Exteroception

• 又稱: exteroceptive sensing, external sensing
• 類別: Sensing › Exteroceptive
• 標籤: sensing, perception, sensor-classification, proprioception, perceptive-locomotion

以攝影機、光達、雷達、聲納等感測器感知機器人外部的環境，相對於感測機器人自身關節與運動的本體感知。

定義

外部感知（exteroception）是機器人對自身身體以外之世界的感知：周遭地面、障礙物、物體與人的形狀、外觀與位置。這個名詞來自生理學，Charles Sherrington 在其中把視覺與聽覺等外部感知，與感知身體自身位置和運動的本體感知區分開來。在機器人學中，這一組概念是為感測器分類的標準方式。外部感知感測器包括攝影機、深度攝影機、光達、雷達、超音波測距儀、麥克風與 GNSS 接收器；本體感知感測器包括關節編碼器、馬達電流感測與 IMU。

這條界線不一定分明。IMU 感測機器人自身的運動，但也感測重力的方向；觸覺與力感測器量測的是與環境的接觸，但在足式運動的研究中通常被歸入本體感知。一個實用的判斷方式是：訊號主要描述的是機器人的內部狀態，還是它周遭的世界。外部感知資料通常維度很高、會有一些延遲，並受到光線、天氣、灰塵、反射與遮擋的影響。本體感知資料維度低、快速又可靠，但在機器人碰觸到環境之前，它無法透露任何關於環境的資訊。

機器人設計有很大一部分在於把兩者結合起來。在足式運動中，只用本體感知的盲走控制器很穩健，但只能在接觸之後才對地形做出反應；感知型控制器則加入外部感知輸入，例如來自高程地圖的高度取樣，讓機器人能事先安排落腳位置。由於外部感知可能失效或造成誤導，例如在高草、積雪、玻璃或水面上，穩健的系統會估計該信任它到什麼程度，並在兩者不一致時退回本體感知。TartanDrive 等車輛資料集把外部感知資料流（例如前方攝影機影像，以及俯視的高度圖與色彩圖）與本體感知訊號一起記錄，讓模型能學習地形如何影響車輛的運動。

為何重要

外部感知是機器人了解任何尚未碰觸之物的方式：障礙物、前方地形、要抓取的物體與附近的人。了解每一種外部感知感測器能看到什麼、在哪裡會失效，以及如何與本體感知結合，是設計任何在非結構化環境中運作之機器人的基本功。

主要應用

• 移動機器人的障礙物偵測與避障
• 在樓梯與崎嶇地形上的感知型足式運動
• 用於操作的物體偵測與姿態估測
• 建圖、定位與 SLAM
• 越野駕駛的地形分類
• 為了安全而偵測與追蹤人員

實際應用

一個四足機器人團隊，為一個原本就能盲走的行走控制器加上感知層。深度攝影機與一台光達為機器人周圍的高程地圖提供資料，策略除了關節狀態與 IMU 資料之外，也會收到每隻腳周圍的高度取樣。測試中，機器人現在能爬上以前會絆倒的樓梯，但在高草中會踉蹌，因為地圖在那裡顯示了一個實際上不存在的堅實表面。團隊以隨機化與損壞的高度圖重新訓練策略，讓它學會在腳的接觸與地圖不一致時依賴本體感知，並記錄兩路資料流，以找出外部感知輸入誤導機器人的地形。

常見誤解

• 外部感知就是攝影機 — 它涵蓋對外部世界的任何感測，包括光達、雷達、聲納、麥克風與 GNSS
• 外部感知感測器越多，機器人一定越穩健 — 每增加一個都會帶來新的失效模式與延遲，而且控制器需要有辦法判斷外部的觀測何時出錯
• 外部感知與本體感知是互相競爭的選項 — 大多數能力強的機器人會結合兩者，以本體感知提供快速、可靠的回授，以外部感知進行預判
• 每個感測器都能清楚歸入某一類 — IMU、接觸感測器與力感測器位在界線附近，如何分類取決於訊號的用途

誰需要了解

• 感知與感測工程師
• 足式與移動機器人運動開發人員
• 感測器融合與狀態估測工程師
• 學習感測器如何分類的機器人學學生

相關技術

• 光達（Lidar）
• 立體與飛行時間深度攝影機（Stereo and Time-of-Flight Depth Cameras）
• 雷達（Radar）
• 超音波測距儀（Ultrasonic Rangefinders）
• 高程建圖（Elevation Mapping）
• 多模態感測器融合（Multimodal Sensor Fusion）

相關術語

• Proprioception
• LIDAR
• Depth Camera
• RGB Camera
• Elevation Map
• Sensor Fusion

相關專案

• Open3D: Modern library for 3D point cloud processing, mesh operations, and 3D machine learning
• PCL: Industry-standard C++ library for point cloud processing in robotics perception
• OpenMind OM1: AI-native operating system for robots with modular perception, cognition, and action
• Patchwork++: Fast and robust ground segmentation for 3D LiDAR point clouds from KAIST
• Vision Pilot: Autoware Foundation's open-source L2 ADAS stack from a single camera
• RAI: Vendor-agnostic agent framework for ROS 2 robots and physical AI