通過協作機器人技術，機器人已經走出籠子，在人類也在場的環境中工作。然而，在那些結構化程度較低的環境或與人類有高度互動的環境中，互動仍然是有限的，并難以傳播。

人工智能已經使工業和其他應用中的自動化系統得到發展，并具有不同程度的自主性。然而，應用仍然很復雜，需要的協作超出了機器人和操作者之間的物理協作，而是以知識和決策的共享為前提。

在Siri(意大利機器人和自動化協會)組織的一次會議上討論了這些挑戰，但也討論了人工智能提供的許多機會，該會議在10月12日至15日在Rho的Fiera Milano舉行的兩年一度的機床展覽會(BiMu)的第三天結束。

在人工視覺領域獲得的改進使機器能夠解釋或多或少復雜的情況：從識別道路標志到在多個機器人必須相互交互和協調的系統中使用。

這些改進實現了執行日益復雜的任務所必需的感知、推理和行動的循環。隨著信息越來越豐富，機器人的決策自主性也可以提高，因此可以考慮在非結構化的環境中應用，如物體豐富或變化性大的環境（如農業）以及有人類行為者的環境，因此也需要人類的感知。

借助人工智能，甚至在決策層與機器合作

這種認識對于提高人與機器人之間可能存在的互動和協作水平是必要的。而在人類將與機器共享日常空間（如街道、房屋、餐廳等）的情況下，需要雙向協作和溝通，以便這些系統能夠以最佳方式做出自主決定。

因此，我們面臨的挑戰是如何超越目前的互動水平，從基本的互動--系統自動完成某些任務，與人進行單向交流，沒有任何形式的合作--到機器人在人的監督下自主執行任務的自動化，再到所謂的 "人在執行圈"，人和機器人在同一環境中工作，但在決策層面沒有共享。

羅馬薩皮恩扎大學計算機、自動和管理工程系教授Luca Iocchi解釋說："在人類和機器的認知關系中，我們想要實現的是甚至在心理層面上分享信息。從人工智能的角度來看，這帶來了巨大的挑戰，因為這是一個在認知層面進行合作的問題，例如在人類和機器之間的推理和學習層面，但這是可能導致人類和機器人之間真正合作的要素。"

為了實現這種類型的協作，機器人必須能夠 "設身處地 "為人著想，從而不僅能夠推理它在環境中看到的東西，而且能夠推理人本身，就像人類之間的互動一樣。

他補充說："這些事情聽起來非常復雜，但在一些研究項目中，這些技術也有應用，比如歐洲項目AIPlan4EU，機器人將不僅在物理層面與人合作，而且能夠學習新的動作，與人互動并接受指導。我們想要的是通過有效和即時的合作，提高公司使用這些機器人的靈活性，而不需要操作者擁有詳細的知識。“

工廠內部的挑戰

但是，即使在工廠內部，現在協作機器人技術提供的梯度互動仍然需要取得進展，以便機器人技術能夠真正釋放其全部潛力，特別是在靈活性和改善過程的人機工程學方面。

同樣，正是由于 "操作者模式 "的缺失，使得機器人和人類之間的真正合作變得困難。一些公司已經擁有由甚至幾百個交互式機器人組成的系統。一個例子是亞馬遜，它在一些物流中心使用這種機器人系統。

維羅納大學計算機科學系教授亞歷山德羅-法里內利（Alessandro Farinelli）解釋說："然而，這些都是非常大的和工程化的環境。因此，我們必須努力解決的挑戰是尋求更大的靈活性和穩健性，以便將這些系統也用于有人類存在的較少工程的環境中。"

因此，人工智能的挑戰還在于協調，即使這些機器人能夠與許多其他機器人合作，同時與操作員合作，完成非常復雜的任務。協調工作既需要計劃，也需要學習對來自環境的刺激做出反應，如未預見的事件。

如果這在多機器人互動中是困難的，但也是可能的--由于強化學習等技術，當人類被加入到這個等式中時，情況就變得更加復雜。

那不勒斯費德里科二世大學電氣工程和信息技術系教授阿爾貝托-芬奇（Alberto Finzi）補充說："這不是一個規模問題，你不需要更大的網絡和更強大的計算機，你需要不同的方法論，以某種方式設法使人類操作員與機器人互動。運營商模式是缺失的。"

除了這一技術障礙外，還有許多其他障礙，正如會議上其他發言者所解釋的那樣，包括：經濟障礙，即為使公司內更多地使用人工智能所需的投資；缺乏知識基礎；以及可靠方法和數據的可用性。

因此，在工廠內外實現人類和機器人之間更深入的合作所面臨的挑戰是多方面的，影響到各種技術層面--從感知到控制--盡管它們主要是算法性質的。

解決這些問題需要促進學術界和工業界之間的合作，正如Siri公司總裁Domenico Appendino所解釋的：“在我們國家，有一種學術上的卓越和一種工業上的卓越，往往仍然在兩個不同的軌道上行駛。我們協會的價值之一是努力將這些行為者聚集在一起。”