可以做的很快，可以做的很结实（刚性好），可以做的很漂亮，但是你看这么多年了，工业机器人有什么飞跃性的突破么。

　　比如说材料：铸铁，铸铝，镁铝合金，再算上碳纤维，但是这些东西很多很多年前就有了l呀。

　　比如说齿轮箱：HD,RV，斜齿，锥齿，滚珠丝杠，但是这些东西也存在好多年了呢。

　　比如说电机：伺服，低压的，高压的，交流的直流的，但是电机的功率密度可有什么好的方法提高么。很难呢。

　　这些年来，工业机器人的本体虽然越来越快，负载自重比越来越大，但是主要是在优化机械臂的结构，压榨设计人员的脑力。

　　甚至很多公司每年推出的新品主要是在弥补自己的产品线的不足，比如没有码垛的做个码垛啊，没有SCARA的做个SCARA啦，没有大负载的做个大负载啊 blabla...

　　想从本体上有大的突破，是要靠材料啊，基础零部件啊有大的突破才行，就好比以前用齿轮箱，虽然成本低，但是设计难度和重量都是个问题，所以大家都来拥抱RV,HD了，这是个大的飞跃。

　　再比如本来用铝合金的现在用碳纤维了，比如很多Delta机器人的臂，那就可以跑到飞快啊。所以啊，机械臂本身呢，是越来越难有很大的飞跃性的突破了。

　　比如说人机协作这个梗虽然有点老了，但是还是很有必要的说，人机协作除了减少安全围栏，节省空间外啊，更重要的是降低了编程的难度。这个很重要啊，你看以前要你给机器人写程序好复杂的，ABB的机器人培训四天好多钱呢。

　　如果机器人编程变得和遥控电视，玩手机游戏一样简单了，那可以想象机器人的推广将变成一件多么easy的事啊，当然仅仅靠拖拽式的编程还是不能解决所有问题的呢。

　　还有啊，工业机器人在工厂里应用其实会产生大量大量的数据呢，这些数据是一手的工业应用数据，首先怎么拿到这些数据，其次拿到这些数据有神马用处嘞？在很久很久以前哈，ABB就有能远程连接机器人用来诊断的服务。而现在呢，自从大数据这个概念火爆以后啊，工业自动化领域的bighead们就更重视数据了。最近ABB就和IBMWatson物联网认知计算技术牵手了。而更早的，ABB就选择了微软的Azure作为其互联网的云平台，利用微软的一系列云平台的工具为其处理数据。

　　还有哇今年的机器人可谓是大爆发，据说ABB的IRB1200的交货期居然居然居然居然达到了惊人的9个月，买不到啊。一方面机器人是火爆了，另一方面也可以想象机器人产能也是非常紧张的。虽然机器人贵为工业自动化的代表，但是工业机器人制造本身自动化程度并不算高。比较有名的是FANUC所称的j生产机器人自动化率好像达到了80%~90%，但是对于大部分造机器人的企业来说，如何用机器人造机器人其实也是个大问题，当然随着机器人用量的增加，这些问题都会被技术团队解决啦。

　　如果再说比较实际一点的问题，也有很多啊。那你比如说齿轮箱的漏油问题，线缆的寿命问题，电机的发热问题，高等级的密封问题，食品环境的使用问题，等等这些看起来一点儿也不高大上的问题确实实实在在需要解决的问题。毕竟工业机器人是一款工业用产品，稳定性和可靠性才是最重要的。

　　xieyao！这个问题也是我在读博士阶段以及目前创业阶段一直思考的问题，可以简单的说一下我自己的一些想法，不一定对！

　　说到工业机器人的痛点（注:我很不喜欢这个词语，人生已经不易，哪有那么多痛点），首先要明白一点，工业机器人是用来解决工业问题的。如果有不爽的地方，那肯定是解决不了问题。我就简单说下问题，至于人工智能怎么在这些领域解决问题，目前还没有那么多成熟的案例。

