工业机器人的发展、关键技术及挑战探析

陈坚

摘要：工业机器人是现代和未来智能制造支撑性自动化设备，决定着各国工业发展水平。工业机器人的研制水平、应用能力及规模代表着所属国家或者地区的科技创新活力和高端制造水平。站在全球科技革新和智能制造升级的历史节点，普及工业机器人使之更好服务于经济和社会发展成为各国竞争角逐的重要科技领域。文章梳理了工业机器人的发展脉络，分析了当前工业机器人的关键技术，提出工业机器人技术发展面临的挑战。

关键词：工业机器人；发展脉络；关键技术；挑战

中图分类号：TP242.2      文献标识码：A

文章编号：1009-3044（2023）06-0025-03

开放科学（资源服务）标识码（OSID）

0 引言

工业机器人是现代及未来制造业支撑性自动化设备，是机械、电子、控制、计算机、传感器、人工智能等技术综合应用的集大成。利用工业机器人进行焊接、喷涂、装配、搬运等已在现代工业生产中普及[1]。国际机器人联合会（International Federation of Robotics，IFR）和国际标准化组织（International Organization for Standardization，ISO）將机器人定义为一种半自主或全自主工作的机器，可以做对人类有益的工作，且是一个自动、位置可控、可编程的多功能机械手，它具有几个轴，可以通过编程操作来处理各种材料、零件、工具和专用设备，执行各种任务。根据 ISO给出的定义，服务机器人则是“对人类或设备执行有用的任务，不包括工业自动化应用设备”，由该定义知，自动引导车辆（Autonomous guided vehicles，AGVs）属于服务机器人的范畴，鉴于AGVs已是现代工业生产的重要物流工具，故也将其列入工业机器人类别。本文分别从世界和我国两个视角概括了工业机器人发展脉络，简述了现阶段工业机器人的关键技术，并提出工业机器人技术未来发展的挑战。

1 工业机器人发展阶段

1.1 世界工业机器人发展阶段

世界工业机器人的发展经历了起步、发展和智能化三个阶段[2]。1958年George Devol申请了名为可编程操作设备的工业机器人专利，此后与Joseph F·Engelberger共同制造了首台工业机器人（Robot），主要用于工业生产的铸造、焊接等，自此标志着工业机器人发展的起步。1970年开始经过十几年的技术进步，机器人感知增强和离线可编程化，且能较好地支持不同的作业对象，至1984工业机器人商业化运用领域已经形成全球工业机器人四大家族格局（KUKA、ABB、YAKAWA、FANUC）。从1985年至今，伴随着传感器门类越加丰富，精度更高，以及智能算法的加持，部分工业机器人具有自适应、自学功能。以美国、日本为代表的智能机器人研究已经出现代表性的成果。据报道，2022年3月，波士顿动力有限公司机器狗（Bigdog）被纽约消防局“招募”，用于帮助消防员执行搜救任务。2022年由该公司出品并发布的智能机器人Atlas测试情况已经展现出令人惊讶的身体协调性。

1.2 我国工业机器人发展

据IFR公布：中国的工业机器人市场在2021年实现了强劲的增长，该年创造了243300台安装设备的新纪录，同比增长了44%。我国工业机器人发展历程有别于国外起步相对晚，大致亦分为三个阶段。第一阶段是理论和样机研究阶段，20世纪70～80年代，我国开始着手机器人机构学等方面的研究并奠定了理论基础。受到经济全球化和工业机器人在工业领域的普及应用影响，全国从上至下包括政府、企业、高校以及科研机构的共同投入，完成了各类工业机器人的样机研发。第二阶段是示范应用阶段，从20世纪90年代，研制出了平面关节型机器人、直角坐标机器人、弧焊机器人、点焊机器人等系列工业机器人，102种特种机器人，实施了100余项机器人应用工程。为了促进国产机器人的产业化，在90年代末建立了9个机器人产业化基地和7个科研基地[3]。第三阶段是进入21世纪后的产业化阶段，伴随着国家对自主创新的政策引导，促使国内企业和科研院所进行机器人及其生产线的自主研发和生产，造就了国产工业机器人的蓬勃发展，并逐步形成产业，涌现出许多知名国产工业机器人企业，如沈阳新松机器人自动化、江苏汇博机器人技术股份有限公司、南京埃斯顿自动化股份有限公司、安徽埃夫特智能装备有限公司等，他们各自在工业机器人整机方面、系统集成方面、关键零部件方面取得出色的成绩，甚至在部分人工智能应用领域赶超发达国家[4]。

