机器人技术的发展是一个国家高科技水平和工业自动化程度的重要标志和体现。机器人在当前生产生活中的应用越来越广泛，正在替代人发挥着日益重要的作用。随着计算机、微电子、信息技术的快速进步，机器人技术的开发速度越来越快，智能度越来越高，应用范围也得到了极大的扩展。在海洋开发、宇宙探测、工农业生产、军事、社会服务、娱乐等各个领域，机器人都有着广阔的发展空间与应用前景。机器人正朝着智能化和多样化等方向发展。

一、智能机器人的定义

智能机器人之所以叫智能机器人，这是因为它有相当发达的“大脑”。在脑中起作用的是中央处理器，这种计算机跟操作它的人有直接的联系。最主要的是，这样的计算机可以进行按目的安排的动作。正因为这样，我们才说这种机器人才是真正的机器人，尽管它们的外表可能有所不同。

广泛意义上理解所谓的智能机器人，它给人的最深刻的印象是一个独特的进行自我控制的“活物”。其实，这个自控“活物”的主要器官并没有像真正的人那样微妙而复杂。智能机器人具备形形色色的内部信息传感器和外部信息传感器，如视觉、听觉、触觉、嗅觉。除具有感受器外，它还有效应器，作为作用于周围环境的手段。这就是筋肉，或称自整步电动机，它们使手、脚、长鼻子、触角等动起来。

二、智能机器人要具备的主要要素

1、感觉要素，用来认识周围环境状态;感觉要素包括能感知视觉、接近、距离等的非接触型传感器和能感知力、压觉、触觉等的接触型传感器。这些要素实质上就是相当于人的眼、鼻、耳等五官，它们的功能可以利用诸如摄像机、图像传感器、超声波传成器、激光器、导电橡胶、压电元件、气动元件、行程开关等机电元器件来实现。

2、运动要素，对外界做出反应性动作;对运动要素来说，智能机器人需要有一个无轨道型的移动机构，以适应诸如平地、台阶、墙壁、楼梯、坡道等不同的地理环境。它们的功能可以借助轮子、履带、支脚、吸盘、气垫等移动机构来完成。在运动过程中要对移动机构进行实时控制，这种控制不仅要包括有位置控制，而且还要有力度控制、位置与力度混合控制、伸缩率控制等

3、思考要素，根据感觉要素所得到的信息，思考出采用什么样的动作。智能机器人的思考要素是三个要素中的关键，也是人们要赋予机器人必备的要素。思考要素包括有判断、逻辑分析、理解等方面的智力活动。这些智力活动实质上是一个信息处理过程，而计算机则是完成这个处理过程的主要手段。

三、智能机器人关键技术

1、多传感器信息融合

多传感器信息融合技术是近年来十分热门的研究课题，它与控制理论、信号处理、人工智能、概率和统计相结合，为机器人在各种复杂、动态、不确定和未知的环境中执行任务提供了一种技术解决途径。

2、导航与定位

在机器人系统中，自主导航是一项核心技术，是机器人研究领域的重点和难点问题。

3、路径规划

路径规划技术是机器人研究领域的一个重要分支。最优路径规划就是依据某个或某些优化准则(如工作代价最小、行走路线最短、行走时间最短等)，在机器人工作空间中找到一条从起始状态到目标状态、可以避开障碍物的最优路径。

4、机器人视觉

视觉系统是自主机器人的重要组成部分，一般由摄像机、图像采集卡和计算机组成。机器人视觉系统的工作包括图像的获取、图像的处理和分析、输出和显示，核心任务是特征提取、图像分割和图像辨识。

5、智能控制

随着智能机器人技术的发展，对于无法精确解析建模的物理对象以及信息不足的病态过程，传统控制理论暴露出缺点，近年来许多学者提出了各种不同的机器人智能控制系统。

6、人机接口技术

智能机器人的研究目标并不是完全取代人，复杂的智能机器人系统仅仅依靠计算机来控制目前是有一定困难的，即使可以做到，也由于缺乏对环境的适应能力而并不实用。智能机器人系统还不能完全排斥人的作用，而是需要借助人机协调来实现系统控制。因此，设计良好的人机接口就成为智能机器人研究的重点问题之一。

