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