　　这个属于功能缺失，工业机器人有自己的极限，对于一些超出极限的事情，的确无能为力。这就像你买个黑白电视，却想看彩色电影。

　　解决方案：创新设计，提高基础零部件，材料，控制等的上限。可以看下Nano-robotics，都可以在那么小的尺度玩了。

　　这个是可以用的，但是你用不好。好比同样是玩剑的，有人就是高手，有人就只是打酱油的。工业机器人也一样，怎么样去用也很关键，目前就是各家出个手册，提供点技术支持，各个系统集成商去搞。解决方案：降低使用难度，增大使用范围。目前看来各种AI的思想，在这个方面还是可以做些工作的。具体怎么去做，还是得看具体得业务。

　　由于工作的原因，平时在给客户出自动化方案的时候会遇到找不到合适的解决办法或者是找不到合适的设备来完成整个系统的搭建，而其实仔细想想，其中有多是由于目前各种设备不成熟或者有世界范围内仍旧未能解决的技术的存在而造成的。问题里问到的是工业机器人，首先得明确什么是工业机器人，由于我是仓储物流自动化行业的从业者，因此这里只从厂内物流自动化相关的角度来看看目前的工业机器人有哪些技术问题，抛砖引玉一下。之前回答过一个工业机器人的问题，目前全世界范围内，工业机器人先进到什么程度了？

　　谈目前的工业机器人存在的技术问题之前，我们可以从另外一个角度来思考一下，为什么有很多仓储物流中心或者工厂内对于物流和仓库的管理不采用机器人来代替人工呢？这个角度其实也能间接的反映出来工业机器人遇到的问题。那我从工业机器人应用的方面和上边提到的这个角度来看看。

　　在我多年的接触的项目经验中，不管是厂内物流还是仓储物流中心里，用到的标准工业6轴机械手里绝大部分都是进口的，常见的有ABB，Fanuc，Kuka等等，这些设备成熟稳定，国内鲜有厂家能做出类似级别的标准产品。这意味着这些工业机器人的技术门槛比较高，自然带来的价格问题就比较昂贵，普通的小工厂或者项目从投资的角度很那普及。我想着其实就需要用另外的新颖的角度来解决这个问题，比如针对某些行业或者需求，采用不同的技术原理也能实现同样的功能，但是价格比较低廉，适合于更多的潜在工厂和仓储物流中心。其实，以上的角度是实实在在发生过的，比如国内很多厂家生产的类Kiva机器人。这种机器人完成的工作与传统的厂内AGV完成的工作是一样的，都是完成从A点到B的无人物料搬运。但是类Kiva机器人由于采用了全新的设计思路和技术，比如采用顶升物料方式和简易的地板上贴附二维码导航的方式，就完成了传统AGV可以完成的工作，甚至效率更高，而且由于结构简单，设计巧妙，国内生产的类Kiva机器人单台车体价格平均达到10万左右，相比传统激光导航AGV动则大几十万甚至上百万的投资，性价比高了不少。

　　2. 不足够灵活和柔性通常情况下，某个行业用到的工业机器人是根据本行业的工艺流程或者实际工况而有针对性的开发出来的，如果工艺发生了变化，之前的设备可能就需要优化甚至某些场合下需要完全推到重来。即使是柔性已经非常强大的标准工业6轴机械手也不例外。比如生产饮料的工厂里的机器人可以抓取某一款瓶装饮料，而由于市场的变化，工厂改生产另外一款包装类型的瓶子饮料，那此时的机械手可能就需要重新设计而且至少要替换掉之前的夹具。而在电商的订单处理配送中心里，订单千变万化，物品的形状也千奇百怪，如果是用机械手来自动完成所有的订单，目前也无法完全实现。比如下图中一个订单里有如下的物品，也许 这时候 人手 还是 最佳 的选择。

　　也许夹具有 千万种，但是没有一款能算是万能爪子的夹具可以应付一切的物料。

　　如果是移动搬运机器人的话，通常AGV也是由系统提前设定好的路线反复进行标准物料的搬运，如果搬运路线有变化或者是物料单元有变化，那搬运机器人也需要人工重新设定和调试才能恢复正常运行。