四、智能机器人的主要分类

1、智能机器人按功能分类

（1）、传感型机器人

也外部受控机器人。机器人的本体上没有智能单元只有执行机构和感应机构，它具有利用传感信息(包括视觉、听觉、触觉、接近觉、力觉和红外、超声及激光等)进行传感信息处理、实现控制与操作的能力。受控于外部计算机，目前机器人世界杯的小型组比赛使用的机器人就属于这样的类型。

（2）、自主型机器人

在设计制作之后，机器人无需人的干预，能够在各种环境下自动完成各项拟人任务。自主型机器人的本体上具有感知、处理、决策、执行等模块，可以就像一个自主的人一样独立地活动和处理问题。许多国家都非常重视全自主移动机器人的研究。智能机器人的研究从60年代初开始，经过几十年的发展，目前，基于感觉控制的智能机器人(又称第二代机器人)已达到实际应用阶段，基于知识控制的智能机器人(又称自主机器人或下一代机器人)也取得较大进展，已研制出多种样机。

（3、）交互型机器人

机器人通过计算机系统与操作员或程序员进行人-机对话，实现对机器人的控制与操作。虽然具有了部分处理和决策功能，能够独立地实现一些诸如轨迹规划、简单的避障等功能，但是还要受到外部的控制。

2、按智能程度分类

（1）、工业机器人

只能死板地按照人给它规定的程序工作，不管外界条件有何变化，自己都不能对程序也就是对所做的工作作相应的调整。如果要改变机器人所做的工作，必须由人对程序作相应的改变，因此它是毫无智能的。

（2）、初级智能机器人

具有象人那样的感受，识别，推理和判断能力。可以根据外界条件的变化，在一定范围内自行修改程序，也就是它能适应外界条件变化对自己怎样作相应调整。不过，修改程序的原则由人预先给以规定，这种初级智能机器人已拥有一定的智能。

（3）、高级智能机器人

具有感觉，识别，推理和判断能力，同样可以根据外界条件的变化，在一定范围内自行修改程序。所不同的是，修改程序的原则不是由人规定的，而是机器人自己通过学习，总结经验来获得修改程序的原则。所以它的智能高出初能智能机器人。这种机器人已拥有一定的自动规划能力，能够自己安排自己的工作。这种机器人可以不要人的照料，完全独立的工作，故称为高级自律机器人。这种机器人也开始走向实用。器人向智能化发展不断提出了新的要求。

中商情报网讯：机器人作为最先进的智能化设备之一，是智能装备产业发展的核心，也是“制造业皇冠顶端的明珠”。机器人的研发、制造和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。

中国高度重视机器人科技和产业的发展，机器人市场规模持续快速增长，机器人企业逐步发展壮大，已经初步形成完整的机器人产业链，同时“机器人+”应用不断拓展深入，产业整体呈现欣欣向荣的良好发展态势。

在人工智能、硬件、网络、云计算等融合发展下，机器人智能化、柔性化程度不断提高，对场景的自适应能力越来越强，在疫情催化下应用范围得到大幅扩展，机器人产业迎来爆发式增长新高潮，在工业制造、公共服务领域成长出一批独角兽企业。

中商产业研究院预测，我国智能机器人市场规模由2023年1678亿元增至2027年2490亿元，年均复合增长率为10.4%。

《2023年中国智能机器人行业市场前景及投资研究报告》，《报告》主要围绕十四五智能机器人行业发展路径、智能机器人行业概况、智能机器人行业发展环境、智能机器人行业发展现状、智能机器人行业上游分析、智能机器人行业下游分析、智能机器人行业企业分析、智能机器人行业发展前景等八个章节展开，通过对当前的行业现状进行分析，总结行业发展现状，从而预测“十四五”智能机器人行业发展前景及趋势。

