- 天翼智庫
- 作者：李春輝
- 2025年7月17日 09:33
工聯網消息(IItime) 人形機器人產業正由從通過自然語言口令被動執行任務向主動學習和尋找任務過渡，工業制造領域有望成為人形機器人最先實現商業化落地的領域。
人形機器人工業制造場景應用現狀和趨勢
工業人形機器人產品行業已探索部分標準。行業已初步探索了適用于工業制造場景的人形機器人的性能要求，重點在機器人視覺感知、負載能力、本體結構和故障率上強化了相關標準。如在視覺方面，機器人的工作距離要介于300~1,200mm，全視野幀率≥20幀/s，定位精度＜0.5mm，支持RGBD深度相機技術，需抗強光與抗反光，可支持室內外場景≥50萬流明下實現精準識別。在靈巧手方面，機器人每個手指承載能力＞1.5KG，上肢連手承載能力＞8KG。在本體結構方面，可自動升降身體高度，手臂可延展的高度范圍不小于2米。另外，工業型人形機器人平均無故障作業時間也不能低于2,000小時左右。
人形機器人在工業制造場景進入小規模量產階段，批量進入制造工廠。當前工業人形機器人較為成熟的場景多集中在物流分揀、焊接及裝配質檢、基礎組裝（如打螺絲）等。隨著供需規模不斷擴大，正從過去小規模進工廠試點探索應用場景階段進入一定數量規模的量產作業階段。近期東風柳汽與優必選簽署戰略協議，優必選20臺Walker S1機器人將在東風柳汽的汽車制造工廠完成部署并用于整車制造過程中的如安全帶檢測、車門鎖檢測、車身質檢、標簽打印和搬運等工作，致力于提升工廠的智能化和無人化水平及作業效率，這是全球首次人形機器人批量進入汽車制造工廠。
人形機器人視覺感知需求不斷提升，高精度3D視覺產業將迎來高速發展。當前3D視覺相機正大規模應用于人形機器人，提高了機器人空間建模準確性和對周邊環境深度信息的理解能力。如優必選Walker S型工業機器人，配備多目視覺、全向聽覺等全方位感知系統，結合360°多模態感知技術。據高工數據顯示，2024年中國機器視覺市場規模約為181.47億元人民幣，3D視覺市場約為28.15億元人民幣，同比增長19.18%，預計2025年中國機器視覺市場規模有望突破210億元人民幣，同比增速超過14%，另外國內頭部機器人視覺企業奧比中光，2025年1-5月較上年同期增加了8,643.86萬元人民幣，實現同比增長117.18%。因此在操作精細度高、動作較為復雜的工業制造場景3D視覺系統將成為人形機器人的標配。
人形機器人在工業制造場景落地問題和挑戰
人形機器人存在維護困難，行業缺乏對工業人形機器人相關的產品設計和維護的標準。當前主流廠商人形機器人本體結構均較為復雜，其本體設計很多尚不具備工業制造過程中需要的高可靠和易維護等的特點，仍需要專業技術人員定期巡檢和維修，在一定程度上限制了中小企業規模應用人形機器人作業的可行性。
短期內人形機器人仍較難突破部分工業制造場景，大模型仍有較大的局限性。受限于軟件算法本身和與硬件適配的能力，機器人動作操作精度，手眼協同能力仍較差，當前機器人廠商需突破視覺和手臂操作可準確對齊的軟件。再者當前人形機器人對于有較高柔性化組裝需求的如精密且易碎的產品零件組裝等任務仍較難達到相關的行業要求，如為零件提供恰當的扭矩、保持較好的嚴密性等。另外，人形機器人工作效率仍較低。在拆垛碼垛的搬運場景中，機器人的平均搬運效率為普通工人的30%-40%，若實現規模化應用需達到約70%左右的工作效率。最后大模型和智能體的智能化程度和推理速度仍滿足不了部分場景需求，如工廠制造過程中對產品的瑕疵檢測場景等。
3D相機產品可靠性仍有待于提高。3D相機在遇到室外極強光環境、操作目標特殊幾何形狀所形成的多次光反射等易造成對距離判斷的失真，導致感知出現誤差。再者工廠作業一般排期緊張，制造工藝復雜且同一型號產品生產周期短，可供機器人實操訓練的數據少，感知誤差大、可靠性差、實操數據少將深度影響機器人模型的動作精度和泛化能力，因此未來制造工廠對機器人感知精度和可靠性將有較高的要求，當前各大廠商仍需繼續升級機器人感知系統的可靠性和安全性。
人形機器人在工業制造場景應用啟示和建議
一是探索和設計適用于工業制造的高可靠和易維護的人形機器人。相關部門應積極改善機器人本體結構，提高易損部件強度，優化各組件之間的連接方式，進而實現無需專業人員，機器人之間可相互快速維修的方案并縮短維修周期。
二是多模態感知系統將解鎖更多的工業場景，助力機器人實現柔性化操作生產。視覺+觸覺的方式將有效推動人形機器人落地柔性化組裝場景。由于大模型能力有限，短期內相關的精準力觸和視覺動作對齊的軟件仍需要定制且有一定的開發難度，可聯合高校、央企與機器人廠商合作聯合開發此類軟件。
三是工業人形機器人需不斷提升感知系統的可靠性。工業場景環境相對復雜，對機器人感知能力要求高，一方面，機器人在部署3D相機的同時，可冗余部署三維激光雷達。另一方面，在提升感知深度和精度的同時，也可通過升級相關的軟件技術改善感知的可靠性，如機器人下一步可在加持雙目3D立體視覺系統的基礎上，引入OCC（Occupancy Network）占用網格技術，進一步提升復雜場景環境下識別物體的魯棒性。
