毫无疑问，我们有银色的屏幕，感谢今天的大部分闪电在自动化和人工智能方面的快速进步。没有孩子通过童年而没有梦想拥有自己的机器人朋友。今天，机器可以从加工万亿消费者购买的一切努力，以建议在我们拿我们的手机的地方提出吃的地方。

但数字应用只是有用的只有它们代表现实世界中的东西，如交换的好或服务。什么让我们在做一个更适合机器的数千个卑微（甚至危险）任务是手动灵活性，深度感知，情境感知等问题。到达下一个边疆，机器并非更快的计算机，但更好的四肢，但传感器，以及让他们看到和操纵人类的物理世界的其他工具。

来自NHTSA的最新数据报告了30,000名年终死亡人员和150万次伤害机动车事故（2013年）和2420亿美元的经济成本（2010年）。绝大多数这些损失是人为错误的直接结果：分散或受损时驾驶，或者对紧急情况进行太慢反应。计算机没有这些问题。那么为什么他们不能为我们驾驶？

他们实际上可以 - 有时候。在2015年GPU技术会议上，Elon Musk描述了汽车在每小时50英里的公路环境中安全地驱动汽车的任何问题，或在停止距离短的一小时内或10英里。问题是复杂的城市环境，诸如校儿和车道关闭等意外的令人惊喜需要复杂的空间意识和对象识别来安全地导航。

例如，如果一个物体突然出现在自动驾驶汽车前面的道路上，并且安全地避免它的唯一方法就是开车进入沟渠，如果汽车被编程以避免它？当然，它应该取决于对象的原因。但是机器目前无法获取此信息。答案“是”，你有汽车猛烈地们猛烈地进入人民的草坪，以免击中丢弃的报纸。回答“不，”和汽车对行人有危险。

汽车公司不是唯一一所花费的人来解决这种脱节。分析师预计3D传感器市场 - 在2020年将提供33亿美元的物品和其他环境的深度数据，将新兴市场视为重要的增长司机。

例如，为了让FAA允许亚马逊的自主送货蠕动飞行，他们需要能够安全地导航天空，像人物或其他无人机一样环保。吉姆威廉姆斯此前担任FAA的无人机系统集成办公室，告诉Gizmodo认为“传感器技术，因为它开发，最终能够提供相当于瞄准级别的安全水平[到视线行动]。”

这种安全措施来自模仿生物学创新：深入感知。在物理操纵方面，我们已经看到了模仿性质的经验和真正的方法在制造业中具有清晰的自动化行业的优势。例如，Festo仿生灵活的气动手臂，使大象的行李箱复制，与传统的机器人手臂相同，具有更精确的，更美味，而没有工作场所伤害的威胁。

Johns Hopkins大学的研究人员已经开始创建人员的机械复制品，可以直接连接到一个人的大脑。这允许Les Baugh，双边肩膀级截肢者，在40年内首次使用他的手臂拿起物体。近200万令人愉快的患者居住在美国，对这些发展的需求很清楚。

因此，显然可以获得许多功能，从给人类理解和操纵物质世界的能力。但它真正归结为多功能性。现在，设计用于进行实际任务的机器必须从头开始设计;焊接在一起的机器与涂抹它们的机器，或装载其运输容器的机器。

但是一台适应我们所做方式的机器可以重新批准任何数量的用途，每次都有需要进行昂贵的采购时，每次都有需要完成。工厂的机器可以在几乎没有成本上扫描新零件并重新制作。和调查无人机可以从职责开始，以便从营销活动中监控供应链，监控供应链，甚至流量的视频内容。

我们的对手拇指们归功于我们的进化成功几乎和我们的大脑一样多。当认知力量智能地应用于环境时，发生了大事。这正是突破性机器即将制作。

Cecile Schmollgruber是StereoLabs的首席执行官。