智能机器人软件开发架构大纲

智能机器人概念界定

感知、决策、执行、控制是智能机器人基本四要素

国际标准化定义机器人是一种能够通过编程和自动控制来执行诸如作业或移动等任务的机器。随着多模态感知系统、动力学模型、深度学习、定位导航等多种智能技术的渐进发展，叠加机器人下游需求场景日益多元化，智能技术加快与机器人的融合，如今机器人学已经发展成拓扑学、系统工程、人工智能等多领域交叉的综合型学科。艾瑞咨询认为智能机器人具备深度感知、智能决策、灵巧执行、精准控制等要素，可完成预期任务，同时可自主应对执行过程中的突发情况。依据应用场景的不同，智能机器人的使用主体分为个人消费级与企业级，本次报告的研究范畴为企业级智能机器人。

机器人实现完全自主的判断、决策仍需要不断探索

机器人从诞生到向智能化迈进的发展进程大致可分为萌芽成长期、快速发展期与智能探索期三个阶段。多样传感器的应用使得机器人从单纯具备记忆、存储能力的示教再现型向感知反馈型转变，智能成熟度的提升催生机器人从传统工业领域向更加贴合人类生活的服务领域渗透。目前，整个产业处于机器人3.0探索阶段，以期机器人从部分智能向完全自主的拐点出现。

明确智能机器人产业顶层战略地位，突破核心部件与关键技术难点，助力机器人向多样化应用领域延伸

政策推动机器人行业模式跑通，率先实现工业领域规模化

基于政策端的大力驱动，工业机器人率先形成规模化，助推整个行业的发展。近年来中国工业机器人的产量逐年攀升，2021年整体产量突破36万套，达到近五年来的峰值，稳居全球第一大工业机器人市场。2020年制造业的机器人密度实现每万人246台，逼近全球制造业机器人使用密度的2倍。机器人产业的蓬勃发展是企业积极响应国家号召的体现，截至2021年底，机器人领域的专精特新“小巨人”企业数量达到101家，涵盖整机、核心部件、系统集成等各类领域，为产业健康发展奠定坚实基础。

核心硬件国产化比重加大，新兴技术水平国际领先，机器人智能水平大幅提升

机器人核心硬件，如减速器、伺服电机，长期受制于国外是限制行业发展的重要因素。伴随智能制造的转型升级，许多企业开始摒弃买办思维，加快国产自研进程，逐步缩小国产部件与进口零件的性能差距，核心零部件的国产化替代比重增大，进一步打破国外垄断核心技术的局面。受益于国内人口体量对数据资源的支持，国内企业在大数据、人工智能、云计算、物联网等战略性新兴产业的发展比肩国际甚至处于领先水平。据统计，近十年中国AI专利申请量居全球首位，占比超过74.7%。智能技术的加持减轻机器人对核心硬件的依赖程度，以软件赋能硬件，国产机器人另辟蹊径，应用领域从传统工业走向服务、医疗、农业、安防等新场景。

行业发展驱动因素：生产驱动

企业层面对效率、质量、成本的强烈需求，驱动“机器人代人”

充足、高效、专业的劳动力是保障国家经济发展的前提。相较于人工，机器人在生产效率、质量、工作稳定性、环境依赖性等多个方面具有固有优势。特别是在完成高精度、耗时长、环境恶劣等工作时，机器人可有效提升生产效率，统一产品质量，并且保障人身安全。企业尤其是制造业的智能转型升级，使机器人在工业领域具备成熟应用体系；在服务业、教育、医疗等领域的尝试延展了机器人的应用边界。伴随着人口老龄化，机器人代人成为应对未来劳动力短缺的一种可能；此外疫情的反复爆发加速机器人代人进程。

