snakerobots.com. 2011年8月17日時点のオリジナルよりアーカイブ。2007年10月22日閲覧。
  101. ^ 「ACM-R5」. 2011年10月11日時点のオリジナルよりアーカイブ。
  102. ^ 「遊泳ヘビ型ロボット（日本語解説）」. 2012年2月8日時点のオリジナルよりアーカイブ。2007年10月28日閲覧。
  103. ^ 「製品化された四足歩行車両「TITAN VII」」. ヒロセ・フクシマ・ロボティクス・ラボ. 2007年11月6日時点のオリジナルよりアーカイブ。2007年10月23日閲覧
  104. ^ Pachal, Peter (2007年1月23日). 「Plen、机の上をスケートするロボット」. SCI FI Tech. 2007年10月11日時点のオリジナルからのアーカイブ。
  105. ^ Capuchin on YouTube
  106. ^ Wallbot on YouTube
  107. ^ スタンフォード大学：Stickybot on YouTube
  108. ^ Sfakiotakis, M.; Lane, DM; Davies, JBC (1999年4月). 「水中移動における魚の遊泳モードのレビュー」. IEEE Journal of Oceanic Engineering . 24 (2): 237– 252. Bibcode :1999IJOE...24..237S. CiteSeerX 10.1.1.459.8614 . doi :10.1109/48.757275. S2CID  17226211 
  109. ^ リチャード・メイソン。「ロボット魚の市場とは？」。2009年7月4日時点のオリジナルよりアーカイブ。
  110. ^ 「Gumstix PCとPICを搭載したロボット魚」。エセックス大学ヒューマンセンタードロボティクスグループ。2011年8月14日時点のオリジナルよりアーカイブ。 2007年10月25日閲覧。
  111. ^ ウィトゥーン・ジュワラハウォン。「魚ロボット」。フィールドロボティクス研究所。2007年11月4日時点のオリジナルよりアーカイブ。 2007年10月25日閲覧。
  112. ^ 「Festo - AquaPenguin」。2009年4月17日 – YouTube経由
  113. ^ 「高速ロボット魚」iSplash-Robotics。2020年3月11日時点のオリジナルよりアーカイブ。2017年1月7日閲覧。
  114. ^ 「iSplash-II：本物の魚を上回る高速アゴ状泳ぎの実現」（PDF） 。エセックス大学ロボティクスグループ。 2015年9月30日時点のオリジナル（PDF）よりアーカイブ。2015年9月29日閲覧
  115. ^ 「iSplash-I：全身協調性を備えたアゴ状ロボット魚の高性能遊泳動作」（PDF） 。エセックス大学ロボティクスグループ。 2015年9月30日時点のオリジナル（PDF）からアーカイブ。 2015年9月29日閲覧。
  116. ^ Jaulin, Luc; Le Bars, Fabrice (2013年2月). 「安定性解析のための区間アプローチ：セイルボートロボティクスへの応用」. IEEE Transactions on Robotics . 29 (1): 282– 287. Bibcode :2013ITRob..29..282J . CiteSeerX 10.1.1.711.7180 . doi :10.1109/TRO.2012.2217794. S2CID  4977937. 
  117. ^ 「ピンポンをするターミネーター」. Popular Science . 2021年1月22日時点のオリジナルよりアーカイブ。2010年12月19日閲覧
  118. ^ 「Synthiam ExosphereはAIと人間のオペレーターを組み合わせてロボットを訓練する」。The Robot Report。2020年10月6日にオリジナルからアーカイブ。 2020年4月29日閲覧。
  119. ^ ab Kagan, Eugene; Ben-Gal, Irad (2015). 探索と採餌：個体運動と群集力学。Chapman and Hall/CRC。ISBN 978-1-4822-4210-2。2023年3月15日にオリジナルからアーカイブ。 2020年8月26日閲覧
  120. ^ Banks, Jaime (2020). 「Optimus Primed：ロボットのメンタルモデルと社会的判断のメディアによる育成」. Frontiers in Robotics and AI . 7.62 . doi : 10.3389/frobt.2020.00062 . PMC 7805817. PMID  33501230 
  121. ^ ab Wullenkord, Ricarda; Fraune, Marlena R.; Eyssel, Friederike; Sabanovic, Selma (2016). 「触れ合うこと：想像、現実、そして物理的な接触がロボットの評価にどのように影響するか」2016年第25回IEEE国際ロボット・人間インタラクティブコミュニケーションシンポジウム (RO-MAN) . pp.  980– 985. doi :10.1109/ROMAN.2016.7745228. ISBN 978-1-5090-3929-6. S2CID  6305599
  122. ^ Norberto Pires, J. (2005年12月). 「Robot-by-voice：人間の声を用いた産業用ロボットへの命令実験」. Industrial Robot . 32 (6): 505– 511. doi :10.1108/01439910510629244.
