Exteroception

• 又称: exteroceptive sensing, external sensing
• 类别: Sensing › Exteroceptive
• 标签: sensing, perception, sensor-classification, proprioception, perceptive-locomotion

利用相机、激光雷达、雷达、声呐等传感器对机器人外部环境的感知，与感知机器人自身关节和运动的本体感觉相对。

定义

外部感觉（exteroception）是机器人对其自身身体之外世界的感知：周围地面、障碍物、物体和人的形状、外观与位置。这个术语来自生理学，Charles Sherrington 在其中把视觉和听觉等外部感觉与感知身体自身位置和运动的本体感觉区分开来。在机器人学中，这一对概念是对传感器进行分类的标准方式。外部感觉传感器包括相机、深度相机、激光雷达、雷达、超声波测距仪、麦克风和 GNSS 接收机；本体感觉传感器包括关节编码器、电机电流检测和 IMU。

这条界线并不总是分明。IMU 感知机器人自身的运动，但也感知重力方向；触觉和力传感器测量的是与环境的接触，但在腿式运动研究中通常被归入本体感觉。一个实用的判断标准是：信号主要描述的是机器人的内部状态，还是其周围的世界。外部感觉数据通常维度很高，到达时有一定延迟，并受光照、天气、灰尘、反射和遮挡的影响。本体感觉数据维度低、速度快、可靠，但在机器人接触环境之前，它无法揭示关于环境的任何信息。

机器人设计的很大一部分工作就是把两者结合起来。在腿式运动中，只使用本体感觉的盲走控制器很鲁棒，但只有在接触之后才能对地形作出反应；而感知型控制器加入外部感觉输入，例如来自高程图的高度采样，使机器人能够提前规划落脚。由于外部感觉可能失效或产生误导，例如在高草、积雪、玻璃或水面上，鲁棒的系统会估计对它的信任程度，并在两者不一致时退回到本体感觉。TartanDrive 等车辆数据集把外部感觉数据流（例如前置相机图像以及俯视的高度图和颜色图）与本体感觉信号一同记录，使模型能够学习地形如何影响车辆的运动。

为何重要

外部感觉是机器人了解任何尚未接触之物的途径：障碍物、前方地形、要抓取的物体以及附近的人。了解每种外部感觉传感器能看到什么、在何处失效以及如何与本体感觉结合，是设计任何在非结构化环境中工作的机器人的基本内容。

主要应用

• 移动机器人的障碍物检测与避障
• 在楼梯和崎岖地形上的感知型腿式运动
• 用于操作的物体检测与位姿估计
• 建图、定位与 SLAM
• 越野驾驶中的地形分类
• 为保障安全而检测和跟踪人员

实际应用

一个四足机器人团队为一个已经能盲走的行走控制器加入感知层。深度相机和一台激光雷达为机器人周围的高程图提供数据，策略除了关节状态和 IMU 数据之外，还接收每只脚周围的高度采样。测试中，机器人现在能爬上以前会绊倒的楼梯，但在高草中会踉跄，因为地图在那里显示了一个实际上并不存在的坚实表面。团队用随机化和损坏的高度图重新训练策略，使它学会在脚的接触与地图不一致时依赖本体感觉，并记录两路数据流，以找出外部感觉输入误导机器人的地形。

常见误解

• 外部感觉就是相机 — 它涵盖对外部世界的任何感知，包括激光雷达、雷达、声呐、麦克风和 GNSS
• 更多的外部感觉传感器总能让机器人更鲁棒 — 每增加一个都会带来新的失效模式和延迟，而且控制器需要有办法判断外部视图何时出错
• 外部感觉和本体感觉是相互竞争的选择 — 大多数能力强的机器人把两者结合起来，用本体感觉提供快速、可靠的反馈，用外部感觉进行预判
• 每个传感器都能清晰地归入一个类别 — IMU、接触传感器和力传感器处于边界附近，如何归类取决于信号的用途

谁需要了解

• 感知与传感工程师
• 腿式与移动机器人运动开发者
• 传感器融合与状态估计工程师
• 学习传感器分类的机器人专业学生

相关技术

• 激光雷达（Lidar）
• 立体与飞行时间深度相机（Stereo and Time-of-Flight Depth Cameras）
• 雷达（Radar）
• 超声波测距仪（Ultrasonic Rangefinders）
• 高程建图（Elevation Mapping）
• 多模态传感器融合（Multimodal Sensor Fusion）

相关术语

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

相关项目

• 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