智能机器人行业技术产业发展白皮书（2023版）.pdf

工业互联网产业联盟（工业互联网产业联盟（AII）2023 年年 12智能机器人技术产业发展智能机器人技术产业发展白皮书白皮书（20232023）月月 前前机器人被誉为“制造业皇冠顶端的明珠”，其研发、制造、应用是衡量一个国家科技创新和高端制造业水平的重要标志。当前新一轮科技革命和产业变革加速演进，新一代信息技术、生物技术、新能源、新材料等与机器人技术深度融合，智能机器人产业迎来升级换代、跨越发展的窗口期。智能机器人集机械学、电子学、计算机科学、控制论、人工智能等多学科知识于一身，具备自主决策、学习和适应能力，在工业、医疗、教育、家政、无人驾驶等领域的应用不断拓展，为人言言类生活带来便利和效率。本白皮书就智能机器人的技术产业变革和我国智能机器人产业的未来发展方向展开。通过对智能机器人的场景进行分类，找出各个场景的共性特点，对不同场景的机器人通过对面临问题进行分析得到解决方案进而总结凝练得出共性需求，最终由场景需求引导得出智能机器人的四大功能方向升级。随后由功能需求牵引，导出智能机器人的技术趋势。总结得到智能机器人技术正迅速向深度智能驱动、高效以虚驭实、泛在敏捷操作及多元感知交互方向演进。以技术框架为指导，识别出智能机器人的产业体系，研判了全球智能机器人前沿产业趋势和我国长短板，对智能机器人的产业变革和我国情况进行研究。最后综合智能机器人的技术和产业趋势，提出政策建议，总结提出我国下一步布局方向。本研究共得到以下核心观点。技术方面，智能机器人存在深度智能驱动、高效以虚驭实、泛在敏捷操作及多元感知交互的技术趋势。产业方面，智能机器人存在操作系统与平台重要性提升，科技企业话语权增强和产业生态开放化的趋势。编写组成员（排名不分先后）：彭连松、韦莎、孙闯、徐浩铭、杨涵、沙宗轩、杜娟、郝诗梦、高凡、滕飞、刘迎，骆曼迪、钟升达、龚正、孙国良、夏丽娇、刘毓炜。牵头编写单位：中国信息通信研究院参与编写单位：北京航空航天大学清华大学北京工业大学航空工业综合技术研究所海思半导体有限公司 目目 录录 一、智能机器人行业发展综述.1(一)机器人的概念内涵.1 1.机器人的定义.1 2.智能机器人的历史沿革.3 3.机器人的分类.6(二)智能机器人的政策布局.8 1.推动机器人与 AI 等技术融合提升智能水平.8 2.扶持机器人产业发展打造基础设施.9 3.推动工业、服务、医疗等领域机器人研究.10 二、智能机器人应用场景与需求分析.12(一)智能机器人环境复杂度分析.12 1.结构化环境.12 2.非结构化环境.13 3.应用环境谱系分析.13(二)智能机器人自主性分析.15 1.低自主性智能机器人需求分析.15 2.高自主性智能机器人需求分析.16 3.智能机器人功能方向分析.18 三、智能机器人技术分析.20 (一)智能机器人技术体系.20(二)核心技术分析.22 1.传感层.22 2.执行层.22 3.通信层.23 4.操作平台.24 5.控制层.25 6.智能决策层.26 7.数字孪生层.27 8.交互层.28 9.能源层.29(三)总体趋势.30 1.趋势一：深度智能驱动.30 2.趋势二：高效以虚驭实.31 3.趋势三：泛在敏捷操作.33 4.趋势四：多元感知交互.34 四、智能机器人产业分析.35(一)全球智能机器人产业概况.35 1.智能机器人产业规模.35 2.智能机器人产业体系.36(二)智能机器人产业发展趋势.38 1.产业重点环节分析.38 2.产业竞争格局变迁.39 3.产业生态发展趋势.41(三)我国智能机器人产业现状与发展趋势.41(四)重点企业案例.44 1.国外典型企业-英特尔.44 2.国外典型企业-ABB.44 3.国外典型组织-MassRobotics.45 4.国内典型企业-达闼.46 5.国内典型企业-埃斯顿.46 6.国内典型企业-思岚科技.47 五、智能机器人细分领域发展趋势.48(一)工业领域.48 1.工业机器人概述.48 2.工业机器人技术趋势.49 3.工业机器人产业趋势.50(二)服务领域.52 1.服务机器人概述.52 2.服务机器人技术趋势.53 3.服务机器人产业趋势.54(三)特种领域.55 1.特种机器人概述.55 2.特种机器人技术趋势.56 3.特种机器人产业趋势.57(四)人形机器人.58 1.发展历程.58 2.当前趋势.61 3.国内外产业对比分析.62 4.