  123. ^ 「人間の言語技術における最先端の調査：1.2：音声認識」. 2007年11月11日時点のオリジナルよりアーカイブ
  124. ^ Fournier, Randolph Scott; Schmidt, B. June (1995). 「音声入力技術：学習スタイルとその利用に対する態度」Delta Pi Epsilon Journal 37 ( 1): 1– 12. ProQuest  1297783046.
  125. ^ 「音声認識と文字起こしソフトウェアの歴史」Dragon Naturally Speaking。2015年8月13日時点のオリジナルからアーカイブ。 2007年10月27日閲覧。
  126. ^ Cheng Lin, Kuan; Huang, Tien-Chi; Hung, Jason C.; Yen, Neil Y.; Ju Chen, Szu (2013年6月7日). 「感情コンピューティングに基づく学習に向けた顔の感情認識」Library Hi Tech . 31 (2): 294– 307. doi :10.1108/07378831311329068
  127. ^ Walters, ML; Syrdal, DS; Koay, KL; Dautenhahn, K.; Te Boekhorst, R. (2008). 「異なるロボットの音声スタイルを持つ機械的な外観のロボットへの人間の接近距離」RO-MAN 2008 - 第17回IEEE国際ロボット・人間対話コミュニケーションシンポジウム. pp.  707– 712. doi :10.1109/ROMAN.2008.4600750. ISBN 978-1-4244-2212-8 . S2CID  8653718
  128. ^ Pauletto, Sandra; Bowles, Tristan (2010). 「ロボット音声信号の感情的内容の設計」.第5回Audio Mostly Conference on Interaction with Sound - AM '10 議事録. pp.  1– 8. doi :10.1145/1859799.1859804. ISBN 978-1-4503-0046-9. S2CID  30423778.
  129. ^ Bowles, Tristan; Pauletto, Sandra (2010). 声の感情：ロボット音声の人間化(PDF) . 第7回Sound and Music Computing Conference議事録. バルセロナ. 2023年2月10日時点のオリジナルからアーカイブ(PDF)。2023年3月15日閲覧
  130. ^ 「2-XLの世界：リーチム」www.2xlrobot.com。2020年7月5日にオリジナルからアーカイブ。2019年5月28日閲覧。
  131. ^ 「マサチューセッツ州ボストン発ボストン・グローブ紙 1974年6月23日 132ページ」Newspapers.com。1974年6月23日。2020年1月10日にオリジナルからアーカイブ。2019年5月28日閲覧。
  132. ^ 「cyberneticzoo.com - 194ページ中135ページ - サイバネティック動物と初期ロボットの歴史」cyberneticzoo.com。2020年8月6日にオリジナルからアーカイブ。2019年5月28日閲覧
  133. ^ 「フラバーの表情」。2009年2月7日時点のオリジナルよりアーカイブ
  134. ^ 「2008年のベスト発明 - TIME」Time誌、2008年10月29日。2008年11月2日時点のオリジナルよりアーカイブ - www.time.comより。
  135. ^ 「Kismet：MIT AIラボのロボットが人間とインタラクト」サム・オグデン。2007年10月12日時点のオリジナルよりアーカイブ。2007年10月28日閲覧。
  136. ^シュテファン・ヴァルドヘル、ロセリ・ロメロ、セバスチャン・スラン（2000年9月 1日）。「人間 とロボットのインタラクションのためのジェスチャーベースインターフェース」。自律ロボット。9 (2): 151– 173。doi : 10.1023 /A:1008918401478。S2CID 1980239
  137. ^ Li, Ling Hua; Du, Ji Fang (2012年12月). 「視覚ベースのハンドジェスチャー認識システム」.応用力学・材料. 263– 266: 2422– 2425.書誌コード:2012AMM...263.2422L. doi :10.4028/www.scientific.net/AMM.263-266.2422. S2CID  62744240.
