本报告中的“机器人+人工智能”指的是建模优化、机器视觉、 语音交互、机器学习、深度学习等人工智能技术应用于机器人上的智 能体。其工业应用包括两个层次，一是嵌入各类智能软硬件的机器人 产品在生产操作、物流配送等典型工业场景中的应用，二是智能化的 工业控制平台通过集成人工智能技术与工业机器人等设备，在产线优 化和试验验证等群体智能场景中的应用。 本报告分为研究背景、技术趋势分析、应用现状分析和前景展望 （三）具身智能尤其是人形机器人前沿研究持续火热 ........ 8 三、“机器人+人工智能”在工业领域的应用 ................. 10 （一）应用场景：从生产操作向其他高附加值场景拓展 ..... 10 1、生产操作：从操作精度提升到自适应学习 .............. 11 2、物流配送：“识别+导航”模型组合适用于封闭生产场景 . 12 3、质量管理：机器视觉检测大量取代人工检测 .... 13 （二）应用行业：重点用于汽车、电子、金属三大行业 ..... 14 1、汽车：关注精细生产、高效物流和外观检测 ............ 15 2、半导体：重点在质量管理和柔性操作 .................. 18 3、钢铁：聚焦质量管理和安全管理 ...................... 20 四、“机器人+人工智能”工业应用展望 ............

基于自动化、物联网、人工智能等技术，通过集成控制系统、感知系统、驱动系统和 机械系统等，结合工程施工工艺， 以“危繁脏重 ”的施工作业为重点，用于工程勘察、施工、 装饰、修缮、检测等环节，由经过专门培训的人员操作或使用，辅助和/或替代人执行任务 的机器人。 2.2 作业空间 Reachable Workspace 机器人的执行指令或遥控器能够到达的目标点的集合。 2.3 协同作业 Human-Robot Trajectory Planning 根据作业任务要求，计算出机器人预期的运动轨迹。 2.7 保护性停止 Protective Stop 为安全防护目的而允许运动停止并保持程序逻辑以便重启的一种操作中断类型。 2.8 机器人操作员 Robot Operator 经过专门培训的、操控机器人的人员。 2.9 激光波长 Optical maser wavelength 指激光器的输出波长，是激光器输出激光光束的重要参数。 3.7 建筑机器人的操作人员应经过专业培训，掌握机器人的基本操作、设备日常维护保养、 安全应急预案措施等内容。 第 4 页 第四章 安全规定及维护要求 4.1 建筑机器人作为现场关键工程设备，其安全性关系到现场人员、设施乃至整个项目。在 建筑机器人进场作业前，作业空间人员需树立安全意识，落实风险评估，明确安全职责， 掌握应急措施。 4.2 在使用建筑机器人前，操作人员应对其机械部件、

训练方案技术路线 03 14 资料来源：量子位智库、浙商证券产业研究院 具身智能的训练方法可分为模仿学习和强化学习两种路线。 模仿学习 强化学习 模仿学习—— 智能体通过观察和模仿专家（经验丰富的人类操作者或具 有高级性能的系统）的行为来学习任务。 • 优势：可以快速学习专家策略，无需复杂的探索过程 • 劣势：学习到的行为策略受限于专家数据，对于未见 过的情况泛化能力较差 强化学习—— 。 • 优势：数据可大规模获取，成本低 • 劣势：对仿真器要求高，仿真环境与真实世界存在差 异；迁移过程中存在性能下降 基于真实世界数据采集——直接从现实世界数据中学习， 包括本体采集、遥操作、动态捕捉、视频学习等方式。 • 优势：数据更真实可靠 • 劣势：数据少、泛化性差；通过机器本体和人采集， 成本高、难度大、效率低 国内外厂商 大模型进展 04 Partone 16 (ViLLA) 架构，该架构由VLM+ MoE组成，其中VLM借助海量互联网图文数据获得通用场景感知和语言理解能力，MoE中的Latent Planner(隐式规 划器)借助大量跨本体和人类操作视频数据获得通用的动作理解能力，MoE中的Action Expert(动作专家)借助百万真机数据获得精细的动作执 行能力，三者环环相扣，实现了可以利用人类视频学习，完成小样本快速泛化，降低了具身智

........................................................................................41 2.2.6 移动操作执行与人机交互............................................................................................ ..........................................................................................46 2.2.9 操作系统................................................................................................. locomotion , manipulation or positioning ， ISO 8373:2021）。 人形机器人既可以是工业机器人，其定义为：自动控制的、可重 复编程、多用途的操作机，可对三个或三个以上轴进行编程，它可以 是固定式或移动式，用于工业自动化；也可以是服务机器人，其定义 为：个人使用或专业用途下，可为人类或设备完成有用任务的机器人。 所以，人形机器人在不同的应用背景下，具有不同的概念和含义。