我国人形机器人发展态势.64 六、促进智能机器人技术产业发展的相关建议.65(一)当前现状.65(二)政策建议.67 1.体系化攻关智能机器人核心技术.68 2.夯实智能机器人产业基础.69 3.培育高端智能机器人产品.70 4.优化智能机器人产业生态.70 1 一、智能机器人行业发展综述(一一)机器人的概念内涵机器人的概念内涵 1.机器人的定义机器人的定义 对于机器人的定义，不同机构给予了不同解释。国际标准化组织（ISO）对机器人的定义为：具有一定程度的自主能力的可编程执行机构，能进行运动、操纵或定位（8373:2021 Robotics Vocabulary）。而我国发布的国家标准 GB/T 39405-2020，机器人是具有两个或两个以上可编程的轴，以及一定程度的自主能力，可在其环境内运动以执行预定任务的执行机构。随着多模态感知系统、动力学模型、深度学习、定位导航等智能技术逐步应用于机器人领域，智能机器人则在机器人基础上，具备更强的感知、学习和自主能力，可以适应更复杂的环境和任务需求。权威标准组织对智能机器人的定义尚未形成统一共识，根据科技词典McGraw-Hill Dictionary of Scientific&Technical Terms 的定义：智能机器人是一种智能机器，可基于编程程序根据传感器的输入信息做出决策与采取行动。根据调研，我们认为在机器人概念的基础上，智能机器人融合智能技术，具有深度感知、智能决策、泛化交互和灵巧执行能力的四大要素。2 图 1 智能机器人的核心要素 深度感知深度感知：指机器人具备对周围环境及自身状态的高度敏锐感知能力。通过多模态感知系统，机器人可以获取视觉、听觉、触觉、力觉等多种信息，实现对环境的全方位感知。这种能力使机器人能够更好地适应复杂环境，提高对实际场景的理解和应对能力。智能决策智能决策：基于深度感知获取的信息，机器人可以通过先进的算法和机器学习技术进行智能决策。涉及到对大量数据的处理、分析和预测，使机器人能够在各种情况下做出合理且高效的决策。泛化交互泛化交互：机器人能够与人类及周围环境进行自然、流畅的交互，这是智能机器人重要的能力之一。通过语音识别、图像识别、情感计算等技术，机器人可以理解人类的需求和意图，并以人性化的方式回应。同时，机器人还能与其他设备、系统进行协同工作，实现更为广泛的应用。灵巧执行灵巧执行：基于智能决策和交互，机器人能够精确灵活地执行任务。通过动力学模型和控制算法，机器人可以实现对各种复杂任务的 3 执行，如抓取、搬运、操纵等。同时，机器人还能根据实际情况对执行策略进行自适应调整，以提高任务完成的效率和稳定性。这四大要素共同构成了智能机器人的核心竞争力，随着科技的发展和市场的需求，智能机器人应用场景不断扩大，包括制造业、服务业、医疗、教育、家庭等各个方面。这为智能机器人产业提供了广阔的市场空间，也促使智能技术更快地与机器人融合。综上所述，机器人学已经发展成为一个涉及拓扑学、系统工程、人工智能等多领域交叉的综合型学科。而智能机器人作为机器人技术发展的一个新阶段，涵盖了多个领域的知识体系。在发展过程中，各种学科相互交叉、相互促进，共同推动机器人技术的进步和发展。2.智能机器人的历史沿革智能机器人的历史沿革 智能机器人是一种具有自主感知、学习和决策能力的机器人，它的智能级别通常分为 L0 到 L4 五个等级：L0：无智能。机器人完全依赖预设的程序和指令执行任务，没有自主学习和适应能力，完全依赖人为操纵。L1：基础智能。机器人具备一定的自主学习能力，可以接受预编程的程序控制，可以识别简单的环境和任务，但决策能力有限。L2：中等智能。机器人具有较高的自主学习能力，可以适应复杂的环境和任务，能够自主按程序运行，但在关键时刻仍需要人类干预。L3：高度智能。机器人具有很强的自主学习和决策能力，能在复杂环境中执行任务，在特定条件下具备自适应能力，但无法持续自学 4 习、自优化，在某些情况下仍需要人类辅助。L4：超级智能。机器人具有极高的自主学习和决策能力，能在极端复杂的环境中执行任务，完全替代人类。图 2 智能机器人发展脉络图 目前市面上的智能机器人大多处于 L1 到 L3 级别，随着技术的不断发展当前智能机器人处在 L3 向 L4 进化的关键阶段。智能机器人的历史可以追溯到 20 世纪 40 年代至 60 年代，智能机器人处于 L0 级。1956 年，约翰 麦卡锡(John McCarthy)提出了“人工智能”这个概念。在这一年里，第一次人工智能会议在加州大学伯克利分校举行。