  138. ^ 「アルメニアのロボット、ロビンが7月から米国のクリニックで子供たちを慰める」.アルメニア公共ラジオ. 2021年5月13日時点のオリジナルからアーカイブ。2021年5月13日閲覧
  139. ^ Park, S.; Sharlin, Ehud; Kitamura, Y.; Lau, E. (2005年4月29日). ロボットの合成人格と人間とロボットの関係への影響（報告書）. doi :10.11575/PRISM/31041. hdl :1880/45619.
  140. ^ 「ロボット受付係が道案内と態度を伝える」NPR.org . 2020年12月1日時点のオリジナルよりアーカイブ。 2018年4月5日閲覧。
  141. ^ 「ニューサイエンティスト：優れたロボットは人格を持つが外見は持たない」（PDF） 。 2006年9月29日時点のオリジナル（PDF）よりアーカイブ
  142. ^ 「恐竜型ロボット友達、プレオと遊ぼう」2008年9月25日。2019年1月20日にオリジナルからアーカイブ。 2014年12月14日閲覧。
  143. ^ NOVAとモラベック教授の対談、1997年10月。NOVA Online、2017年8月2日にWayback Machineにアーカイブ。
  144. ^ Agarwal, PK 『Elements of Physics XI』、Rastogi Publications、2ページ。ISBN   978-81-7133-911-2.
  145. ^ Sandhana, Lakshmi (2002年9月5日). 「ロボットのための進化理論」Wired。2014年3月29日にオリジナルからアーカイブ。 2007年10月28日閲覧
  146. ^ 「ロボットの実験的進化が生物学的コミュニケーションの出現を探る」サイエンス・デイリー、 2007年2月24日。2018年11月16日時点のオリジナルよりアーカイブ。 2007年10月28日閲覧。
  147. ^ Žlajpah, Leon (2008年12月15日). 「ロボット工学におけるシミュレーション」. Mathematics and Computers in Simulation . 79 (4): 879– 897. doi :10.1016/j.matcom.2008.02.017.
  148. ^ 「進化がロボットチームを訓練する TRN 051904」. Technology Research News . 2016年6月23日時点のオリジナルからアーカイブ。 2009年1月22日閲覧。
  149. ^ Müller, Christopher (2023). World Robotics 2023 – Industrial Robots. Frankfurt, Germany: IFR Statistical Department, VDMA Services GmbH.
  150. ^ タンドン、プラティーク (2017).量子ロボティクス。Morgan & Claypool Publishers。ISBN 978-1-62705-913-8.
  151. ^ Dragani, Rachelle (2018年11月8日). 「ロボットはあなたを『スーパーワーカー』にできるか？」. Verizon Communications . 2020年8月6日時点のオリジナルよりアーカイブ。 2018年12月3日閲覧。
  152. ^ 「ロボティクス」. American Elements . 2023年4月10日閲覧。
  153. ^ 「キャリア：ロボティクスエンジニア」. Princeton Review . 2012年. 2015年1月21日時点のオリジナルよりアーカイブ。2012年1月27日閲覧
  154. ^ Saad, Ashraf; Kroutil, Ryan (2012).中高生のためのロボット工学を用いたプログラミング概念の実践学習．ACM第50回年次南東部地域会議議事録．ACM．pp.  361– 362. doi :10.1145/2184512.2184605.
  155. ^ Toy, Tommy (2011年6月29日). 「2011年以降のロボット工学と自動化の見通しは良好だと専門家は語る」．PBTコンサルティング．2012年1 月27日時点のオリジナルからアーカイブ。 2012年1月27日閲覧
  156. ^ フレイ、カール・ベネディクト、オズボーン、マイケル・A.（2017年1月）「雇用の未来：仕事はコンピュータ化の影響を受けやすいか？」技術予測と社会変化. 114 : 254–280 . CiteSeerX 10.1.1.395.416 . doi :10.1016/j.techfore.2016.08.019. 
