摘要：中国复合机器人技术发展与应用概述（房丽萍 陈哲涵 丁柯宏 张宇）复合机器人研究和应用现状及发展挑战——访北京航空航天大学机械学院副教授、博士生导师，机械工业服务机器人重点实验室主任陶永（喜崇彬）复合机器人海外研究及应用综述（本刊记者 罗丹）优艾智合：突破“最后

专题目录

中国复合机器人技术发展与应用概述（房丽萍 陈哲涵 丁柯宏 张宇）

复合机器人研究和应用现状及发展挑战——访北京航空航天大学机械学院副教授、博士生导师，机械工业服务机器人重点实验室主任陶永（喜崇彬）

复合机器人海外研究及应用综述（本刊记者 罗丹）

优艾智合：突破“最后一米”，助推工业升级——访优艾智合机器人科技有限公司市场总监关健（任芳）

浙江欣奕华：以需求为舵、技术创新为帆，深耕复合机器人赛道——访浙江欣奕华智能科技有限公司市场与产品总监张春泽（王玉）

斯坦德：以“1+N+X”理念提供复合机器人高效解决方案（肖原）

经世机器人：以技术为核心驱动力，加速复合机器人落地应用——访山东经世智能科技有限公司总经理秦立夫（朱淼鑫）

中国复合机器人技术发展与应用概述

复合机器人通过结合不同的机器人形态和特性，集成多种功能模块和技术，从而满足复杂的作业需求。本文阐述了复合机器人的基本概念、核心关键技术、国内研究进展以及市场应用现状，并讨论了其未来的发展方向和应用场景，为复合机器人的研究提供参考。

房丽萍 陈哲涵 丁柯宏 张宇

北京科技大学机械工程学院

复合机器人概述

复合机器人是一种通过集成移动底盘和工业机器人而形成的高智能化、多功能机器人，它同时具备环境感知、定位导航、移动操作、人机协作等先进技术，具备“手－足－眼－脑”一体化综合能力，可以灵活地执行多样化任务，如抓取、搬运和操作。

“AGV/AMR+机械臂”是复合机器人的常见形式，融合了移动平台的灵活移动能力和机械臂的精准操作能力，能够自主执行物料的搬运、装配以及质量检测等一系列任务。其中，移动协作机器人（MCR）作为复合机器人的高端形态，集移动底盘、协作机械臂、视觉系统及智能控制系统等模块于一体。MCR能够自主应对复杂的生产流程和质量检测任务，广泛应用于智慧工厂、自动化车间、机房数据管理、电力巡检以及仓储分拣等多个领域，可以满足不同行业多样化的应用需求。

常见的复合机器人多为轮式单臂设计，轮履复合机器人和双臂复合机器人的出现，进一步丰富了复合机器人的类型。轮履复合机器人结合了轮式和履带式结构的长处，不仅适用于平坦地形的快速移动，还能够在复杂多变的环境中顺利执行任务，因此特别适用于户外探险、救援行动、军事侦察等领域，以及需要在不同地形中作业的工业自动化场景。

而双臂复合机器人则配备两个协作机械臂，通过双臂的协同作业可以更具灵活性。这一特点使它们适用于精密加工、装配线以及实验室自动化等领域。

此外，还有作战复合机器人（移动平台+武器系统）、串并联复合机器人等定制化设计的机器人[1]，它们根据特定领域的需求进行设计，以满足不同应用场景的多样化需求。

复合机器人关键技术

作为一种集成移动机器人和工业机器人功能的新型机器人，复合机器人融合了移动底盘、机械臂、视觉系统、末端执行器等多种组件，其关键技术包括环境感知、定位导航、人工智能、目标跟踪、智能传感器、云边协同等多种技术。

1.导航技术

导航技术包含环境感知、路径规划、运动控制及决策制定等多个环节。在环境感知阶段，传感器如同机器人的感官，广泛收集周围环境的详细信息，包括障碍物分布、道路标志识别及地形起伏等。基于这些信息，路径规划模块结合目标位置，计算出移动路径。运动控制模块则指挥机器人沿规划路径行进。面对复杂环境，决策制定模块能迅速响应突发情况，灵活调整策略，确保机器人应对自如。

目前，适用于室内场景的导航技术，主要包含磁条导航、二维码导航、激光雷达导航和视觉导航等技术；在室外场景中，主要有惯性导航和卫星导航。其中，SLAM（即时定位与地图构建）技术具有实时构建环境地图和精确定位能力，成为主流导航方法之一。激光雷达、摄像头、IMU等多种传感器数据融合技术，以及深度学习和强化学习算法的应用，是未来的发展方向。