机器人“智”的体现：环境感知

以传感器为基础，构建融合视觉、听觉、触觉、体感等多模态感知系统，精准反馈环境信息

传感器是机器人具有类人知觉与反应能力的基础，它起到内部反馈控制，感知并与外部环境产生交互的作用。依据检测对象的类别，可分为用于测量智能机器人自身状态的内部传感器和用于测量与机器人作业相关的外部因素的外部传感器。依靠单一的传感器装置，仅能完成局部信息识别；为了获取完整、稳定的系统信息，通常采用多源信息融合方式提高识别的准确率。通过不同的方法与视角收集的耦合的数据样本即多模态数据，多源信息交叉融合是提高信息识别率的最主要手段。在机器人系统上配置不同性能的传感器，可构建融合视觉、听觉、触觉等感知能力的综合系统，便于智能机器人在执行工作中精准获取环境信息。

机器人“智”的体现：执行控制

多学科交叉融合，强化机器人“大脑”，执行智能控制

控制系统是机器人的大脑，机器人在执行工作时的运动位置、姿态、轨迹、操作顺序及动作时间，均受控于控制技术。控制内容可分为：（1）底层控制：以机械部分、驱动器、传感器等为核心的本体控制；（2）上层控制：涵盖运动分析、路径规划及配套软件控制。传统控制与智能控制相结合构成了当前智能机器人的控制系统，在运动、轨迹、力度受控的前提下，融合信息科学、人工智能等技术，增加机器人的推理、学习与决策能力。

机器人“智”的体现：智能决策

智能算法实现特定约束条件下的决策优化

机器人的智能决策指机器人具备一定独立自主解决问题的能力，通过感知理解行为环境，在与环境的交互中积累经验，形成在复杂环境中执行任务的能力。机器人的决策主要依靠算法实现，并搭载机器学习、深度学习等人工智能技术，优化算法的实现路径。针对不同类型的机器人，算法的侧重点有所差异：移动机器人侧重定位导航、路径规划与避障功能；机械臂等工业机器人则重视尺寸测量、缺陷检查、定位识别等环节。现阶段，机器人在空间中的移动是其与环境产生交互的基础方式，作为决策的一个分支，如何通过优化智能技术实现机器人的精准自主导航为业内关注热点。在“视觉”先行的环境下，视觉算法的应用为机器人实现决策执行提供基础。

智能机器人产业链

产业链条通畅，软件系统与智能技术的产业角色占比提升

智能机器人产业链与传统机器人产业链大致相似，上游核心部件除减速器、伺服电机、控制器、传感器外，增加了体现算力水平的专用芯片。随着机器人感知、决策、控制、交互能力升级，软件系统与配套技术支持在产业链中占比加大。中游机器人本体是各种功能机器人的重要组成部分，承担机器人执行命令和运动的任务，但碍于整机设计难度大与投入成本高昂，中小企业多关注软件技术，并开始与系统集成商开展直接合作。

智能机器人：工业领域

显著优势促使机器人向工业领域渗透，助推“工业4.0”进程

作为机器人起源与最先落地的应用领域，工业机器人在整个机器人产业中占据重要地位。应用于工业自动化领域的机器人是具备自动控制、可重复编程、多用途功能的操作机器，多以固定或移动的方式被广泛应用于汽车制造、3C设备生产、金属机械加工、工业物流仓储、塑料化学产品生产等行业。机器人在效率、精度、质量、安全性等方面的优势有效缓解制造业劳动力成本不断上涨与产能无法及时满足需求带来的难题，并向新兴领域不断拓展延伸。智能制造是“工业4.0”的核心，机器人作为推进智能制造的重要载体与使能装备，在向“工业4.0”迈进的进程中扮演重要角色。

工业机器人的智能移动

顺应市场需求，适配柔性场景的移动机器人占据市场主导

“移动”功能是机器人智能化的直观体现。作为国民经济的重要支撑，物流行业与生产行业在数字产业升级中扮演重要角色，其对货物搬运、物料转移、智能转运的业务需求加速移动机器人的发展。2021年搬运类机器人的市场占比达到45%，在工业市场中占据最大份额。依托自主导航、多传感器控制、灵活作业的特点，移动机器人被广泛应用于柔性搬运传输、柔性加工装配与空间物品分拣等环节。以AGV/AMR为主要品类的工业物流机器人有望在2023年突破14万台销量，在未来占据更大市场。

