机器人感知技术（Robotic Perception）在过去十年的演进，是机器人从“盲目执行命令的机器”进化为“具备空间智能与语义理解的智能体”的核心驱动力。

在专业视角下，感知的边界已从单一的几何重建（Geometry Reconstruction），跨越到深度语义关联（Semantic Association），并最终向**具身世界模型（Embodied World Models）**演进。

一、 硬件层面的范式转移：从“离散传感器”到“高维多模态融合”

1. 视觉与激光的融合：从 2D 到 4D 的跨越

• 十年前（2015年前后）： 依赖 2D 激光雷达（LiDAR）和单目摄像头。感知结果多为二维平面投影，难以处理悬空障碍物或动态环境。
• 十年演进： * 高线束与固态 LiDAR： 实现了厘米级的 3D 点云重建。
• 4D 成像雷达（4D Imaging Radar）： 增加了高度信息和更精确的多普勒速度测量，在极端天气下的鲁棒性远超视觉。
• 深度相机（RGB-D）： 如 RealSense 或 iToF 技术的普及，让消费级机器人也具备了室内近距离的高精度三维感知能力。

2. “触觉”的觉醒：电子皮肤（E-skin）与阵列化感应

• 前沿视角： 机器人感知不再仅限于“视觉”。在操作（Manipulation）领域，**视觉-触觉融合（Visuo-tactile Fusion）**成为突破口。
• 以 GelSight 为代表的高分辨率触觉传感器，通过捕捉凝胶表面的微小形变，使机器人能感知物体的纹理、硬度甚至滑动状态。

二、 算法架构的演进：从“手工特征”到“端到端语义空间”

1. 特征工程的消亡与深度学习的统治

• 初期： 依赖 SIFT、ORB 等手工设计的特征点进行定位与识别。
• 中期： CNN 统治了目标检测与分割。但模块化的感知（感知、规划、控制分离）导致了显著的信息损耗。

2. BEV（鸟瞰图）与 Occupancy Networks（占用网络）

• 专业视角： 自动驾驶与高性能 AMR（移动机器人）在 2022 年后全面倒向 BEV + Transformer 架构。
• BEV（Bird’s Eye View）： 将多个摄像头的图像统一映射到顶视空间，解决了跨相机遮挡与空间一致性问题。
• Occupancy Networks： 将环境离散化为三维体素，不仅识别“这是什么”，更预测“该空间是否被占用”，即使面对从未见过的物体（非标准障碍物），机器人也能实现安全避障。

3. 从 3D 几何到 NeRF/GS 的神经渲染重建

• 前沿趋势： **神经辐射场（NeRF）**和 **3D 高斯泼溅（Gaussian Splatting）**正在改变机器人建图。
• 传统 SLAM 只能构建稀疏点云，而神经渲染技术让机器人能构建出具备真实感、可微分的环境模型，为机器人在复杂光照下的精细操作提供了物理级的基础。

三、 认知层面的质变：从“目标识别”到“语义理解与常识推理”

1. 语义 SLAM 的深化

• 机器人不仅知道那里有一个“长方体”，还知道那是一张“桌子”。通过将语义标签整合进导航地图，机器人开始理解人类的复杂指令（如“去有咖啡机的地方”）。

2. VLM（视觉语言模型）驱动的感知

• 当前前沿： VLM（如 CLIP, PaLM-E） 的引入，让感知具备了常识。
• 当机器人看到一个翻倒的杯子，感知系统不再只是识别“杯子”，而是通过 VLM 理解“液体可能洒出”这一隐性语义，从而引导规划算法做出避让。

四、 机器人感知十年技术对照表

五、 前沿展望：迈向“世界模型（World Models）”

机器人感知技术的终极目标是构建世界模型。

• 自监督预测： 机器人通过感知当前帧，自动预测未来数帧的环境变化（如行人的运动轨迹、物体的受力形变）。
• 具身交互感知： 感知不再是单向的接收，而是通过“试探性动作”（Active Perception）来获取信息。例如，通过轻轻推一下箱子，利用视觉和力觉的实时反馈，感知箱子的质量分布。

总结：
机器人感知的十年，是从**“感知数据（Data）”到“获取信息（Information）”，再到“形成知识（Knowledge）”的进化。2025 年后的感知系统将具备极强的泛化能力**，使其能从结构化的工厂环境彻底走向充满未知的非结构化人类生活空间。