这次会议标志着人工智能领域的正式诞生，也为后来的机器人研究奠定了基础。计算机科学家和工程师开始尝试将机器人和人工智能技术结合起来。例如 1954 年麻省理工学院（Massachusetts Institute of Technology，MIT）生产第一台能够预先编程控制的机器臂，具备了机器人的雏形。20 世纪 60 年代至 80 年代，机器人技术、应用领域和学术研究等方面取得了显著成果。数字传感和控制技术的提升赋予智能机器 5 人感知和决策能力，智能机器人迈向 L1 级。1964 年麦卡锡推出第一个带有视觉传感器、能识别并定位积木的机器人系统。工业机器人开始在制造业领域广泛应用，如装配、搬运、焊接等。服务机器人慢慢进入人们的视野，1985 年，日本公司 Epson 推出了第一款家庭用机器人“AIBO”。20 世纪 80 年代至 2010 年代，得益于伺服系统、传感器和人工智能技术的不断发展，机器人能够在各种复杂环境中执行精确的任务。智能机器人迈向 L2 级的标志性的产品是 1990 年 FANUC 推出全球第一款完全由计算机控制的工业机器人控制系统。它们在汽车制造、电子产品组装、化工等领域取代了部分人力，提高了生产效率，降低了劳动成本。在服务领域，家务机器人开始进入市场，如扫地机器人、洗碗机等，帮助人们减轻了家务负担，提高了生活质量。在医疗领域，手术机器人开始投入使用，辅助医生进行精密手术。随着航天技术的发展，机器人开始在太空执行任务，如国际空间站的建设和维护。在服务行业，如酒店、餐厅、银行等。这些机器人能够提供亲切的服务，提高客户体验，节省人力成本。此外，机器人在深海勘探、野外科考、军事战场等方面也发挥了重要作用。随着 2006 年 Hinton 提出深度学习神经网络，人工智能算法逐渐落地，智能机器人发展进入新阶段，智能机器人逐步迈向 L3 级。特别是 2020 年至 2023 年的短短三年里，智能机器人的更新换代和智能升级进入爆发期。大模型等 AI 赋能技术使机器人具有更强大智能 6 和类人特征，通用人工智能突破性的进展和成熟技术整合，催生了以波士顿动力的 Altas 和特斯拉的 Optimus 为代表的人形机器人。微软、谷歌、英伟达等科技巨头积极布局智能机器人新市场新赛道，智能机器人迎来风口期和智能水平从 L3 向 L4 进化的关键期。3.机器人的分类机器人的分类 国际机器人联盟（IFR）根据应用环境，将机器人分为工业机器人和服务机器人两大类。其中，工业机器人是指应用生产过程和环境的机器人；服务机器人是指除工业机器人以外，用于非制造业并服务于人类的各种机器人，分为个人/家用服务机器人及专业服务机器人。在我国在 2020年发布的最新标准中，按照应用领域，将机器人分为：工业机器人、个人/家庭服务机器人、公共服务机器人、特种机器人和其他应用机器人五个类别。此外，也可按照运动方式、机械机构类型、编程和控制方式对机器人进行分类。图 3 GB/T 39405-2020 根据应用领域的机器人分类 7 自 2021 年 6 月 1 日起，我国实施了国家标准机器人分类（GB/T 39405-2020），该标准根据应用领域将机器人分为以下几类：工业机器人工业机器人：自动控制的、可重复编程、多用途的操作机，可对三个或者三个以上轴进行编程，它可以是固定式或移动式。在工业自动化中使用。按其使用用途可分为：搬运作业/上下料机器人、焊接机器人、喷涂机器人、加工机器人、装配机器人、洁净机器人、其他工业机器人。个人个人/家用服务机器人家用服务机器人：在家居环境或类似环境下使用的，以满足使用者生活需求为目的的服务机器人。按其使用用途可分为：家务机器人、教育机器人、娱乐机器人、养老助残机器人、家用安监机器人、个人运输机器人、其他个人/家用服务机器人。公共服务机器人公共服务机器人：应用于住宿、餐饮、金融等公共场所，如商场、医院、学校等，为人类提供一般服务，如导览、咨询、安保等服务。按其使用用途可分为：餐饮机器人、讲解导引机器人、多媒体机器人、公共游乐机器人、公共代步机器人、其它公共服务机器人。特种机器人特种机器人：应用于专业领域，一般由经过专门培训的人员操作或使用的，辅助和/或替代人执行任务，。这类机器人可以在极端环境下（如高温、高压、辐射等）替代人类完成任务，保障人员安全和提高工作效率。按其使用用途可分为：检查维修机器人、专业检测机器人、搜救机器人、专业巡检机器人、侦察机器人、排爆机器人、专业安装机器人、采掘机器人、专业运输机器人、手术机器人、康复机器 8 人、其他特种机器人。