8月16日至22日，2023世界机器人大会在北京举办，大会以“开放创新 聚享未来”为主题，推动全球机器人产业和技术交流合作，构建开放合作、可持续发展的全球机器人生态体系。机器人是“制造业皇冠顶端的明珠”，其研发、制造、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。我国高度重视机器人产业发展，习近平总书记在中国科学院第十七次院士大会、中国工程院第十二次院士大会上提到，“机器人革命”有望成为“第三次工业革命”的一个切入点和重要增长点，将影响全球制造业格局。

当前，软件对机器人的关键赋能作用不断增强。全球机器人产业正从程序控制机器人、自适应机器人，迈向智能机器人的3.0发展阶段。感知、决策、控制执行已成为智能机器人的基本要素和核心能力，每一项要素的实现都离不开软件的支持。本文对上述机器人三要素及下游应用中涉及软件关键作用及智能化发展趋势进行了梳理。

 一、传感软件——机器人的感官系统

传感系统是机器人与外界进行信息交换的主要窗口，是机器人的感官系统。机器人传感器可分为内部传感器和外部传感器。内部传感器用来感知机器人的自身状态，传递位置、速度、加速度等信息；外部传感器用以感受机器人周围环境、目标物的状态，传递包括视觉、触觉、听觉、嗅觉、温度、力觉等信息。内外部传感器中的软件系统通过标准化接口，对传感器硬件捕捉到的信号进行采集和处理，并为决策系统提供信息输入，涉及关键技术包括信号处理、计算机视觉等。新兴的脑机接口技术可以直接提取大脑中的神经信号，在人与机器之间架起桥梁，开启了机器人信息传递的新纪元。

感知分析走向全域化、智能化、边缘化

一方面，机器人感知由单一感知向多器件融合和全域感知发展。随着机器人对人类劳动的替代愈发广泛，其作业场景更加复杂。感知软件的多模态技术通过吸收环境中各种模态信息帮助机器人实现最优感知，在部分模态信息不完整的情况下依然能够实现感知。另一方面，传感系统的计算分析走向智能和边缘。如机器视觉与AI、边缘计算的深度结合形成的智能边缘视觉，逐渐成为智能机器人的基础能力。随着端侧视觉系统需要采集的数据量越来越大，边缘端高效的数据处理能够减轻数据回传的网络带宽压力、提升处理效率。因此尤其是在工业机器人领域，AI视觉等技术应用正越来越靠近边缘端。

 二、决策软件——机器人的大脑

机器人决策系统根据运动控制要求和传感器件信号进行必要的逻辑、数学运算，从而为对执行装置提供何种控制信号作出判断，是机器人进行“思考”和“决策”的大脑。传统机器人依赖于精确的数学模型，并遵循严苛假设，解决结构化和具有明确过程性的问题，缺乏灵活性，且无法实现软件算法在线升级，解决新的问题只能依靠软硬件和算法的集成，成本显著增加。智能机器人的决策系统通过与人工智能技术相结合，赋予了机器人学习、抽象、推理、决策等能力，使机器人能够适应环境变换，以更高的灵活性和精确性自动完成任务，并可通过软件算法的迭代持续提升性能，这让机器人的能力理论上没有上限。典型技术如具身智能与垂直大模型的融合应用，使机器人能够更好地应对各种情境和复杂环境，成为智能机器人发展的前沿趋势。

高性能计算、云计算融合应用缓解智能决策算力挑战

随着ChatGPT引领了新一轮人工智能热潮，智能决策对算力的需求也将出现爆炸性增长。来自之江实验室、中国工程院、国防科技大学、浙江大学等十二个国内外研究机构于2023年1月共同发表的一篇论文表明，在5年之后，AI模型需要的算力或为现在的100万倍。并行计算、分布式计算等技术能够提高运算资源利用效率，云计算技术的应用允许机器人借助海量计算资源，提供了更加经济的算力解决方案，减轻了机器人自身硬件背负的计算压力。

三、控制软件——机器人的神经系统

控制器通过对控制信号的接收和传递帮助机器人作出反应性动作，起到“神经系统”的关键作用，直接决定整个运动控制系统的性能水平。控制器涉及软件包括实时操作系统、运动控制指令编译器、通信管理组件等。实时操作系统作为控制系统的“调度指挥中心”，是机器人的“中枢神经”。在典型的运动控制过程中，实时操作系统在接收到传感器信号或控制指令后，立刻协调可用的软硬件计算资源，调度相关的决策软件进行环境分析、运动学计算、运动规划等，计算结果由编译器生成运动控制指令，向执行器传输。

开放式控制系统打破控制器信息化局限

传统机器人控制器存在诸多问题，主要有封闭的控制器结构局限于“专用计算机、专用机器人语言、专用微处理器”，不便于对系统进行扩展和改进；软件独立性差，其结构及逻辑结构依赖于处理器硬件，难以在不同系统间移植；容错性差等。开放式机器人控制系统强调可扩展性、可移植性、可裁剪性和互操作性，用户和企业可以自行扩展和裁剪系统功能模块，以适应不同应用下的功能和性能需求；可移植到不同操作系统和平台；能够与外部其他系统进行数据乃至操作的交互。如基于通用PC和工业实时以太网的开放式工业控制系统，其联网功能强大，硬件连接实现简单，可实现对多机器人的监控。此外，机器人在PC机上进行算法求解，对传统运动控制卡的数据处理压力起到显著缓解作用。

四、下游应用——软件助力“机器人+”深度融合

机器人下游应用环节主要涉及的软件为机器人仿真开发平台，助力“机器人+”在各行业的深度融合。传统示教再现模式具有诸多局限性，如在复杂作业过程中凭人工经验和方法往往难以获得******作业模式、示教模式针对特定问题导致通用性较差等。而机器人仿真开发平台能够在离线条件下，建立机器人自身及其工作条件的数学模型，采用一定的规划算法，通过计算机自动寻找并产生出******工作效果的运动轨迹，并利用计算机图形学对生成的轨迹进行可视化仿真和分析，能够减少机器人不工作时间，实现复杂运动轨迹规划和参数优化。

图1 机器人仿真开发系统交互示意图

标准化编程模块加速机器人行业深度应用

随着机器人仿真开发平台在行业中的应用不断深入，形成了众多针对特定机器人，或面向特定行业应用领域的专用模块。如德国NIS公司针对造船业的焊接任务工件大、仰焊、几何变量多、工件相似、部件标准以及小批量的特点，开发出针对造船业中弧焊机器人的离线编程系统ROBOPLAN，对船舶制造业中8000多个不同工件完成了编程，并通过为用户提供基本形状的标准程序，帮助用户对通用库之外的工件自动生成运动程序，使机器人能够灵活贴近行业深度应用。

五、结语

当前，全球争相突破机器人智能化拐点，多国从政府层面加强智能机器人核心技术研发相关顶层规划和布局。如欧盟在2018-2020年工作计划中对机器人相关技术的资金支持聚焦在新应用和AI核心技术、认知机电一体化、社交合作的人机交互等；日本政府于2022年投入超9亿3千万美元资金，重点支持领域包括自动化驾驶、下一代人工智能和机器人核心集成技术等。

长期以来，我国减速器、伺服电机等机器人核心硬件受制人，机器人产业自主化发展受限。当前正值全球机器人产业3.0阶段探索关键期，智能化发展方向凸显了软件对机器人硬件的赋能作用。下一步，应重点聚焦机器人领域关键软件的研发应用，加速新一代信息技术与高端制造深度融合，抢抓全球机器人产业变革的战略机遇，助力国产机器人赶超国际领先水平。