　　3. 机动性不够强搬运机器人里最常见的就是叉车类AGV，相信熟悉或者见过此类机器人的都一个感觉：慢。为什么会有这种感觉呢，因为看见AGV大家就下意识的会拿它和人工开叉车对比。通常AGV的搬运速度为1米，如果是拐弯和后退，速度会更慢。相反，人工开叉车完全两个感觉，人工控制叉车行进时非常灵活，速度也会快很多。叉车AGV速度慢，其中有多方面的原因，跟速度控制和导航方式、安全因素各个方面都有关系。如果AGV上的传感器足够灵敏，速度控制和响应足够快，相信不久的将来，人工叉车会被完全替代掉。另外，对于绝大多数的搬运机器人来说，行走的方式都是通过轮子的转动来实现车体的移动的，因此搬运机器人对地面有很高的要求，至少需要路面要平整。如果有沟壑和台阶或者有阻挡，通常的搬运机器人是无法克服的。未来的搬运机器人也许可以像Boston dynamic公司的机器人一样，可以跨越任何障碍行走。帮助人类在厂内进行不同工位之间的物料搬运

　　另外一方面，我们常见的工业6轴机械手通常是被安装在固定的地面上，比如对固定的几个工位进行拆码盘作业：

　　而某些应用场景下，需要机械手能有更加机动性，可以移动到更多的位置去处理更多的工位，常见的解决办法有，将机械手安装到可移动的导轨上，这样就可以机械手具有一定的机动性。

　　不过机械手只能在轨道范围内移动，如果机械手能自由移动，那就能适应更多的应用场景。而实际中确实也有类似的应用案例，比如讲机械手安装到搬运机器人上

　　这样的应用通常是对比较轻载的物料进行作业，一般是在20Kg以内的物料单元。如果需要兼容机动性和大负载，那需要底盘更大的搬运机器人辅助移动，同时也需要更加大容量的电池持续提供能源。比如：

　　不过载重越大，自然机动性也灵活度要弱一些。同时本身搬运机器人底盘也收一些因素的制约。

　　标准工业6轴机器人可以简单理解为一个更加结实和不知疲倦的人类胳膊，配上各种夹具就可以完成形形色色的工作应用场景。与人相比，机器人差的是指挥胳膊后边的那个强大的指挥大脑。比如对于机械手来说，针对不同的应用场景和项目，需要工程技术人员对其进行程序设定或者至少需要做的示教工作。如果物料单元放生变化，包括数量和位置的变化等，此时也需要对机械手进行人为的再次调试和数据输入。

　　再比如，在仓储物流自动化行业里经常会遇到需要给机械手配备3D视觉系统来动态识别当前需要夹取的料箱或者包裹的实际位置。这里会有视觉算法来识别多个物料单元的位置关系和位姿数据。而当前市面上的硬件设备和算法并不能应付所有的物料堆叠方式。有些甚至是对于人眼轻而易举能识别的位置，而对于机械手视觉却是个极大的难题。

　　再比如在移动搬运机器人领域里，现在流行的一种到导航方式是SLAM导航，由于其无需提前对运行的环境进行辐射反光板或者其他介质，可以非常快速的完成系统部署。

　　而这种导航方式需要运行的环境不能有频繁的变化，如果此时的工厂内有很多物料堆积到现场，此时也许会对搬运机器人造成定位的困扰。

　　以上只是从我的角度来简单讲了几个关于目前工业机器人比较笼统的存在可以继续优化的技术点。其实由于目前国内大环境的影响，这几年工业机器人发展的非常快，尤其智能化这块，不断有新的技术迭代更新，相信上述列出的问题，不久就可以得到完美的解决。

　　机器人可以精确地做好重复性的工作，但却不能轻易适应新任务。也就是说，机器人可以做任何你想做的事情，但需要你每一次都确切地告诉他们，要处理的对象是什么。所以每次面对新任务，都需要精心设计和编程，让其根据场景运行适当的社交和情感程序。

　　但近几年，许多公司都在利用强化学习技术，测试在无人为编程情况下，训练机器执行新任务的效果。而强化学习技术之所以行得通，是因为研究人员找出了如何让计算机程序计算出每种状态下应该分配的强化值的方法。即只要你愿意收集足够的数据，并为你的任务训练一个强大的神经网络，那么机器学习就可以做更多的事情。同时，这一过程还可以通过大量机器人协同工作并相互分享它们的学习数据而得以加快。