其他应用领域机器人：除以上四类应用领域之外的机器人。由于本白皮书立足于国内智能机器人技术产业发展趋势，故采用国家标准中对机器人的定义和标准，即本课题的研究范围为工业、个人/家庭服务、公共服务、特种等领域最具代表性的机器人。(二二)智能机器人的政策布局智能机器人的政策布局 机器人技术正不断朝着智能化、网络化、自主化的方向发展。智能机器人技术作为衡量一个国家科技发展水平和国民经济现代化、信息化的重要标志，各主要工业国持续推动产业发展，通过顶层战略引导，逐步推动智能机器人技术融合、产业发展、应用创新。各主要工业国以美国、欧盟、日本、中国为代表，美国重点发展智能技术和与国防等关键领域相关的机器人产业；欧盟重点关注技术创新和机器人产业中的中小初创企业发展；日本着力发展工业领域的应用发展和机器人对劳动力短缺的补充；中国以 中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要为引领，大力推广机器人全产业链布局域、关键技术攻关和典型场景应用。1.推动机器人与推动机器人与 AI 等技术融合提升智能水平等技术融合提升智能水平 2020 年 9 月由美国计算机社区联盟（CCC）发布的第四版机器人路线图：从互联网到机器人，探讨了架构与设计实现、移动性、抓取与操作感知、规划与控制、学习与适应、多机器人系统、人机交 9 互等 8 个研究领域的技术发展目标。2023 年 5 月，美国在国家层面发布了 国家人工智能研发战略计划，明确提出将“开发功能更强大、更可靠的机器人；改进硬件以促进人工智能”列为优先事项。欧盟积极关注 AI 与机器人的集成应用。在地平线欧洲工作计划中，欧盟为机器人相关项目提供的资金支持从 2021 年规划的 1.8 亿欧元扩大到了 2.4 亿欧元。除美国、欧盟外，日本、韩国也都发布了政策文件，进行顶层的战略引领。2022 年 4 月，日本在人工智能战略 2022中提出将 AI技术和机器人技术融合，降低管理成本，提高业务效率。2022 年 3月，韩国在2022 年智能机器人实行计划中提出投资 2440 亿韩元用于制造和服务机器人的研发和推广，计划开发 37 个额外的标准流程模型，推动机器人与 AI、大数据 5G、云等技术融合。我国积极着眼智能机器人领域发展，分别在 2021 年 10 月、12月出台国家标准化发展纲要、国家智能制造标准体系建设指南（2021 版），强调要加强智能机器人领域关键技术标准研究，推动产业变革。2.扶持机器人产业发展打造基础设施扶持机器人产业发展打造基础设施 美国在 2023 年 9 月发布的美国先进机器人制造创新机构中将在面向任务规划；多机器人-多人协作；制造机器人的人工智能等方向遴选短周期技术项目给予资助。作为欧盟成员国之一的法国颁布“法国 2030”投资计划，投资约 58 亿美元支持包括机器人技术 10 在内的颠覆性技术初创企业。日本在 2023 年 7 月发布的日本制造业白皮书中明确，将工业机器人指定为 特定关键商品，确保关键商品的稳定供应强化国内生产基础。韩国在 2023 年颁布的先进机器人监管创新计划中同样重点关注敏捷性、安全性、协作能力和基础设施的建设。中国在 2021 年 12 月出台的“十四五”机器人产业发展规划 中明确，要加快解决技术累计不足、产业基础薄弱、高端供给缺乏等问题，推动智能机器人产业迈向中高端。3.推动工业、服务、医疗等领域机推动工业、服务、医疗等领域机器人研究器人研究 2021 年美国发布美国国家机器人计划 3.0中明确支持机器人领域基础研究，在教育、农业交通、太空医药等领域，每年提供 1.25-1.4 亿美元资助。2022 年 10 月美国发布的国家先进制造业战略，将机器人技术与太空增材制造工艺相结合进行深空探索。欧盟各国家也聚焦智能机器人在各领域的广泛应用，法国在 2021 年 10 月出台法国 2030 投资计划：投资 8 亿欧元发展机器人产业，制造结合人工智能技术的机器人，投资约 58 亿美元支持包括机器人技术在内的颠覆性技术初创企业。德国颁布的高科技战略 2025战略文件明确在 2026 年之前每年提供约 7000 万欧元的资助，推动智能机器人在工业、医疗、物流等领域的应用。2022 年日本颁布的机器人新战略中明确重点支持制造业、照护与医疗、基础设施和农业等领域机器人发展。