PART 1 十四五智能机器人行业发展路径

《“十四五”机器人产业发展规划》立足我国各领域高质量发展需求和人民向往美好生活的需要，把握机器人产业发展趋势，提出到2025年，我国成为全球机器人技术创新策源地、高端制造集聚地和集成应用新高地，一批机器人核心技术和高端产品取得突破，整机综合指标达到国际先进水平，关键零部件性能和可靠性达到国际同类产品水平；机器人产业营业收入年均增速超过20%；形成一批具有国际竞争力的领军企业及一大批创新能力强、成长性好的专精特新“小巨人”企业，建成3-5个有国际影响力的产业集群；制造业机器人密度实现翻番。

到2035年，我国机器人产业综合实力达到国际领先水平，机器人成为经济发展、人民生活、社会治理的重要组成。

PART 2 智能机器人行业概况

对于机器人的定义，不同研究机构给予了不同解释。国际标准化组织ISO标准认为，机器人是具有一定程度的自主能力，可在其环境内运动以执行预期任务的可编程执行机构。

中国科学家认为，机器人是一种高度灵活的自动化机器，具备与人或生物相似的智能能力，如感知、规划、动作和协同能力等。

我国发布的国家标准《机器人与机器人装备词汇》（GB/-2013）规定，机器人是具有两个或两个以上可编程轴，以及一定程度的自主能力，可在其环境内运动以执行预期任务的执行机构。

PART 3 智能机器人行业发展环境

PART 4 智能机器人行业发展现状

当前，我国智能机器人市场进入稳定增长期。虽然在2019年期间受市场需求波动的影响，我国智能机器人市场规模出现轻微下滑，但由于率先突破疫情影响，智能机器人市场呈现加速复苏趋势，大量“非接触”式服务也为智能机器人应该提供了更为广阔的应用空间。

数据显示，2021年我国智能机器人市场规模达994亿元，并预计2023年其市场规模将达1412亿元。

PART5智能机器人行业上下游分析

人工智能芯片是智能机器人产业链的重要硬件。近年来，随着算力中心的增加以及终端应用的落地，我国人工智能芯片需求也持续提升。

2021年，我国人工智能芯片市场规模达到427亿元，同比增长124%。在政策、市场、技术等合力作用下，中国人工智能芯片行业将快速发展，预计2023年市场规模有望突破800亿元。

PART 6 智能机器人行业企业分析

PART 7 智能机器人行业发展前景

中国电子学会组织编写的《中国机器人产业发展报告（2022年）》报告表示，中国已将突破机器人关键核心技术作为重要工程，国内厂商攻克了减速器、控制器、伺服系统等关键核心零部件领域的部分难题，核心零部件国产化的趋势逐渐显现。

中商产业研究院预测，中国智能机器人市场规模由2023年1412亿元增至2027年2016亿元，年均复合增长率为9.3%。

PART 8 附录

信息技术与神经技术的深度融合有望突破机器智能的发展瓶颈，开发出具有通用认知能力和自主学习能力的类脑智能。

人类大脑是一个通用智能系统,由千亿个神经元和数百万亿个突触连接构成，具有感知、学习、推理和决策的能力。近年来，各国的研究人员一致认为高度智能化构想的实现需要从脑科学中获得启发。于是，科学家开始向自己的大脑学习，积极开展类脑智能方向的研发工作。

类脑智能的国内外发展现状

国际上，类脑智能的发展主要体现在3个方面。一是类脑智能技术和产品研发加速。当前，计算机科学借鉴大脑处理信息的机制和神经编码的本质构建出新的神经网络模型，形成神经计算、类脑芯片、类脑智能机器人等技术和产品。二是脑机接口技术得到重视。神经科学利用认知计算等修复或增强大脑功能，加速脑机接口技术的发展。三是利用神经形态计算模拟人类大脑处理信息的过程。研发人员通过借鉴脑神经结构和信息处理机制，使机器以类脑的方式实现人类认知能力及协同机制，达到或超越人类的智能水平。