工业机器人的智能移动

短期内实现AMR对AGV的完全替代存在难度

相较于按照固定路线执行运输任务的自动导引车AGV，依托自身强大算力实现环境感知，兼顾规划导航、自主避障的自主移动机器人AMR在物料搬运任务中变现更为灵活、智能。易于部署的优势加速AMR进入市场，形成对AGV的替代趋势。 工业物流场景进行自动化升级改造时需在优化解决问题方式的基础上兼顾成本控制，成本劣势是目前阻碍AMR渗透的主要因素；在精益生产等需要严格按照既定产线执行任务的场景中，自主选择的特性反而成为AMR准确运行的威胁。但伴随产品趋向成熟，与场景需求的适配度提升，AMR将成为企业的倾向性选择，侧面推动移动机器人的智能发展。

工业机器人的趋势演进

智能控制推进人、机迈向协同作业的更深层次

伴随工业领域小批量、多品种、定制化的新业务需求逐步替代规模化、单一化需求模式，部署简单、成本友好、体积小、轻量化的协作机器人产线方案逐渐受到工业领域的追捧。协作机器人的出现使得机器人与人可共享工作空间，人机协作方式更进一步。2015年起，国内厂商纷纷布局协作机器人赛道，先后推出多款产品，并在近几年实现更新换代。安全性是人机协作的前提，智能控制是安全性的保障。智能技术的加持不断推进人机协作模式的演进，未来有望在兼顾成本、产品、性能等因素的同时，实现人机的深度共同作业。

智能机器人：商业服务领域

洞察场景痛点，精准定位产品功能，服务机器人获得业界认可

作为机器人家族中的年轻成员，在机器视觉、语音识别、知识图谱等智能技术的加持下，服务机器人近年来发展强势，逐步向酒店、餐饮、零售、安防、巡检等领域不断渗透。成本、效率、服务质量等因素是商业服务行业的关注重点，机器人的加入为服务效率提升，服务质量统一，管理运营的智能化、现代化转型搭建桥梁。配送类、清洁类机器人在2021商用服务市场中占据主导地位，获得业内更高认可。

服务机器人的智能体现

灵活适配多样场景，兼顾服务与“数据抓手”角色

作为直接触达使用群体的产品，服务机器人在改善招工困境、提升服务效率的同时，兼顾前端数据采集的功能，实时监控上传场景变量信息，为服务行业的数字化、系统化运营管理提供一线数据支持。依托智能算法，机器人在自主导航、智能作业、人机交互等维度展现的功能可覆盖商用服务场景的基本诉求。相较于标准化的工厂环境，服务场景的灵活性使得机器人产品形态呈现多样性，针对性适配场景确切需求。

智能机器人：医疗领域

在诊疗、康复、服务领域，医疗机器人开始大显身手

医疗机器人是一种集合医学、生物力学、机械学、材料学、计算机视觉、数学分析等众多学科的交叉研究领域，在医院、诊所、康复中心等医疗场景中发挥模拟手术、辅助诊疗、康复服务等功能。医疗机器人的加入对医务人员、患者均起到正向辅助作用，在时间、效率、诊疗精准度、治疗体验感等多维度发挥优势功能。目前机器人品类主要集中在手术、康复、辅助服务三个方面，其中手术机器人市场认知度最高，康复机器人基于市场需求大与使用难度低等因素正加速向市场渗透。

医疗机器人的执行体系

控制执行受控于人为意识判断，智能化程度处于发展初期

在医疗机器人的任务体系中，信息感知是执行体系的基石。综合来自检测设备、医生观察、患者自述及统计资料的多方信息，建立、更新患者模型，制定治疗规划，并以医生为决策主体，利用机器人诊疗患者。相较于工业领域的无人化、自动化，医疗机器人的智化程度处在发展初期，更多辅助专业医务人员从事诊疗活动，稳定、精准、灵活的特点是医疗机器人向场景渗透的主打卖点。碍于场景与人类密切接触的特殊性，距离实现业内与患者公认的理想智能形态仍有广阔探索空间。