　　另一个问题是安全性的问题。目前的工业机器人对于人类来说十分危险，工业机器人和工人协同合作的安全性问题始终是舆论的焦点。比如，汽车制造业应用机器人已经有几十年的历史了。第一台工业机器人尤尼梅特（Unimate）是一个4000磅重的手臂，主要负责把压铸部件装载到汽车车门上，这样的制造业机器人确实功能强大，极为精确，但其却总是在工作过程中制造伤亡事故。所以，大量总装任务仍然只能完全靠双手完成。

　　在目前的工厂环境中，工业机器人要么在工厂内被栅栏围起来以防止和人类接触，要么由传感器系统随时监控，一旦有人进入离机器不到一米的范围内，传感器系统就会关闭正在运行的所有设备。通常情况下，哪怕仅仅是取一个六角螺母，你都要关掉整个生产进程。

　　目前有一家创业公司 Veo Robotics，在工业机器人周围放置了几个 3D 传感器，然后它们自己研发的软件会首先根据传感器的数据构建出实时的场景，根据这一场景，软件就可以识别目标，包括正在工业机器人旁边移动的人，同时估计这些目标物要向哪个方向移动；并根据这些数据相应地控制机器人做出反应。但是在这一过程中，一个极小的错误就可能会造成灾难性的后果。

　　Veo 公司的解决方案并不依赖于最尖端的机器学习技术，因为这些方法往往难以预测并且难以验证其准确度。他们将人工智能技术添加到机器人芯片的工作单元中，然后就可以对机器人进行普通的编程了。这将可以允许机器人在进行工作的同时不伤害周围的任何人。Veo 公司设想的未来系统版本，将可以使机器人与人类进行更加密切的协作。

　　与此同时，机器学习领域最近的飞跃性进展似乎会赋予机器人更多的功能。许多研究人员正在研究如何通过实践和实验让机器人学习如何对形状复杂的以及陌生的物体进行反应和操作。虽然 Veo 公司采用的方法并不依赖于机器学习，但它们的技术与机器学习方法相辅相成，从而使机器人变得更加智能且更具适应性。

　　存在大量冗余工作，针对单一应用场景设计的机器人应用，再做其他场景应用时都要重新示教编程，但机器人其实就是基础运动控制，存在大量的重复工作，不能有效的实现机器人编程，效率低且易出现错误，且错误不易提前排查。同时不同厂家的机器人语言及机器人示教方式都不一样，甚至同一厂家的不同系列产品也不一样，针对同种工作不同机器人的控制方式也是不一样的。因此即使有多年工作经验的机器人应用人员，也不能保证掌握对所有机器人的应用开发技能。

　　解决方案：机器人操作系统提出基于IEC61131-3的标准化机器人控制语言，主要解决机器人应用开发的语言一致性问题，同时基于模块化开发总体提升机器人应用开发速度；

　　机器人是多领域交叉学科，单一方向的理论研究往往需要其他方向的支撑，这就照常研究和开发进度缓慢，大量精力投入在重新发明轮子的工作上。另某些算法的离线仿真和真机测试是存在差异的，即使所有工作环境都准备好后，同种算法受制于不同硬件环境及控制系统，不能保证算法与实际运行状态的一致性；

　　解决方案：机器人操作系统将机器人控制过程充分解耦，通过软硬件解耦、控制系统与算法解耦，提供全套可替换机器人控制模型，方便研究人员在自身领域进行算法替换验证；

　　同时，提供硬件在环仿真，支持参数的在线调整，通过标准的API库向开发人员提供机器人原子能力支撑，提高算法验证效率；

　　机器人研究软件和硬件设备实体是一种紧耦合状态，机器人的控制都依赖于硬件设备的通信响应，但在机器人领域同种机器人控制算法，可应用于同种构型机器人，不应受到控制器及伺服驱动器限制；

　　解决方案：通过提出机器人操作系统的硬件抽象层，将硬件对于软件部分的影响降到最低，控制系统不用关系具体使用谁家的驱动器，谁家的总线协议，从而形成一种通用适配的机器人控制系统，从此我们的控制器就能充分的满足市场多变的场景；

　　机器人目前是以单一的工作单元配合其他设备实现机器人应用，但在工业4.0时代强调万物互联，机器人也同样需要与其他工作设备或机器人的互联互通，甚至在机器人本体、示教器和控制器方面也不再是唯一对应关系，第三方的控制器能够轻易适配机器人本体，第三方的示教器能够通过简单配置链接机器人控制器。