我国类脑智能的研究水平处于国际前沿。2016年，我国正式提出“脑科学与类脑科学研究”(简称“中国脑计划”)，它作为连接脑科学和信息科学的桥梁，将在极大程度上推动通用人工智能技术的发展。此外，多所高校都成立了类脑智能研究机构，开展类脑智能研究。例如：清华大学于2014年成立类脑计算研究中心;中国科学院自动化研究所于2015年成立类脑智能研究中心;2018年，北京脑科学与类脑研究中心和上海脑科学与类脑研究中心先后成立。目前，清华大学类脑计算研究中心已经研发出具有自主知识产权的类脑计算芯片、软件工具链。中国科学院自动化研究所开发出类脑认知引擎平台，能够模拟哺乳动物大脑，并在智能机器人身上实现了多感觉融合、类脑学习与决策等多种应用。

类脑智能的未来发展重点

●脑机接口

脑机接口技术未来的发展重点体现在以下几个方面。一是干电极脑信号的采集和传输。干电极脑信号的采集和传输是指基于干电极技术，采用靠近大脑皮层的传感电极，在连续、长期、可靠、便捷、稳定、无创、低功耗、低成本、失真程度最小的情况下获取大脑皮层微弱的神经电活动信号，进而通过无线方式实时地将神经电活动信号传输给电脑等信息处理系统，便于进一步的脑信号解析。未来，该技术预期形成价格低廉、无创伤、使用简单、不依赖于导电介质、采集信号稳定可靠、无须前期头皮清洗准备、不需要外人辅助、不受环境约束、佩戴方便、面向大众使用、无线可穿戴的干电极脑电帽。二是脑电信号解析。该技术能够实现脑信号的正确解码与识别，是脑机接口最为本质和核心的环节，是脑机接口技术的关键。未来，该技术预期形成脑电信号解析的算法模型，能够正确解析人们意图，可应用于军事、康复、辅助诊断等领域。三是脑机交互适应性。该技术预期形成新型的脑机交互范式和自适应脑信号识别算法。四是脑机接口仿真应用系统。该系统是对实际应用系统进行模拟，可检验脑电解析算法的性能，实时评估使用者的控制效果，是脑机接口技术实用化的前提。未来，该系统将应用在电子产品、导航等领域，如脑电波头盔、网页浏览、收发邮件、输入字符等。

●神经形态硬件

神经形态硬件包括从概念上受神经生物学体系结构启发的半导体器件。神经形态处理器采用非冯?诺伊曼(von-)体系结构，是与传统处理器截然不同的执行模型，其特点是处理元素简单，但互连性很高。神经形态系统处于非常早期的原型阶段。IBM公司向美国劳伦斯?利弗莫尔国家实验室提供了一个基于的系统。神经芯片的尖峰神经元自适应处理器技术和惠普公司的实验室产品属于早期产品。英特尔公司的“Loihi”芯片凭借更高程度的连接性，解决了更广泛的人工智能工作负载。高通公司是神经形态处理器的早期代表。

当前神经形态硬件的部署存在以下障碍：一是神经形态硬件编程需要新的工具和培训方法;二是半导体器件互连的复杂性对半导体制造商创造可行的神经形态设备提出了挑战。目前，神经形态硬件尚未成为主流，但随着编程技术的突破，这种情况可能会发生变化。神经形态计算体系结构能够使神经形态硬件具有更好的性能，为图形分析提供支持。神经形态硬件设备有可能成为类脑智能发展的重要动力。

●机器学习

机器学习是利用能够从数据中提取知识和模式的数学模型来解决业务问题。越来越多的类脑智能研究正在探索机器学习的深度应用，尝试改进机器学习方法，找到执行机器学习项目所需的相关角色和技能。数据是机器学习的“燃料”，高质量的数据是机器学习成功的关键。支持类脑智能的机器学习算法有很多，但是，如何让海量的数据匹配最佳的机器学习算法从而实现最优化的类脑智能技术是当前类脑智能研究的重点。

