2015年服務機器人企業(yè)如春筍般崛起，2016年上半年業(yè)界即有“服務機器人正經(jīng)歷資本寒冬”的說法出現(xiàn)。2016年5月31日，中工業(yè)和信息化部發(fā)布解讀稱，中服務機器人市場開始迅速增長。預計到2020年，服務機器人年銷售收入有望超過300億元人民幣。政府的權威報告讓“資本寒冬”的說法不攻自破。以2015年為分界點，不少2015年前進入行業(yè)的品牌已經(jīng)開始B、C輪融資，而2015年后才進入市場的部分品牌也完成了A輪融資，從實際情況來看，該行業(yè)依然是熱門投資領域。
　　服務機器人實際上是多種技術的融合和實現(xiàn)，包括語音交互、導航定位、運動控制、后臺調度管理、多傳感技術、通信等多領域技術。要讓產(chǎn)品成功商用，這些技術缺不可。
　　定位導航技術：
　　得雷達SLAM者，走得更遠
　　行業(yè)的服務機器人企業(yè)，八成都采用了SLAM技術。簡單來說，SLAM技術是指機器人在未知環(huán)境中，完成定位、建圖、路徑規(guī)劃的整套流程。
　　隨著谷歌無人駕駛車的使用，基于激光雷達技術的雷達SLAM算法也變成了科研界的熱門話題。據(jù)介紹，雷達SLAM雖然成本較高，但卻是目前穩(wěn)定、可靠、高性能的SLAM方式。剛剛完成A輪融資的深圳優(yōu)地科技有限公司，旗下優(yōu)地機器人采用的正是雷達SLAM。這種技術定位精度控制在±10mm內，能夠確保機器人在完全未知的環(huán)境中創(chuàng)造地圖，同時根據(jù)地圖進行定位、導航、自主規(guī)劃路線。也就是說你下達任務后以后它就能自主規(guī)劃路線、完成任務后回到迎賓地點，無需人工操作，與谷歌無人駕駛技術有異曲同工之妙。
　　SLAM技術目前已廣泛應用于AR、機器人、無人駕駛等新興領域，其中雷達SLAM因良好的指向性與高度聚焦性，成為行業(yè)主流定位導航方式。
　　運動控制技術：
　　輪動機器人更符合市場需求
　　有趣好玩的雙足機器人你定都見過，然而事實是這類機器人穩(wěn)定性差，移動速度慢，并且推就倒。而輪式、履帶式的服務機器人則擁有更好的平衡性，在運動過程中更穩(wěn)定。
　　“我們的機器人采用自主研發(fā)的輪式底盤，輪式底盤具有更強的穩(wěn)定性、可靠性和耐用性。”優(yōu)地科技負責人接受采訪時表示，“比如有的機器人只能在平地行走，而我們機器人可以爬坡，只要坡度不超過15度都可以，整機可以承重40kg。”
　　目前雙足機器人主要有電機和液壓兩種運動控制方式，前者結構相對簡單，但負載能力有限;后者雖然有較大的負載能力，但結構復雜。而輪式、履帶式機器人的運動控制方式主要由縱向控制和橫向控制兩部分組成，前者調節(jié)移動速度;后者調節(jié)移動軌跡。在運動、避障過程中，輪式、履帶式機器人能夠根據(jù)速度的不同采取不同的控制策略，以保持整體的穩(wěn)定性。從目前的技術發(fā)展和實用性來看，輪式、履帶式的機器人顯然更符合市場需求。
　　多傳感器融合技術：
　　終體現(xiàn)產(chǎn)品差異化功能
　　傳感器如同機器人的“五官”，機器人通過傳感器獲取外界信息，以滿足探測和數(shù)據(jù)采集的需要。系統(tǒng)通過綜合、互補、修正、分析所得信息，從而完成決策，快速作出反應。未來的機器人想要做得更像人，多傳感器融合技術至關重要。比如日本Pepper機器人就配有1個3D傳感器、5個觸摸傳感器、2個陀螺儀、2個聲波定位儀、3個緩沖傳感器、6個激光傳感器。通過這項技術，Pepper能識別人的表情、語氣、周圍環(huán)境，并根據(jù)人的情緒做出更豐富的、更人性化的反應。
　　目前我主流服務機器人主要配有紅外傳感器、超聲波傳感器、觸覺傳感器、視覺傳感器等。實際上，如果服務機器人想要完成更多、更復雜的任務，還需配備更多的傳感器。多傳感器融合技術的成熟與否，將直接體現(xiàn)在服務機器人的差異化功能上。
　　深度學習算法：
　　機器學習里的重要突破
　　“機器學習里面重要的個突破，就是深度學習。”李開復近在公開演講中表示，“深度學習，簡單的理解，就是給非常非常大的神經(jīng)元，用特別大量的數(shù)據(jù)充進去訓練。它就可以在某個領域，在識別方面、分類方面，或者預測方面，遠遠超過任何過去的算法。”
　　所謂深度學習算法，就是機器人模仿人腦構建神經(jīng)網(wǎng)絡，并通過信息收集、建立模型的方式來解釋數(shù)據(jù)，以達到機器學習的功能。機器人通過解析、學習數(shù)據(jù)，更易理解人類的語言、行動，并做出更精準的回應。谷歌的阿爾法狗在“出道前”就是不斷地和自己下棋，研習棋譜，讓系統(tǒng)進行自我博弈，并迅速完成自我進化。
　　傳統(tǒng)機器人無法理解語意、環(huán)境，而深度學習算法的出現(xiàn)則改變了這種現(xiàn)狀。獲取的復雜數(shù)據(jù)模型越多，機器人就越“聰明”，它不再是機械性地完成任務，而是有“思考”、有“判斷”地模仿人類做出相應的舉動。不過，受技術水平、大數(shù)據(jù)獲取難題以及云運算效率等因素限制，目前深度學習算法還存在定的瓶頸，想要廣泛應用于服務機器人中，恐怕還需要段時間。
　　智能語音、通信技術和后臺管理技術等都將是企業(yè)能否搶占市場份額的關鍵技術。因文章篇幅限制，這里不再展開討論。
　　據(jù)報道，2016年12月中機器人產(chǎn)業(yè)聯(lián)盟將陸續(xù)發(fā)布3項聯(lián)盟標準，17項機器人產(chǎn)業(yè)聯(lián)盟標準。2017年，垂直應用場景與產(chǎn)業(yè)標準兩大現(xiàn)實因素也是服務機器人企業(yè)需要考量的重點。垂直應用場景的選擇決定了機器人深耕的領域、方向，而能否符合標準規(guī)范則決定了機器人能否進入市場銷售。