　　解决方案：机器人操作系统提出基于机器人信息模型的方式构建统一的机器人接口，具体包括机器人本体参数模型，控制器通信信息模型，示教器通信信息模型等；

　　同时针对机器人通信要求，提出两种互联互通方案：①基于OPC UA协议（client+server），实现非实时机器人交互能力；②基于实时总线协议，实现高速机器人信息同步，将机器人数据转换为其他实时总线从站；

　　《2017年世界机器人报告》称，中国机器人行业正在以前所未有的速度迅猛发展，正成为全球机器人行业的领先者。

　　2016年，中国销售工业机器人增长了27%，达到8.7万台，占全球的近1/3。同时，中国的机器人制造商正在扩大其在国内市场的份额，2018年~2020年，中国机器人的年销售量预计每年平均增长15%~20%。

　　2017年8月23日，中国电子协会发布报告称，预计今年中国将销售超过11万的工业用途机器人，同时2017年中国工业机器人市场规模将达到42.2亿美元。

　　2017年1-9月，我国工业机器人产量达到95351台(套)，同比增长69.4%，9月当月产量为13085台(套)，比上年同月增长103.2%，继续保持高速增长态势。

　　IDC FutureScapes 近日发布了2018年全行业的预测和观察。报告中讨论了未来1-3年内可能影响机器人行业的ICO和企业高管做出决断的关键性预测。如到2019年，有60%的高新技术制造商将专注于工业机器人的部署；到2020年，全球移动安全机器人市场将增长近3倍等等。

　　预测1：到2019年，机器人的应用量将增加三分之一，而60%的G2000高新技术厂商将专注于工业机器人的部署。

　　预测2：到2020年，新安装的工业机器人中将有45%至少配备了一个智能功能，如预测性分析、自我诊断、健康状况意识、同行学习或自主认知。

　　预测3：到2021年，负责监督和协调智能机器人代理的出现，将有效刺激整个工业机器人行业效率提升30%。

　　预测4：到2021年，30%的G2000制造商将部署网络物理机器人系统，从而使生产力提高10-20%。

　　预测5：到2020年，全球移动安全机器人市场将增长近300%，而在增强人类安全上，又将有30%的移动安全机器人将配备机载无人机以进行必要部署。

　　预测6：到2019年，25%的移动机器人将部署包括添加模块化组件的能力，并在同一移动平台实现多种应用，从而帮助生产力和效率提升30%。

　　预测7：到2020年，前100家零售商中将有30%在店内采用或试点部署机器人，从而使订单成本降低20%。

　　预测8：到2021年，移动机器人部署的45%将通过Raas（Robot as a service：机器人即服务）的方式，使设备能够在需求波动期间迅速扩大和缩小，并使机器人部署从资本支出转移至运营成本。

　　预测9：在无人机行业部署的软硬件和服务方面的投入，将有助于绘制和规划石油、天然气和煤炭等开采地区的基础设施，以及调查和监测数千英亩的农作物，预估其产业价值在2020年将达到1亿美元。

　　预测10：到2021年，消费类机器人市场将翻一番，下一代基于AI的机器人将减少对物理性任务的关注，而更多的参与家庭成员的教学和互动当中，并开始走进家庭，提高人类生活质量。

　　工业机器人产业链由核心零部件制造商、本体制造商、系统集成商、工业机器人应用和下游服务商构成，其中本体是机器人产业链的核心。

　　目前，国内的机器人企业多为系统集成商。从国内机器人市场发展现状看，有两类企业将在未来行业大发展的背景中胜出：一类是有很强技术研发底蕴，项目经验丰富的行业企业，另一类是在某些行业有一定的项目经验，拟在自身行业推广工业机器人的企业。

　　截至2017年11月初，参照系优质企业数据库共收录437家工业机器人行业关联企业。从产业链布局来看，主要集中在系统集成领域，有278家相关企业，占全产业链的64%。

　　到2025年，制造业机器人密度较2020年实现翻番，服务机器人、特种机器人行业应用深度和广度显著提升，机器人促进经济社会高质量发展的能力明显增强。聚焦10大应用重点领域，突破100种以上机器人创新应用技术及解决方案，推广200个以上具有较高技术水平、创新应用模式和显著应用成效的机器人典型应用场景，打造一批“机器人+”应用标杆企业，建设一批应用体验中心和试验验证中心。推动各行业、各地方结合行业发展阶段和区域发展特色，开展“机器人+”应用创新实践。搭建国际国内交流平台，形成全面推进机器人应用的浓厚氛围。