●混合现实

混合现实(MR)是真实世界和虚拟世界的融合，物理和图形对象能够自然地进行相互作用并集成在一起。从概念上说，MR是一种单一的技术。但实际上，MR是一组潜在的技术，包括从真实环境数字化到增强现实(AR)、虚拟现实(VR)的各种沉浸式显示和交互系统。未来的用户体验技术将更深入地融入人类与现实世界的自然交互方式。类脑智能方向的MR技术可以更好地集成现实世界和虚拟世界，融合类脑智能的MR技术可以实现新类型的客户体验和更个性化的用户体验。

●凝视控制

凝视控制是通过眨眼或改变视线的方向来产生智能动作的。凝视控制包括确定使用者视觉注意力的角度或位置。凝视控制是眼球跟踪的一种应用，也是手势控制的一个组成部分，利用眼睛的焦点来传达指令。眼球跟踪使凝视控制系统能够在智能手机、智能电视、汽车和计算机中工作。在眼球跟踪技术的支持下，类脑智能领域的凝视控制可以帮助玩家实现武器自动瞄准、车辆引导或者用眼睛抛物等指令。

●认知计算

当前，认知计算的发展主要表现在以下几个方面：一是利用基于生物可塑性的规则对网络进行训练，同时获得所有样本的新颖性估计;二是对新颖性估计值超过阈值的样本进行重复学习，并根据每个阶段的学习结果动态更新样本的新颖性估计;三是为了避免对新颖样本的过拟合和对已学习样本的遗忘，需要对所有样本进行一次重复训练;四是周期性地进行第二步和第三步，直到网络收敛。认知计算能够模拟人脑在脑区尺度进行层次化信息处理的机制，将生物神经元之间的局部连接关系以及信息处理的层级结构应用到计算模型中，模拟大脑多个层级的信息处理，并对信息进行编码，使其更接近真实神经元对信息的编码方式。

●类脑智能机器人

类脑智能机器人是融合了视觉、听觉、思考和执行等能力的综合智能系统，能够以类似人脑的工作方式运行。将人脑的内部机理融入机器人系统，可以提高机器人的认知、学习和控制能力，可以与之产生更深度的交叉与合作。研究人员正努力使机器人以类脑的方式实现对外界的感知及自身控制一体化，使其能够模仿外周神经系统感知、中枢神经系统输出与多层级反馈回路，实现机器人从感知外界信息到自身运动的快速性和准确性。

类脑智能总体发展趋势

类脑智能在近10年内引起了世界各国不同背景研究人员的广泛关注。英国曼彻斯特大学的芯片、IBM公司的芯片、德国海德堡大学的芯片、美国斯坦福大学的芯片、英特尔公司的Loihi芯片以及中国清华大学的天机芯片等都是类脑智能发展的重要代表。

目前，越来越多的研究着眼于提高神经网络、认知计算模型以及智能系统的自适应能力，发展可持续的类人学习机制需要通过脑科学建立适应这类学习机制的认知结构。基于这些类脑学习方法和认知结构，进一步发展类脑认知计算模型，才能最终真正设计并实现“机制类脑、行为类人”的通用类脑智能计算模型。

受脑工作机制的启发，面向下一代智能信息技术，需要通过不同学科、不同领域之间的交叉，尤其是信息技术与神经技术的深度融合，才有望突破机器智能的发展瓶颈，开发出具有通用认知能力和自主学习能力的类脑智能。未来，开展类脑计算和脑式信息处理网络的新型芯片及计算系统研究、神经网络突触连接机制启发的神经拟态芯片设计与类脑系统研究，有望实现大规模、高精度的神经网络启发的类脑智能，使脑启发类脑智能系统真正实现在信息处理机制上类脑，在认知行为上超越人类。

孟海华，博士，上海市投资促进服务中心发展研究部副研究员。

文/孟海华