全链基础上逐步 强链，开放协作的基础上加速⽣态化。核⼼模块与基础⽀撑系统，包括电机与减速 器、传感器与感知模组、伺服电机、灵巧⼿、操作系统、⼤⼩脑系统-基础模型-功能 模型、芯⽚与算⼒平台、软件与仿真平台等⽅⾯，均取得⻓⾜进步。在此基础上，部 分企业通过操作系统、专业模型、训练仿真、算⼒系统、数据 API 等⽅⾯的开放⽣态 搭建，实现从“卖机器⼈”转向输出“平台+⽣态”，通过开放平台构建开发者⽣态，有⼒ 推动等，进⼀步助推 ⼈形机器⼈形成产业与市场的正反馈。国内相关部⻔、⾏业机构陆续牵头，各⽅企业 参与，正在积极推动具⾝智能领域的标准化⼯作，包括构建统⼀的硬件接⼝、通信协 议等产业标准，增强互操作性、降低维护成本，并在此基础上探索全球技术协作与市 场服务⽹络的⾏业共建。 特征之⼋，政策驱动与战略地位提升。中国等全球主要经济体均将⼈形机器⼈、 具⾝智能视为科技产业发展的重要⽅向。2025 智能化的具⾝智能系统，能够根据环境和任务的变化实时调整决策。 ⾏动模块作为具⾝智能的“执⾏单元”，负责接收决策模块指令，并执⾏具体动作。 ⾏动模块的主要任务包括导航、物体操作和物体交互。导航通过四处移动寻找⽬标位 置；物体操作需要接触物体并通过操作改变物体状态。 反馈模块作为具⾝智能的“调节器”，通过多层交互不断接收来⾃环境的反馈经验并 进⾏调整优化，提⾼对环境的适应性和智能化⽔平。反馈模块主要依赖⼤模型加速反

一定的安全性。应用场景包括公用事业计量、智慧城市、停车管理、环境监测、宠 物追踪和农业等。虽然LoRaWAN可以承载IP协议，但其带宽很低且消息语法高度精 简，无法直接与Wi-Fi、Thread或其他IP网络互操作。不过，网关可以将高度压缩 的LoRa无线协议转换为IP协议，因此从应用角度看，LoRa就像一个IP网络。 专用设备网络 如本节开头段落所述，IoT连接架构极为多样。数十亿台设备使用着数百种不同的IoT网络及 ，能在任何网络（或网 络组合）上实现私密、安全的端到端通信，而且很多都和您的网络浏览器一样，采用了 HTTPS和TLS协议。不过，IoT应用层会运用专门的技术来验证设备和应用的真实性，并管理 操作凭证。 应用层语义 除了提供网络安全保障外，应用层还拥有同一种通用语言——同一种数据模型，用于定义特 定应用领域内应用与设备之间的通信方式。对于消费类应用而言，像“打开灯”这样的指令 本节将简要介绍Matter，并探讨其作为AIoT应用层的关键特性。 Matter简介 Matter的主要目标是统一消费类设备网络和协议，这样任何制造商生产的认证产品都能通 过现有的网络基础设施实现无缝互操作。如需详细了解该标准，请参考恩智浦Matter系列 的其他三篇MI&S白皮书： 第8页 人工智能物联网（AIoT）：将人工智能与现实世界相连 版权所有 ©2024 Moor

路线与物品位置固定 2 路线涉及物体机械移动 3 路线涉及生物自主移动 操作工具 1 不使用工具/使用固定工具 2 使用某类特定工具 3 使用多种不同工具 一级指标 二级指标 能力等级 指标定义 动作 复杂程度 上肢：精细度 1 允许误差范围较大 2 允许厘米/牛米级误差 3 毫米/毫牛米级动作，柔性操作 下肢：寻路移动 1 固定线路 2 固定区域 3 全场景避障 交互理解 熟环节暂不考虑直接替换（如涂装、焊接）。 • 在新能源汽车制造场景，人形机器人在替代人工工序上相对较有优势，能够在长时间工作状态下保持效率，且人形机器人标准化动作能力强，能够保持操作精确 程度，但暂时无法适应精细操作或复杂长链条任务。未来将逐渐通过泛化学习能力补齐短板。 搬运类 质检类 工站衔接 基础组装类 工 序 工 作 步 骤 已实现 测试中 无规划 工种 人形机器人功能规划: * 搬运类：电芯拣选放入模组，并将 模组搬运至工装夹具 • 质检类：操作相关传感器完成气密 性检测 • 向下游拓展基础组装类：在上述步骤后， 加入操作工装夹具完成模组成型，将模 组安装至底板 • 向上游拓展基础组装类：在上述步骤前， 加入完成液冷板铺设 • 向下游拓展基础组装类：上述步骤后， 加入高压线束安装，上盖安装 演进逻辑：总装各步骤包含的操作仍然较复杂，可由各步骤中的可胜任工作进入(螺丝预拧紧，