医疗机器人的发展走向

技术、业务双轴发力，加速驱动产业进程

尽管中国医疗机器人行业发展已步入“快车道”，相关智能技术在大健康产业逐渐渗透与应用，医疗机器人的实际落地仍存在诸多卡点，高昂成本，场景需求理解片面，附加技术成熟度欠缺等因素严重制约医疗机器人、医疗资源向患者靠近。医疗机器人纳入国家医保的政策同时利好患者与医疗机构，正面推进机器人落地医院进程。在业务侧与技术端的同步发力，将是未来机器人智能化发展与实现渗透应用的强力推手。

智能机器人：农业领域

发展智能农机是应对农业生产劳动力不足的必然趋势

农业技术是国民经济发展的基础，种植、管理、收获农产品均需要大量人力、物力，劳动力是农业生产中最重要的资源。据统计，2021年中国65岁以上人口占比超过14%，劳动生产中的中流砥柱力量大量缺失，中国已陷入严重老龄化境地。城镇化进程的加速驱使农村人口向城市涌进，年轻一代务农热情低沉，劳动力不足、土地资源被损害、生产效率不稳定等问题日益凸显。为应对挑战性需求，以数据、系统、智能装备为特征的智慧农业得到大力推动，作为自动化、无人化、智能化的有力推手，农业机器人逐渐成为农牧领域的发展热点。

农业机器人的智能应用

非结构化自然环境对机器人技术提出更高要求，农业领域具备环境复杂、作业对象特殊、季节性强的非结构特点，自然环境中复杂多源的影响因素对农业机器人的智能程度提出更高要求。现有农业机器人产品的智能化发力点集中在“眼”“脑“”手”“脚”，以期通过全域感知、导航规划与智能控制等技术，实现机器人的灵巧作业，满足在繁重、恶劣甚至危害场景下高效执行生产作业。

农业机器人的落地挑战

业务与技术的双向挑战放缓机器人的迈进步伐

在市场需求的针对引导，科研机构、企业的不断努力下，中国农业机器人技术取得了一定成果，行业整体逐步向前，但与发达国家相比，受限于生产制造成本、智能技术结合程度，绝大多数农业机器人领域的研究处于实验室阶段，产业发展相对初期。高成本是业务落地的最大挑战，直接影响产品的下沉推广。碍于农业场景固有的复杂特征，现阶段的环境感知不能满足信息、数据的全面获取，影响模型搭建、算法演进精度，进而阻碍协同技术发展、降低对场景的解读理解。

从技术侧驱动机器人的智能化进程

技术协同联动引领机器人实现感知向认知的跨越式发展

核心零部件的国产化替代进程对产业发展有着着举足轻重的意义，提升自研硬件性能，打破外资品牌长期掣肘的局面需业内企业持续发力。软件赋能硬件，以多源感知为基础，依托海量数据改进以算法为核心的智能技术，通过“端-边-云”协同架构，缓解终端数据处理压力，增强机器人对环境变化的实时响应，并用数据反哺迭代智能技术。

场景应用下沉，促进新兴产品不断涌现

机器人的产品演进与市场的需求升级同步转变。现阶段的机器人产品主要落地标准、单一的工作场景，产品功能仅可覆盖场景初级需求。伴随产品逐步规模化，企业对场景需求的洞察加深，机器人产品一方面将从广度上拓展应用可能，推出新型品类覆盖如高危、恶劣、劳动力短缺等场景；另一方面将破除壁垒，实现机器人全场景作业，灵活、协作参与人类活动，触达用户刚性、实际需求。

从产业侧助推机器人的生态化融合

作为“制造业皇冠顶端的明珠”，智能机器人的研发、制造与应用是产业生态各个主体的共创成果。伴随大批新兴力量的加入，构建健康的生态体系，汇聚产业各方主体的资源力量，是智能机器人产业跨步向前的重要趋势。从国家层面强化机器人产业整体战略规划，精准扶持产业主体对象；号召头龙企业发挥主体优势，从技术端、产品端向产业输送创新力量；产学研用联动，以需求为牵引，提升机器人产品与场景需求的契合程度；借助资本力量，促进产品创新，持续赋能整体产业。