　　目标中提到的10大应用重点领域主要包括：制造业、农业、建筑、能源、商贸物流、医疗健康、养老服务、教育、商业社区服务、安全应急和极限环境应用。

　　其中制造业机器人的密度将快速增长，实现5年翻一番；服务机器人、特种机器人行业应用深度和广度显著提升，机器人促进经济社会高质量发展的能力明显增强。

　　随着人工智能逐渐发展，叠加多产业数字化、自动化需求攀升，“以机代人”、“机器替人“的风潮不论在传统行业还是新兴行业都是大势所趋，全球的机器人智能化转型正在加速前进，从模仿到超越，机器人一直在突破生物的能力边界。

　　对于一名工人来说要熟练掌握一个零件的喷涂工作需要多久的时间？那么掌握上千个零部件的喷涂工作呢？也许你会说，现在的自动化喷涂用的都是机械臂进行作业。那么你是否知道，在传统自动化喷涂实践中，仅机械臂示教和调试就需要花费数周。

　　而早在数年前，联想就给出了“解决方案”。联想晨星机器人X1会对整个车间进行空间扫描感知，数据在边缘侧的虚拟机上实时三维建图和渲染，并通过容器化的SLAM技术，导航定位，移动至指定的喷漆间。

　　X1具有人机协同模式，在强大的边缘算力和智能技术支持下，工人仅需通过AR眼镜和手柄远程操纵机器人同步执行喷漆，手感完全等同于亲临现场。这样操作一次自然示教之后，系统就能够完成基本的示教任务了。且它能够通过计算机视觉技术检查喷涂情况，在同一工件上实现机器的自主喷涂，极大提升了喷涂效率及精准性，“学一次就记住”的“最强大脑”可以近乎完美地复制喷涂工作。

　　“人工巡检，不仅消耗人力物力，对数据是否运行正常的评判标准也较为粗泛。而采用巡检机器人则是能够实现全天24小时的实时巡检，在数据的收集和监测上也更为精准高效，提升了日常巡检的效率。” 这几乎是所有运用足式机器人进行巡检的企业的共同心声。

　　无论是面对恶劣环境还是狭窄管廊，无论是针对各种表计读数、设备缺陷、异常状态，四足机器人都可以凭借它的“十八般”武艺“畅行无阻，精准而高效地完成巡检作业。

　　联想晨星四足机器人Q1，是专门为复杂环境下智能巡检而生的一款四足机器人，能够满足复杂应用场景中对多变环境和丰富应用模块的需要。以电力行业为例，它的四足底盘可以适用于变电站室内、室外的智能巡检工作，相对传统轮式机器人具有更高的灵活性及便捷性，可更大程度代替人工巡检作业。巡检工作中，它能够搭载可见光摄像机、红外热成像仪等检测设备，将所采集的视频、温度和声音上传至监控后台，进行分析判断，并提出预警。

　　Q1还可以搭载高精度力控六轴机械臂，能够辅助检修、支持应急安全操作。机械臂可远程替代人工实现多维度，各角落实时检查，并高精度执行紧急按键的操作作业。

　　联想晨星四足机器人巡检系统完全立足于真实的业务场景进行开发，能够依托机器人对厂区进行自主巡检，巡检人员可以运用平台对巡检作业的整体过程进行合理配置和管控。同时系统还具备专业的缺陷检测、表计读数、异常判别的算法能力。

　　该应用在“第四届全国电力巡检技术创新应用评选”中获“机器人变电站创新应用案例奖”。除此以外，Q1还能运用于安防巡检、勘测探索、公共救援等多种场景中。

　　对于很多大型企业来说，厂区遍布全国乃至全球，经常有跨地区审厂的需求。这时如果有一款机器人可以代替人作为替身在厂区、展厅、产线间穿梭，把“他所看到”转化成“你所看到”的，是不是既节省了成本又降低了人力？