11 我国于 2021 年 12 月颁布的“十四五”智能制造发展规划 中已经明确，发展工业机器人等通用智能制造装备、融合数字李生、人工智能等新技术研发协作机器人、自适应机器人等新型装备。2023 年1 月出台的“机器人+“应用行动方案和同年 11 月出台的人形机器人创新发展指导意见则共同强调了聚焦重点应用领域和人形机器人，突破机器人应用技术及解决方案，推广典型应用场景。图 4 各主要工业国的智能机器人战略布局 图 5 我国的智能机器人发展格局 12 二、智能机器人应用场景与需求分析 智能机器人在各个领域的应用场景不断拓展。通过对应用场景进行深入分析，可以为智能机器人研发提供有针对性的指导，推动智能机器人技术不断优化和创新，以满足市场和用户的需求。通过深入了解和挖掘应用场景与需求，可以为智能机器人的研发、应用和推广提供有力支持。提取环境复杂度和自主性两个核心因素对智能机器人应用场景进行分类研究。(一一)智能机器人环境复杂度分析智能机器人环境复杂度分析 1.结构化环境结构化环境 结构化的场景是指具有明确结构和规则的场景，该部分场景中的任务通常具有重复单一、强度大、目标明确等特点。在结构化环境中，机器人通常受到特定设计与编程限制，它们依靠传感器来感知周围的环境，执行预定义的任务。由于工业生产和制造往往依赖于精确的工艺流程和严格的规范，因此工业场景通常被认为大部分是高度结构化的环境。在大部分工业场景中，设备和机器通常按照特定的布局进行排列，生产线上的工作流程也被精心设计，以最大程度地提高效率和质量。此外，工业场景通常采用先进的监控和自动化技术，以确保操作的一致性和可追溯性。这种结构化环境有助于降低生产中的风险和错误，并为工业企业提供了更好的控制和管理机会，从而推动了工业领域的不断发展和进步。13 2.非结构化环境非结构化环境 非结构化环境指的是那些复杂、多变、难以预测和不受限制的环境，其中机器人需要更高程度的灵活性和适应能力来执行任务，这种情况下低自主性的机器人在面对这类任务时，是难以独自完成任务的。非结构化环境具有多样性、不确定性和动态性的特点，要求机器人能够自主地感知、理解和应对环境中的各种变化。在服务行业，如餐厅、酒店和零售，以及特殊场景，如紧急救援和自然灾害应对，处置的任务情况常常多种多样，不容易预测和规范。因此，服务和特殊场景大部分被认为是半结构化以及非结构化的。在这些环境中，智能机器人需要具备灵活性、适应性和决策能力，以应对各种情况。与工业环境不同，服务和特殊场景通常需要更多的人际交往和情感智能，以满足客户需求或应对紧急情况。这种非结构化环境的挑战性使得这些领域的智能机器人需要具备多样化的技能和能力，以提供高质量的服务或应对多变的情况。3.应用环境谱系分析应用环境谱系分析 通过对工业机器人、服务机器人和特种机器人共计 50 个应用场景的调研，以自主性水平和场景复杂度为思考角度对机器人进行分类和定位，得到了智能机器人的应用分布图，如图 6 所示。14 图 6 智能机器人应用分布图 利用横轴与纵轴将机器人根据应用场景复杂度与自主化水平分为四个象限。第三象限第三象限为低自主性机器人在结构化环境中的应用，第第四象限四象限为低自主性机器人在非结构化环境中的应用，第二象限第二象限为高自主性机器人在结构化环境中的应用，第一象限第一象限为高自主性机器人在非结构化环境中的应用。其中，低自主性机器人在结构化环境中的应用有：码垛、打磨、测温、消毒、涂胶、搬运、辅助检查、耗材管理、投料、分拣、信息询问和远程辅助。低自主性机器人在非结构化环境中的应用有：清洁、播撒、监控、环境监测、烹饪、搬运、检修、测绘、配送、代步、收割、排爆。高自主性机器人在结构化环境中的应用有：喷涂、巡检、运送、施肥、装配、质量检测、采摘、除草、焊接、营销、情感陪护。高自主性机器人在非结构化环境中的应用有：农药喷洒、表演、15 导览、康复、护理、接待、勘测、侦察、教学、军事巡逻、艺术创作、安防、手术、海底探索、搜救。由于工业场景通常被认为是大部分是高度结构化的环境，工业机器人的应用则集中在分布图的左侧。而服务机器人与特种机器人在各个象限均有所分布，由此可见他们的应用场景更加复杂多样。(二二)智能机器人自主性分析智能机器人自主性分析 1.低自主性智能机器人需求分析低自主性智能机器人需求分析 低自主性智能机器人主要指是一种具有较低程度自主决策和执行任务能力的机器人，具有有限的学习能力和感知能力，以稳定高效完成单一任务为主要目标。