  157. ^ マクゴーヒー、ユアン（2019年10月16日）「ロボットはあなたの仕事を自動化するのか？完全雇用、ベーシックインカム、そして経済的民主主義」LawArXiv Papers . doi :10.31228/osf.io/udbj8. S2CID  243172487. SSRN  3044448
  158. ^ ホーキング、スティーブン（2016年1月1日）「今こそ地球にとって最も危険な時だ」ガーディアン紙。2021年1月31日時点のオリジナルよりアーカイブ。 2019年11月22日閲覧。
  159. ^ 「ロボティクス - テーマ別研究」GlobalData。2021年9月28日時点のオリジナルよりアーカイブ。2021年9月22日閲覧。
  160. ^ 「仕事の未来に関するレビュー記事に関するフォーカルポイントセミナー - 職場の安全と健康 - EU-OSHA」osha.europa.eu。2020年1月25日時点のオリジナルよりアーカイブ。2016年4月19日閲覧
  161. ^ 「ロボティクス：犯罪防止、公共の安全、セキュリティの再定義」SourceSecurity.com。2017年10月9日にオリジナルからアーカイブ。 2016年9月16日閲覧。
  162. ^ 「インテリジェントアシストデバイスの規格案 - 人員安全要件」（PDF） 。 2020年11月25日にオリジナルからアーカイブ（PDF） 。 2016年6月1日閲覧。
  163. ^ 「ISO/TS 15066:2016 - ロボットおよびロボットデバイス - 協働ロボット」2016年3月8日。2016年10月10日にオリジナルからアーカイブ。2016年6月1日閲覧
  164. ^ Brogårdh, Torgny (2007年1月). 「ロボット制御開発の現状と将来 ― 産業的視点」. Annual Reviews in Control . 31 (1): 69– 79. doi :10.1016/j.arcontrol.2007.01.002. ISSN  1367-5788.
  165. ^ Wang, Tian-Miao; Tao, Yong; Liu, Hui (2018年4月17日). 「知能ロボットの現在の研究と将来の開発動向：レビュー」. International Journal of Automation and Computing . 15 (5): 525– 546. doi :10.1007/s11633-018-1115-1. ISSN  1476-8186. S2CID  126037910
  166. ^ ニーダム、ジョセフ（1991年）『中国における科学と文明：第2巻、科学思想史』ケンブリッジ大学出版局。ISBN   978-0-521-05800-1.
  167. ^ ファウラー、チャールズ・B（1967年10月）「音楽博物館：機械楽器の歴史」ミュージック・エデュケーターズ・ジャーナル。54 ( 2): 45– 49. doi :10.2307/3391092. JSTOR  3391092. S2CID  190524140
  168. ^ マーク・E・ロスハイム（1994年）『ロボットの進化：ロボット工学の発展』Wiley-IEEE、9～10ページ。ISBN  978-0-471-02622-8.
  169. ^ アル＝ジャザリ（イスラム芸術家）2008年5月7日、ウェイバックマシンにアーカイブ、ブリタニカ百科事典
  170. ^ A. P. Yuste. Electrical Engineering Hall of Fame. Early Developments of Wireless Remote Control: The Telekino of Torres-Quevedo,(pdf) vol. 96, No. 1, January 2008, Proceedings of the IEEE.
  171. ^ H. R. Everett (2015). Unmanned Systems of World Wars I and II. MIT Press. pp. 91–95. ISBN 978-0-262-02922-3.
  172. ^ Randy Alfred, "Nov. 7, 1905: Remote Control Wows Public", Wired, 7 November 2011.
  173. ^ Williams, Andrew (16 March 2017). History of Digital Games: Developments in Art, Design and Interaction. CRC Press. ISBN 978-1-317-50381-1.
  174. ^ Randell, Brian (October 1982). "From Analytical Engine to Electronic Digital Computer: The Contributions of Ludgate, Torres, and Bush". IEEE Annals of the History of Computing. 4 (4): 327–341. doi:10.1109/MAHC.1982.10042. S2CID 1737953.
  175. ^ L. Torres Quevedo. Ensayos sobre Automática - Su definicion. Extension teórica de sus aplicaciones, Revista de la Academia de Ciencias Exacta, Revista 12, pp.391-418, 1914.
  176. ^ Torres Quevedo, Leonardo. Automática: Complemento de la Teoría de las Máquinas, (pdf), pp. 575-583, Revista de Obras Públicas, 19 November 1914.