　　作为审厂机器人，这款机器暗藏满满的高科技，只要搭配上一幅AR眼镜，通过高清双目现场还原技术，1080P全立体视频流，AR近眼线D显示，便可以让你和机器人共享“第一视角”，角度方向皆可自如掌握。形象点来说，它完全可以充当你的“千里眼。

　　除了远程审厂功能，这款联想晨星S1机器人，还能面向科技馆、博物馆、城市馆等各类场馆，参观者可以远程实时接入进行参观游览，且可以随时切换多个场馆进行游览，不受时间和空间的限制，想看就看。

　　“机器人+”应用行动实施方案中提出我国将以产品创新和场景推广为着力点，分类施策拓展机器人应用深度和广度，以此培育机器人发展和应用生态。

　　联想晨星机器人家族中的每一款机器人都有其能够深度适配的应用场景，且晨星机器人作为联想元宇宙布局的重要组成部分，融合数字孪生、虚实融合和XR等元宇宙技术，将人工智能与元宇宙技术相结合，充分赋能行业落地场景，助力推动产业结构优化升级，进入“发展快车道”。

　　1.市场接受程度，在很多人眼中机器人是昂贵器械，只有大企业和资金充足的用户才用得起。从我的角度来看，以后的机器人市场增长更多的是中小企业，因为目前可预见发展趋势是协作和柔性制造生产线。而很多终端用户还未接受这种概念。把机器人想象的位置太高大上，其实它只是一种稍微复杂的使用工具。（另外，对于UR这种厂商还是比较佩服的，不仅是产品方面，更是给很多企业用户植入一种理念-近似于大众汽车-每个人都用起用的了的机器人。）

　　2.还有就是分两部分，一种是软件部分，一种是硬件部分。在自然界中最完美的手臂应该是人手手，要做到跟人手功能一样精确，负载比人大的机器人手臂确实不太可能。因为到达7轴这种自由度的机器人手臂在空间运动范围的姿态已经是无数组解，可以感觉一下puma560六轴的解，

　　但是这个矩阵多一个变量就存在无数多种解，而七轴如何规划空间路径在机器人运动学中，是一个最为复杂的算法问题之一。在硬件方面如大家所知，关键零部件的问题。

　　第一，运动性问题。机器人操作相对于人工操作效率是否更高，其实运动性问题，从技术上看就是如何实现工业机器人运动学建模与求解。

　　第二，作业平稳性问题。理论上机器人的关节是一个点，实际上机器人的关节有间隙，所以这需要考虑运动副间隙影响下的机器人平稳作业问题。机器人能否持续不间断工作，是否容易经常出现问题。

　　第三，布局的多样性。具体是如何考虑布局设计快速地适应公司的新产品、新工艺。，主要是适用于什么材质什么体积什么重量的产品，同时机器人的关节运动范围也很重要，国内机器人无法做到正负360度，最大只能达到正负350多度。

　　第四，操作易用性。机器人的操作、控制开关和日常维护、保养等，所需高等技术人员的工资比不用机器人时普通操作工工资高。这就需要实现机器人的示教，提高机器人的易用性。从短期和长期来看，工业机器人是否值得投资，都是因人而异的。

　　除了众多历史原因造成制造业水平低下的原因外，更多的是对工业机器人产业的认识和定位上存在着不同的观点。

　　首先，我国基础零部件制造能力差。虽然我国在相关零部件方面有了一定的基础，但是无论从质量、产品系列全面，还是批量化供给方面都与国外存在较大的差距。特别是在高性能交流伺服电机和精密减速器方面的差距尤其明显，因此造成关键零部件的进口，影响了我国机器人的价格竞争力。

　　第二，中国的机器人还没有形成自己的品牌。虽然已经拥有一批企业从事机器人的开发，但是都没有形成较大的规模，缺乏市场品牌认知度，在机器人市场方面一直面临国外机器人品牌的打压。国外机器人作为成熟的产业采用整机降价，吸引国内企业购买，而在后续的维护备件费用很高的策略，逐步占领中国市场。

　　第三，国家认识不到位，在鼓励工业机器人产品方面的政策少。工业机器人的制造及应用水平，代表了一个国家的制造业水平，我们必须从国家高度认识发展中国工业机器人产业的重要性，这是我国从制造大国向制造强国转变的重要手段和途径。