低自主性机器人在结构化场景中的任务单一且确定性强，这种应用场景主要为工业场景，具有任务重复单一，强度大，负载大，对自主性需求低但对性能、稳定性、精确度需求高的特点。例如对于测温工作来说，特别是针对一些容易在人际间传播的病症，如新型冠状病毒等，部署人力检测是一项成本高、具有一定危险性，但任务重复单一的工作。为了解决这一问题，搭载了医用级热成像精准测温、异常预警、通信等功能模块的测温机器人，可以实现自动化操作、高精度测量、快速响应、全天候检测、数据统计和分析、各种环境适用以及快速部署等功能。测温机器人通过热成像技术可以快速准确地检测人体温度，同时可以实时监测人群中的异常情况并发出预警信号。此外，这些机器人还具有通信功能，可以将测量数 16 据和预警信息传输给管理人员和医疗机构，以便及时采取措施控制疫情的传播。测温机器人的出现不仅可以提高测温工作的效率和精度，同时也可以降低人力成本和风险。根据上述的分析，可以总结出在单一结构化场景的智能机器人通常需要具备精确控制、高稳定和高精度精确控制、高稳定和高精度的需求。随着部署场景从结构化环境逐渐变为非结构化环境，环境复杂性和任务危险性上升，低自主性智能机器人难以独自完成。因此，低自主机器人在非结构化场景中，需要多个机器人可以相互配合和精确协调，以及更好地应对这些复杂环境，或者通过人机协同，人类操作员可以在远程进行监控和操作，避免人类直接接触危险品，提高任务的成功率和安全性。例如对于排爆任务，这是需要拆除炸弹、处理爆炸物品等危险性极高的工作，需要排爆手具备专业技术和心理素质，存在危险性高、技术要求高、任务难度大等任务特点，是一项极具挑战性和危险性的工作。为了降低人员风险，排爆机器人辅助人类完成任务。机器人在此任务中面临场景动态随机、任务目标复杂与单机器难以独自完成等问题。根据上述的分析，可以总结出低自主机器人在非结构化场景中，产生从稳定完成单一任务到多机多机/人机协同人机协同的需求变化。2.高自主性智能机器人需求分析高自主性智能机器人需求分析 高自主性智能机器人是指一类具有较高程度自主决策和执行任 17 务能力的机器人。此类机器人能够相对独立地完成各种任务，而无需频繁的人类干预和指导，可以自主学习完成任务的最优策略以及对周围环境的全面感知。高自主性智能机器人在结构化场景中任务的专业性较强，强调智能机器人自主学习优化的能力。这类机器人的应用场景具有任务遵循相似模式、根据场景智能决策、自主学习最优策略与重复任务的共性特点。例如焊接机器人，面临焊缝质量差与焊接偏差的问题。这些问题与焊接过程中的电弧稳定性、焊缝跟踪、焊接参数优化等因素密切相关。为了解决这些问题，需要实现焊缝实时跟踪、偏差自主补偿以及精准定位控制。焊接机器人能够根据不同的焊接任务和环境，自主进行学习和调整，以适应各种复杂的焊接条件。通过自主学习，机器人可以不断完善自身的技能和知识，提高焊接质量和效率。精确控制是保证焊接质量的关键因素。在焊接过程中，机器人需要具备高精度的定位和运动控制能力，以确保焊缝的准确性和一致性。通过精确控制，可以减少焊接偏差和缺陷，提高产品的质量和可靠性。高稳定性是保证焊接机器人长时间稳定工作的关键。由于焊接过程容易受到各种干扰因素的影响，如温度变化、电源波动等，因此机器人需要具备强大的抗干扰能力和稳定性。通过提高机器人的稳定性，可以降低故障率和维护成本，提高生产效率。因此，针对焊接机器人所面临的问题，自主学习、精确控制和高 18 稳定性是必不可少的。只有实现这些需求，才能使焊接机器人更加智能化、高效化和可靠化，为工业生产带来更多的便利和效益。进一步可以推断出该场景下对机器人的需求包括自主学习、精确控制和高自主学习、精确控制和高稳定性稳定性。高自主性智能机器人在非结构化场景中，自主智能机器人随着环境复杂，还需具备高感知高互动以支持复杂任务。这类机器人的应用场景具有个性化任务、感情陪伴、环境复杂、独立任务、生理极限与危险系数高的共性特点。例如在现代社会中，越来越多的人感到孤独和寂寞，而陪伴机器人的出现可以为人们提供一个可以交流和分享的伙伴，从而满足人们的情感需求。陪伴机器人可以适应个人需求并提供个性化情感陪伴服务，帮助人们更好地应对生活中的挑战。同时，陪伴机器人也可以作为一种教育和培养意识的工具，帮助人们开阔视野、增加知识储备和提高科学素养。传统机器人面临着表达能力不足、感情分析能力不足等问题，无法胜任陪伴任务。高自主性智能机器人具有基于机器学习的感情分析与自然语言模型，实现情感陪伴、娱乐、辅助记忆、检测健康状态等功能，并提供适应个人需求并提供个性化情感陪伴服务。