应⽤到新⼀代⼈形机器⼈平台上。 Ingmar Posner 应⽤⼈⼯智能教授 ⼯程科学系 同样，机器学习在机器⼈技术领域的进步已经导致能够执⾏对⼯业和公共领域价值逐渐增 加的任务的能⼒强⼤的机器⼈操作器的出现。在操作和灵巧性⽅⾯取得了稳定的进展，虽 然还远未解决，但能⼒的进步使得移动机器⼈操纵迅速成为即将到来的关键领域。⼤规模 语⾔模型的出现有望填补⼈⼯智能中⼀个基础性挑战，即常识和常规知识的获取。尽管⽬ 术程序。 到2023年，全球已有超过700万次⼿术使⽤机器⼈辅助进⾏，显著缩短了患者康 复时间，提⾼了⼿术成果。 进⾏精细运动的能⼒意味着外科医⽣现在可以以⼈类⼿部只能达到的⼗分之⼀的 尺度进⾏操作，极⼤地拓展了微创⼿术和其他复杂程序的可能性。 机器⼈灵巧性的发展也体现在现代机器⼈拥有的⾃由度（DOFs）不断增加。早期 的机器⼈⼿臂通常只有3-4个DOF，严重限制了它们的活动范围和灵活性。相⽐之 重要。 增强数据隐私: 边缘计算还有助于通过将数据保留在设备本地来缓解数据隐私问题 。 改进的连接性:在⽹络连接不稳定或间歇性的环境中，边缘计算使机器⼈能够继续独 ⽴于云端运⾏。这对于在偏远地区操作的机器⼈尤为重要，⽐如农⽥或灾难区域， 那⾥⾼速互联⽹的接⼊可能有限。 机器⼈边缘计算的⼀个关键因素是神经处理单元（NPUs）的发展，这是专⻔设计⽤于加速⼈⼯智能计算的硬件。 NPU技术的快速增

k的技术路径，甚至可以 在单Orin-X上部署L3的功能。（5）语义分割、目标识别等赋能智能座舱。DeepSeek应用于座舱交互，能够实现更精准、流畅的语音 交互，理解驾驶员的模糊指令，快速准确执行操作，将传统“指令式交互”转变为“场景化服务”。 请务必阅读正文之后的免责条款部分 10万级别智驾落地推动行业进入智驾平权 16 随比亚迪引领的10万级别智驾落地，视觉感知方案与端到端大模型共同推动 域协同 25 2024年4月，华为推出了新品牌乾崑及其新一代智能驾驶解决方案ADS 3.0，以GOD网络（通用障碍物检测）和PDP网络 （预测-决策-规划一体化）为核心，通过全栈自研的AI芯片、操作系统和融合感知传感器，实现了端到端技术的规模化 量产。华为通过构建云端AI训练平台进行大量的数据训练，根据2024年6月发布的信息，ADS智能驾驶系统的云端学习训 练算力达到7.5EFLOPS，训练 依托昇腾AI构建智能网联车的算力底座，围绕开源生态和模型体系打 造完整的软硬件解决方案。华为基于全栈自主开放兼容、灵活部署的 AI算力底座，提供完整的自动驾驶和智能网联体系的基础解决方案， 包括底层计算架构、核心硬件、大规模的集训系统、操作系统、编译 器、编程语言以及各种各样的加速库等。在算力解决层面，提供基础 的软硬件和围绕着智能网联汽车解决方案的可使用套件，包括框架、 训练的模型以及更多工具和调度系统。同时，华为联合合作伙伴共同

来了解他们，旨在帮助他们成为更优秀的自己。 企业 它 可能更像是一个中枢神经系统——企业架构进化成能够 捕捉业务的集体知识、独特的差异化特征以及其文化和 个性的东西，并成为其关键协调者（甚至是自主操作者 ）。对于 建筑： 一个全面的骨干架构是将AI实验转化为企业级解决方案的关键。它将智能扩展到整个组织以及 现有的工作流程中，并实现可重复性，因此解决方案可以一次性制作并重复使用。 模型： 大型 具箱设计 的应用程序转变为内置创作者的应用程序。随着功能的 提升，这引发了一个问题：大多数最终用户是否需要访 问完整的应用程序，或者他们——甚至他们的代理—— 是否可以直接与创作者交谈？ 嵌入式于操作系统之中，这些系统使得以前不可能的功 能成为可能，例如“回忆”功能，它能提醒用户他们之前在 处理哪些文件或浏览过哪些网站，甚至数月之后；以及 真正的代理系统，如“AutoGen”，这是一个多代理交互框 极目标——它们是实现目标的手段。未来科技的未来将 是领导者需要筹划的丰盛、抽象和自主的科技前景。 定义明确的目标。自主性使我们摆脱了这种束缚，因为 能够自主构建和执行代码的系统有望成为强大的业务编 排者和操作者。机会无限；它预示着一个无摩擦、基于 意图的系统未来。但这同时也意味着构建和训练这些系 统的方式将发生根本性的变化。正如人工智能之父杰弗 里·辛顿所说：“我们设计了学习算法，但当这个算法与数 据交