  177. ^ L. Torres Quevedo. Essais sur l'Automatique - Sa définition. Etendue théorique de ses applications Archived 2023-02-10 at the Wayback Machine, Revue Génerale des Sciences Pures et Appliquées, vol.2, pp.601-611, 1915.
  178. ^ B. Randell. Essays on Automatics, The Origins of Digital Computers, pp.89-107, 1982.
  179. ^ PhD, Renato M.E. Sabbatini. "Sabbatini, RME: An Imitation of Life: The First Robots". Archived from the original on 2009-07-20. Retrieved 2023-03-15.
  180. ^ Waurzyniak, Patrick (2006). "Masters of Manufacturing: Joseph F. Engelberger". Society of Manufacturing Engineers. 137 (1). Archived from the original on 2011-11-09.
  181. ^ "Humanoid History -WABOT-". www.humanoid.waseda.ac.jp. Archived from the original on 2017-09-01. Retrieved 2017-05-06.
  182. ^ Zeghloul, Saïd; Laribi, Med Amine; Gazeau, Jean-Pierre (2015年9月21日). ロボティクスとメカトロニクス：第4回IFToMM国際ロボティクス・メカトロニクスシンポジウム議事録. Springer. ISBN  978-3-319-22368-1. 2023年3月15日時点のオリジナルよりアーカイブ。2017年9月10日閲覧– Googleブックス経由。
  183. ^ 「Historical Android Projects」. androidworld.com . 2005年11月25日時点のオリジナルよりアーカイブ。 2017年5月6日閲覧。
  184. ^ Robots: From Science Fiction to Technological Revolution at the Wayback Machine 2023年3月15日アーカイブ、 130ページ
  185. ^ ダフィー、ヴィンセント・G.（2016年4月19日）. デジタルヒューマンモデリングハンドブック：応用人間工学と人間工学のための研究. CRC Press. ISBN 978-1-4200-6352-3. 2023年3月15日時点のオリジナルよりアーカイブ。2017年9月10日閲覧– Googleブックス経由。
  186. ^ 「KUKA 産業用ロボット FAMULUS」. 2009年2月20日時点のオリジナルよりアーカイブ。 2008年1月10日閲覧。
  187. ^ 「産業用ロボットの歴史」（PDF） 。 2012年12月24日時点のオリジナル（PDF）よりアーカイブ。2012年10月27日閲覧
  188. ^ RJ Popplestone、A.P. Ambler、I. Bellos (1978). 「RAPT：アセンブリ記述言語」. Industrial Robot . 5 (3): 131– 137. doi :10.1108/eb004501.
  189. ^ Bozinovski, S. (1994). 「移動ロボット制御のための並列プログラミング：エージェントベースアプローチ」.第14回国際分散コンピューティングシステム会議. pp.  202– 208. doi :10.1109/ICDCS.1994.302412. ISBN 0-8186-5840-1. S2CID  27855786.

参考文献

  • R. アンドリュー・ラッセル (1990).ロボット触覚センシング. ニューヨーク: プレンティス・ホール. ISBN 978-0-13-781592-0.
  •  マクゴーヒー、ユアン（2019年10月16日）「ロボットはあなたの仕事 を自動化するのか？完全雇用、ベーシックインカム、そして経済的民主主義」LawArXiv論文集。doi : 10.31228/osf.io/udbj8。S2CID 243172487。SSRN 3044448
  • オーター、デイビッド・H.（2015年8月1日）「なぜまだこれほど多くの仕事があるのだろうか？職場の自動化の歴史と未来」。Journal of Economic Perspectives 29 (3): 3–30 . doi :10.1257/jep.29.3.3. hdl : 1721.1/109476 .
  • トゥーズ、アダム（2019年6月6日）「民主主義とその不満」。ニューヨーク・レビュー・オブ・ブックス66巻10号
  • IEEEロボティクス・オートメーション協会
  • ソーシャルロボットの調査 - 人間の行動や身振りを模倣するロボット
  • Wired誌による「史上最高のロボット50選」ガイド。フィクションのロボット（Hal、R2D2、K9）から現実のロボット（ルンバ、モボット、アイボ）までを網羅しています。