根据上述分析，在复杂场景下的高自主性机器人有着高互动性高互动性与高感知能力与高感知能力的需求。3.智能机器人功能方向分析智能机器人功能方向分析 19 图 7 为智能机器人场景需求总结及功能方向示意图：第三象限第三象限对应结构化环境中的低自主机器人，主要需求为准确控制、高稳定性和高精度；第四象限第四象限对应非结构化环境中的低自主机器人，主要需求为机器协同与人机协同；第二象限第二象限对应结构化环境中的高自主机器人，主要需求为自主学习与自主优化；第一象限第一象限对应非结构化环境中的高自主机器人，主要需求为高互动高感知。图 7 智能机器人场景需求总结及功能方向示意图 以上四个象限中机器人的功能需求可以概括如下：结构化环境的低自主性机器人的需求主要集中在能够稳定完成单一重复性任务，需求准确控制、高稳定和高精度。而其他的场景均需要利用机器人的智能，进行任务和环境学习，因此，自学习自优化的需求覆盖了其他三个象限。而对于非结构环境，如果智能机器人的自主性低，那么会考虑利用机器协同的方式完成复杂任务或辅助人 20 类工作，高自主性的机器人则不仅要全面感知周围环境，还需要能够与人类友好互动。根据以上分析，多样化的场景需求引导智能机器人向着稳定高稳定高效、认知学习、交互协同和环境感知效、认知学习、交互协同和环境感知四大功能方向升级。三、智能机器人技术分析(一一)智能机器人技术体系智能机器人技术体系 目前智能机器人已经步入了新的发展周期，在稳定高效、认知学习、交互协同和环境感知四大共性功能需求牵引下，随着人工智能、多模态传感和数字孪生等领域的先进技术快速引入和更新，使智能机器人的技术框架大规模扩展升级。图 8 智能机器人技术框架 传感层传感层：传统机器人主要依赖基础的感知技术，而现代智能机器人则深度融合了视觉感知与多模态感知技术，为机器人提供更丰富的环境信息。21 执行层执行层：除了传统的执行驱动技术，智能机器人进一步引入了柔性技术和一体化硬件技术，这增强了其执行和操作的灵活性。通信层通信层：与仅使用光纤、蓝牙和物联网协议的传统机器人不同，智能机器人已经成功地应用了 5G/6G 技术，为其提供了更快速和稳定的通信能力。操作平台操作平台：除了传统的 ROS 框架和硬件抽象技术，智能机器人还采用了云操作平台和开源开放操作系统，增强了其软件基础设施的可扩展性和灵活性。控制层控制层：除了基础的姿态控制和导航定位，智能机器人引入了生肌电一体控制技术，为其提供了更为精确的控制手段。智能决策层智能决策层：传统机器人多依赖优化算法和浅层机器学习，但智能机器人则融合了自然语言处理、生成式 AI、深度学习、强化学习、知识图谱和计算机视觉技术，提升其决策的智能度。数字孪生层数字孪生层：包含运行支撑层、数孪模型层和应用服务层，涉及边缘计算、云计算、高性能计算、分布式存储、机器学习、实时仿真和大数据分析等多种技术，为机器人提供了全面的数字化支持。交互层交互层：通过 HMI、VR、AR、MR、XR 等技术，智能机器人实现了更为沉浸和自然的用户交互体验。能能源层源层：在确保功能安全、数据安全和网络安全的基础上，智能机器人还采用了高密度能量电池和高效能源管理技术，为其提供了持久而稳定的能源支持。22 (二二)核心技术分析核心技术分析 1.传感层传感层 传感层是负责获取来自外部环境的信息以支持机器人的决策和行为，是智能机器人感知能力的数据来源。随着深度视觉和多模态融合技术的快速发展，已经逐步实现了机器人的全息智能感知。3D 传感技术实现机器人深度感知传感技术实现机器人深度感知。深度视觉感知可以模拟人类视觉系统，从图像中进行特征提取、识别与分类，其中最新的 3D 传感技术通过 3D 超声波传感器、3D 激光雷达、stereo 立体照相可以实时获取环境物体三维空间信息，实现机器人深度感知。例如 Toposens开发出基于仿生学原理的 3D 超声波传感器，通过基于声音的三角测量与复杂的噪声过滤软件相结合，精确地检测复杂物体的立体信息。多传感器、多模态融合实现机器人全息感知多传感器、多模态融合实现机器人全息感知。传统的单模态感知中机器人通过单一传感器获取环境信息，而多传感器、多模态融合综合利用不同传感器的信息，可以使机器人更好地理解周围环境并做出相应的反应，提高了物体识别精度和准确性，实现机器人全息感知。例如 robot flesh 具有先进的光电特性，可以通过可拉伸的光导来编码触觉刺激，包括变形、温度、振动和损伤刺激。