2 工业机器人关键技术

工业机器人的关键技术主要体现在安全系统、协作轻量型机械臂、机器人抓取、传感和感知算法、编程和通信接口以及AGVs等方面。

2.1 安全系统

工业机器人工作过程可能对附近的人类构成危险，其安全系统是为确保靠近机器人的人类不受伤害而进行的必要设计。传统上，机器人生产单元周围的围挡可以确保无关人员无法进入该作业区域，从而提高安全性，但这也增加了占地空间。新兴的安全系统，例如：光幕系统，可警示无关人员进入生产区域，取代了围挡隔离。无论传统还是新兴安全系统，从技术实现角度可分为两类：被动安全系统和主动安全系统。被动安全系统，不主动检测人类的存在，可以通过传感器在机器人与环境中的人或物体碰撞时触发停止（例如限制机器人可施加的力）。主动安全系统主要依靠传感器的集成，传感器分为两类：标准工业传感器和机器人本身的主动传感器，前者如：光幕警示，后者如：电容式机器人皮肤，用感官薄膜包裹机器人，识别机器人周围小范围（0～20cm）内的电场变化检测人的存在[5]。

2.2 协作轻量型机械臂

协作轻量型机械臂是有效载荷有限的机械臂，具有较强的独立性和灵活性。协作轻量型机械臂技术专注于减少有效载荷，所形成的协作机器人系统允许人类近距离安全进入机器人工作区域。这种机器人具有低成本的特点，正成为机器人市场的新生力量。协作轻量型机器人促进了机器人平民化，由于其相对安全，可以避免工程师与传统大型工业机器人一起工作的危险性。除此之外，因其易于编程和利用集成扭矩传感器来改进交互能力，协作轻量型机械臂协作性能和柔性化更优。

2.3 机器人抓取

机器人抓取涉及生产过程中对工件的物理操作和抓取。可调节、便于更换的夹具可用来提高机器人的灵活性和健壮性，还可采用深度学习作为提高工业环境中机器人抓握能力的手段[6]。对特定行业中相对较轻的有效载荷场合，可以利用低成本的增材制造3D打印技术，快速和廉价地定制零件和工具，从而有效降低零件和工具的生产成本。

2.4 传感和感知算法

传感通常指硬件传感器，而感知则指从这些硬件传感器中提取可用信息的算法，即感知算法。传感器由来已久，现有市场上的传感器成千上万，是工业机器人系统的关键感知器件；深度学习为代表的感知算法已经能够使机器人自主控制并独立运行，但对于高速工业机器人而言，所能够提供的鲁棒性和姿态识别方面还不够理想。传感和智能感知技术的进步也推动了智能制造能力的提升，例如：即时定位与地图构建（Simultaneous Localization and Mapping，SLAM）技术。感知算法的改进有助于通过条件监测、关键性能变量和特征识别来实现工作对象的预测性维护。

2.5 编程和通信接口

工业机器人编程和通信接口包括控制机器人并使它们能够执行各种任务的高级编程接口，以及允许机器人通信并与其他硬件和软件集成的底层通信接口。目前机器人的硬件基本行业通用，界面则是不同工业机器人的主要区别，也是机器人各大公司持续关注的焦点。作为新兴技术代表的协作机器人，可以使用图形语言，而不是Java或C++等语言进行编程，在特定环境的编程上具有简单、更易上手的优势。通信接口，包括机器人编程语言和用于将机器人与其他硬件和软件集成的通信协议。当前使用的机器人编程语言种类多达20种，每个机器人都有自己的编程语言和通信协议，其中大部分是专有的，并不通用。机器人操作系统（Robot Operating System，ROS）作为学术研究领域的通用编程框架，相信未来也将延伸为工业领域的标准编程框架。

2.6 AGVs

AGVs通常有轮子和传感器，可以让它们在工厂车间里导航，是工业机器人技术相关的一个重点领域。目前，工厂中的AGVs主要用于劳动密集型领域，如物流或在工厂车间的车间之间移动、运送物品或者材料。有赖于SLAM技術的逐步成熟，新的传感器和感知算法使得当前的AGVs技术比10年前强大许多。就目前的发展态势，AGVs技术的推进将大概率由现代物流车间和汽车行业驱动，因为这两大行业的技术发展对这类系统有着强烈的渴求和期待。

3 工业机器人技术面临的挑战

随着工业机器人发展，其技术将面临集成化、标准制定、柔性化、人才储备以及技术瓶颈等方面的挑战。

3.1 集成化

工业机器人集成到生产线的成本较机器人自身成本要高得多，前者往往是后者的4～5倍，工业机器人制造商要投入额外的精力和成本进行现有生产线的调整和维护。针对生产线的局部改动和工作组件的损坏维修都必须结合现有机器人集成的系统进行，因此系统的柔性化设计和可延展性格外重要。工业机器人面临集成方面的挑战，即需要工业机器人制造商和系统集成商共同维护、升级机器人工业生产线。

3.2 标准制定

关于硬件、软件、通信和安全等许多类型的标准仍在开发制定中，一定程度上限制了工业机器人新技术的推广应用。缺乏标准增加了集成时间和成本，并降低了用于制造多种类型产品或用于新装配线的机器人系统的可重用性。例如：由于现有机器人的价格相对便宜，所以很多工业机器人制造商会直接舍弃它们，而不是在一条生产线完成后重复使用它们。最终发展出的工业机器人行业通用标准将有效提高灵活性和系统模块化，反过来又可以促进工业机器人技术的加速进步。这些标准的挑战主要包括：安全标准、基础设施标准、通信协议标准、接口和机器人编程语言标准、硬件标准以及机器人规格和技术规范标准等。

