通过协作机器人技术，机器人已经走出笼子，在人类也在场的环境中工作。然而，在那些结构化程度较低的环境或与人类有高度互动的环境中，互动仍然是有限的，并难以传播。

人工智能已经使工业和其他应用中的自动化系统得到发展，并具有不同程度的自主性。然而，应用仍然很复杂，需要的协作超出了机器人和操作者之间的物理协作，而是以知识和决策的共享为前提。

在Siri(意大利机器人和自动化协会)组织的一次会议上讨论了这些挑战，但也讨论了人工智能提供的许多机会，该会议在10月12日至15日在Rho的Fiera Milano举行的两年一度的机床展览会(BiMu)的第三天结束。

在人工视觉领域获得的改进使机器能够解释或多或少复杂的情况：从识别道路标志到在多个机器人必须相互交互和协调的系统中使用。

这些改进实现了执行日益复杂的任务所必需的感知、推理和行动的循环。随着信息越来越丰富，机器人的决策自主性也可以提高，因此可以考虑在非结构化的环境中应用，如物体丰富或变化性大的环境（如农业）以及有人类行为者的环境，因此也需要人类的感知。

借助人工智能，甚至在决策层与机器合作

这种认识对于提高人与机器人之间可能存在的互动和协作水平是必要的。而在人类将与机器共享日常空间（如街道、房屋、餐厅等）的情况下，需要双向协作和沟通，以便这些系统能够以最佳方式做出自主决定。

因此，我们面临的挑战是如何超越目前的互动水平，从基本的互动--系统自动完成某些任务，与人进行单向交流，没有任何形式的合作--到机器人在人的监督下自主执行任务的自动化，再到所谓的 "人在执行圈"，人和机器人在同一环境中工作，但在决策层面没有共享。

罗马萨皮恩扎大学计算机、自动和管理工程系教授Luca Iocchi解释说："在人类和机器的认知关系中，我们想要实现的是甚至在心理层面上分享信息。从人工智能的角度来看，这带来了巨大的挑战，因为这是一个在认知层面进行合作的问题，例如在人类和机器之间的推理和学习层面，但这是可能导致人类和机器人之间真正合作的要素。"

为了实现这种类型的协作，机器人必须能够 "设身处地 "为人着想，从而不仅能够推理它在环境中看到的东西，而且能够推理人本身，就像人类之间的互动一样。

他补充说："这些事情听起来非常复杂，但在一些研究项目中，这些技术也有应用，比如欧洲项目AIPlan4EU，机器人将不仅在物理层面与人合作，而且能够学习新的动作，与人互动并接受指导。我们想要的是通过有效和即时的合作，提高公司使用这些机器人的灵活性，而不需要操作者拥有详细的知识。“

工厂内部的挑战

但是，即使在工厂内部，现在协作机器人技术提供的梯度互动仍然需要取得进展，以便机器人技术能够真正释放其全部潜力，特别是在灵活性和改善过程的人机工程学方面。

同样，正是由于 "操作者模式 "的缺失，使得机器人和人类之间的真正合作变得困难。一些公司已经拥有由甚至几百个交互式机器人组成的系统。一个例子是亚马逊，它在一些物流中心使用这种机器人系统。

维罗纳大学计算机科学系教授亚历山德罗-法里内利（Alessandro Farinelli）解释说："然而，这些都是非常大的和工程化的环境。因此，我们必须努力解决的挑战是寻求更大的灵活性和稳健性，以便将这些系统也用于有人类存在的较少工程的环境中。"

因此，人工智能的挑战还在于协调，即使这些机器人能够与许多其他机器人合作，同时与操作员合作，完成非常复杂的任务。协调工作既需要计划，也需要学习对来自环境的刺激做出反应，如未预见的事件。

如果这在多机器人互动中是困难的，但也是可能的--由于强化学习等技术，当人类被加入到这个等式中时，情况就变得更加复杂。

那不勒斯费德里科二世大学电气工程和信息技术系教授阿尔贝托-芬奇（Alberto Finzi）补充说："这不是一个规模问题，你不需要更大的网络和更强大的计算机，你需要不同的方法论，以某种方式设法使人类操作员与机器人互动。运营商模式是缺失的。"

除了这一技术障碍外，还有许多其他障碍，正如会议上其他发言者所解释的那样，包括：经济障碍，即为使公司内更多地使用人工智能所需的投资；缺乏知识基础；以及可靠方法和数据的可用性。

因此，在工厂内外实现人类和机器人之间更深入的合作所面临的挑战是多方面的，影响到各种技术层面--从感知到控制--尽管它们主要是算法性质的。

解决这些问题需要促进学术界和工业界之间的合作，正如Siri公司总裁Domenico Appendino所解释的：“在我们国家，有一种学术上的卓越和一种工业上的卓越，往往仍然在两个不同的轨道上行驶。我们协会的价值之一是努力将这些行为者聚集在一起。”