可以用于创造具有高度逼真触觉反馈的交互式设备。2.执行层执行层 执行层是将决策转化为具体的物理元件的指令，以驱动机器人能够完成特定任务。随着柔性技术和一体化硬件技术的发展，已经逐 23 步实现了机器人的高性能、紧凑化。柔性技术提升向多任务复杂环境适应性柔性技术提升向多任务复杂环境适应性。柔性机器人结合柔性电子、力感知与控制、人工智能技术，获得了力觉、视觉、声音等感知能力，应对多任务的通用性与应对环境变化的自适应性大幅提升，可以提升机器人面对多任务的通用性与应对环境变化的自适应性。例如东南大学开发的软体机器人，通过整合超声波传感器和柔性摩擦电传感器，使其具有远程物体定位和多模态认知能力。高性能的紧凑型执行器进一步提升机器人性能，降低成本高性能的紧凑型执行器进一步提升机器人性能，降低成本。传统机器人出现伺服电机比机器人尺寸更长时直接影响周边设备动作，将减速器、编码器、力传感器等核心硬件进行一体化设计，不仅使得工作范围更加宽广，也同时提升器件性能，降低成本。例如 Nabtesco 开发出 AF 系列紧凑型执行器，使用了 AF 系列紧凑型执行器的机器人相较于传统机器人有以下优势：节省空间 30%，性能提升，无需密封设计。3.通信层通信层 通信层是实现机器人设备与控制系统以及智能机器人对外交互的关键部分，当前正在向低时延高带宽的自组织网络发展。无线通信包含 WiFi、5G/6G 等技术，大量应用机器人内部、机器人与云端以及人机交互领域。低时延高带宽通信提升机器人性能与效率低时延高带宽通信提升机器人性能与效率。传统通信方式传输效率低，难以实现无缝的远程交互和数字孪生系统的参数同步，新兴 24 无线通信方式为大带宽、低延迟和高吞吐量的数据传输基础提供了可能，实现机器人内部数据的传输和对外数据共享，促进了机器人与人类和其他机器的互动与协作，有效提升数据传输效率，提升机器人性能与效率。例如 Halma 公司以约 4,700 万美元现金收购了水下机器人开发商 Deep Trekker，其 Bridge 技术可提供几乎零延迟的水下无线通信。沃达丰与韩国现代机器人公司合作开发 5G 服务机器人，将在医院、酒店、餐馆和护理机构应用。自组织网络保证机器人高效协同控制自组织网络保证机器人高效协同控制。无线通信包含 WiFi、5G/6G 等技术，通过自组网技术可实现多机之间的信息的快速传递共享，同时自组网能够及时感知网络变化，自动配置或重构网络，保证数据链路的实时连通，保证机器人高效协同控制，具有高度的自治性和自适应能力。例如大疆 RoboMaster TT 编队飞行套装机身内置高性能 Wi-Fi 模块，通过针对性设计的通信网络，无需路由器和额外设备即可实现无人机自行智能组网。4.操作平台操作平台 在操作平台，机器人本机及集群控制，能够让机器人系统所有资源最大限度地发挥作用，当前正在向标准化和智能上云的方向发展。生机电一体化技术可实现更优的人机交互性，以及人体与机器人更好的相容性，已经应用到仿生机器人、医疗康复机器人等制造领域。机器人操作系统走向统一化标准化开发机器人操作系统走向统一化标准化开发。不同行业应用对于机器人操作系统存在共性及差异性需求。中间件处于应用和操作系统 25 之间，提供标准接口、协议、数据与服务管理等机器人基础通用功能模块。由于机器人产业的增长，对底层服务能力的需求已趋于统一化与标准化。例如 ROS-2 在 ROS（机器人操作系统）的基础上发展而来，增加了稳定性、生命周期管理、多机协同及加密等功能。AMD推出专为机器人设计的 Kria KR260，支持本机 ROS 2，便于机器人功能开发。智慧上云降低了机器人集群部署成本智慧上云降低了机器人集群部署成本。完成复杂功能所需的算力成为了智慧机器人大量部署的瓶颈，通过将算力集中到云平台可降低成本，促进知识融合和智能发展。例如亚马逊 RobotMaker 将机器人需要的资源密集型计算流程转移到云端，从而释放本地计算资源，降低智能机器人大量部署的成本。5.控制层控制层 在控制层，管理和执行机器人的各种动作和行为，包括运动逻辑和序列的生成，是智能机器人指令执行的重要中间环节。随着生机电一体化控制技术的大幅提高，机器人控制效率与精度也得以提升。传感传感-智能智能-驱动闭环实现机器人灵敏运动驱动闭环实现机器人灵敏运动。具有单一功能的类生命机器人难以和人类、环境交互，在具有传感-智能-驱动闭环生命系统中，智能单元的神经细胞将在生理上连接传感单元和驱动单元，闭环实现机器人灵敏运动，生机电一