3.3 柔性化

由于工业机器人在不同生产场景数量的需求差异以及重新投入新任务上的困难，迫使未来的工业机器人技术应具有柔性化，以适应并动态解决各种生产实际问题。这些柔性化具体包括：提高机器人技术在高混合、低产量生产中的适用性，更快集成和缩短重新集成的时间，可重构的工作生产线，允许同一条生产线生产多个产品，以实现机器人系统复用性等，中小企业在这部分的技术革新中起到重要的推手作用。在自动化生产过程中，增加柔性化的关键因素主要包括：易用性、易编程性、直观的界面、系统模块化和仿真等。

3.4 人才储备

创新和创造是科技的推动力，工业机器人新兴技术的产生离不开大量的专业技术人才，创造力是专业人才和工人们的专属，因为机器人是无法提供创造技能的，因此技术的革新和普及需要技术技能人才的储备。新技术的引入和普及就要求在制造业内部开展如何更好地使用新技术的教育和培训。例如：随着轻型机器人产品越来越多走向普通大众，那么就要相应地开展关于轻型机器人的销售人员和客户对产品使用的培训。

3.5 技术瓶颈

（1）视觉、传感和感知

机器视觉技术已初步在各个领域中得到应用，包括提高产品检测速度，降低产品质量检测成本，确保协作机器人系统的安全性，以及实现通用零件选择等。然而，视觉技术达到如人眼般的智能程度仍然是亟待解决的一个瓶颈问题。在使用视觉技术之前，主要采用触觉感知来解决问题，因为基于视觉的解决方案，围绕数据检测的鲁棒性仍然存在许多挑战，例如在对生产线上的部件进行微小的改动，或者工厂内部的照明发生微弱的变化，常常导致视觉系统无法正常辨识或者系统崩溃。此外，采用深度学习的视觉应用，相机系统的神经网络目前需要大量的训练数据，由于无法提供工业环境所需的可靠性和鲁棒性，基于深度学习的解决方案仍然是不通用的。

（2）机器人抓握

机器人抓握仍然是实现机器人解决方案的另一个技术瓶颈。目前，机器人的抓握能力与人类相比还差距甚远，因此物理抓握物件仍然是一个巨大的挑战。大多数机器人操纵器仍然不灵活，机器人的抓握能力仍然远远赶不上人类的抓握能力。目前的机器人抓手很难操纵灵活、可变形的物体，这就限制了机器人抓手在制造中的大量应用，因此工业自动化生产中需要更灵活和智能的抓握技术。

（3）新技术的鲁棒性和可靠性

将新技术引入生产线时，需要广泛的鲁棒性和可靠性。制造过程中的异常或变化可能代表一个障碍，例如：照明变化会影响感知算法，而零件方向或尺寸的异常会限制夹紧能力；两者都可能使生产线停滞。制造过程中任何形式的停机时间都将造成损失，这时引入人工智能（Architecture Intelligence，AI）算法是值得考虑的一条解决方案，虽然AI本身具有智能、精准等可取之处，但其鲁棒性和可靠性有待进一步探索和验证。

4 总结和展望

通过梳理工业机器人的发展脉络和我国工业机器人发展和现状，有助于看清工业机器人现状和未来发展方向。正值全球各国竞相开展新一轮科技革命和产业变革，以德国工业4.0、美国先进制造业国家战略计划、中国制造2025、日本机器人新战略等为代表的各国战略计划相继出台，工业机器人技术将与人工智能、大数据、物联网、云计算等形成跨学科融合，不断沉淀现有的关键技术使之趋于成熟，进而突破未来的技术挑战。作为未来智能制造核心，工业机器人正朝着重载荷或轻量化两极、高精度、高速度、智能化、数字化等方向发展，为完成人类赋予的各项工作任务，机器人之间、机器人与人之间的协作也将更加开放，安全和协作问题也将成为未来研究热点。

参考文献：

[1] Li Z B，Li S，Luo X.An overview of calibration technology of industrial robots[J].IEEE/CAA Journal of Automatica Sinica，2020，8（1）：23-36.

[2] 陶永，王田苗，刘辉，等.智能机器人研究现状及发展趋势的思考与建议[J].高技术通讯，2019，29（2）：149-163.

[3] 孟明辉，周传德，陈礼彬，等.工业机器人的研发及应用综述[J].上海交通大学学报，2016，50（S1）：98-101.

[4] 韩峰涛.工业机器人技术研究与发展综述[J].机器人技术与应用，2021（5）：23-26.

[5] Sanneman L，Fourie C，Shah J A.The state of industrial robotics：emerging technologies，challenges，and key research directions[J].Foundations and Trends in Robotics，2021，8（3）：225-306.

[6] Zhang H，Peeters J，Demeester E，et al.Deep learning reactive robotic grasping with a versatile vacuum gripper[J].IEEE Transactions on Robotics，2022，PP（99）：1-16.

【通聯编辑：李雅琪】