图1 导航技术框架

2.目标定位与跟踪技术

目标定位与跟踪技术使机器人能在动态环境中确定并持续跟踪目标物体。该技术广泛应用于物流、制造、监控等领域，主要包括视觉跟踪、激光雷达跟踪和超声波跟踪等方法。视觉跟踪利用摄像头捕捉目标图像，通过图像处理算法实现目标定位与跟踪，具有直观、灵活的优点，但易受光照、遮挡等因素影响。激光雷达跟踪通过发射激光束并接收反射信号确定目标位置，具有高精度、抗干扰能力强的特点，适用于复杂环境。超声波跟踪则利用超声波传感器发射并接收反射信号计算目标距离，成本较低，但精度和抗干扰能力相对较弱。

当前，目标定位与跟踪技术研究围绕多源信息融合和深度学习应用展开，实现多机协同目标检测与跟踪，提高目标定位精度和稳定性，增强机器人在复杂环境中的适应能力。随着5G、物联网等技术发展，目标定位与跟踪技术将与云计算、边缘计算等深度融合，进一步提升机器人智能化水平和作业效率。

3.末端执行器

末端执行器安装在机器人机械臂末端，用于完成特定任务，如抓取、装配和焊接等。常见末端执行器包括夹爪、吸盘和焊枪等。夹爪主要应用于物料抓取和搬运；吸盘利用负压原理稳固吸附并移动平面或曲面物体；焊枪则专注于焊接作业，实现金属结构连接。

随着技术发展，软体夹爪和自适应抓取技术开始涌现，未来末端执行器将更加智能化和柔性化，具备更强感知和决策能力，通过融合人工智能、物联网等前沿技术，实现自主识别物体、判断环境，并智能选择和执行抓取等策略。

4.人机交互技术

人机交互技术是包含语音识别、手势识别、触摸屏技术和虚拟现实等领域的综合性技术体系，该领域主要依赖语音识别和手势识别两大核心技术。其中，语音识别技术精准捕捉并解析人类语音指令，实现用户与机器无缝对话，提升信息输入效率；手势识别技术捕捉并分析用户手部动作，将用户意图转化为机器可理解指令，拓宽人机交互维度。

人机交互技术研究正向多元化、智能化领域拓展，基于大模型的多模态交互系统备受关注，旨在整合多种交互模态实现自然、丰富的人机交互体验。此外，基于脑机接口的人机交互技术也在逐步成熟，有望通过读取用户脑电波信号实现人与机器深度连接，推动人机交互方式不断发展。

图2 人机交互技术

5.云边协同技术

云边协同技术实现云层与边缘层计算过程数据的互联互通，发挥云层高通量计算能力和边缘层高时效计算能力，共同支撑系统运行。云计算技术、边缘计算技术和物联网技术构成其核心支撑。边缘计算设备迅速处理实时数据，将复杂计算任务上传至云端处理，提高数据处理效率和系统响应速度，提升整体性能。

随着技术进步，多传感器数据融合和深度学习算法应用日益广泛，为云边协同技术注入新活力，使系统更智能地处理和分析数据，为用户提供精准、高效服务。

图3 云边协同技术框架[2]

国内复合机器人研究现状

1.国内高校研究概述

在复合机器人移动系统方面，哈尔滨工业大学[3]研发的WLR-3P液压动力自主轮腿机器人，在平坦路面和崎岖地形中能自如移动，为救援人员提供了支持。浙江大学[4]则构建了能够在非结构化环境中进行独立思考和自主导航飞行的机器人蜂群，这些微型无人机通过全状态轨迹规划和超轻量化集群协同自主导航技术，可实现高效的飞行和任务执行。上海交通大学[5]提出了一种创新的长期SLAM系统。该系统融合了视觉点云匹配算法，有效结合2D像素和3D体素信息，并通过贝叶斯持久性过滤器将地图点分类为静态、半静态和动态三种，以移除动态点的影响。通过对半静态点的时间序列建模，系统能预测全局地图，并将其融入先进的SLAM方法中，实现了在动态环境中高效运行的视觉SLAM系统。

在复合机器人协作系统方面，清华大学[6]利用碳纤维复合材料打造了轻型协作机械臂，不仅减轻了重量，还提高了灵活性和精度，已成功应用于无人驾驶车辆中的移动服务机器人平台。同时，清华大学还开发了多种类型的复合机器人，以适应不同作业任务的需求。华中科技大学[7]在复合机器人领域也有创新性成果，他们设计的刚柔耦合多指抓手和高性能刚柔软耦合抓手，为野外勘探、工业分拣等场景提供了新的解决方案。其中，双模式混合夹持器的研发，更是实现了对不同脆弱性物体的自适应抓取。此外，北京工业大学[8]研发的自主采摘机器人，能够精确识别番茄并规划最佳采摘路线，为农业自动化采摘提供了新的思路和技术支持。

2.主要研究成果

北京科技大学智能感知与优化决策梯队长期从事智能感知与优化决策技术研究与应用，针对不同应用需求，研发了多种类型的复合机器人平台，主要包括用于化学实验的复合机器人、用于物流分拣的复合机器人和用于车间物流的复合机器人，如图4所示。

图4 智能感知与优化决策梯队研究成果

（1）实验机器人

针对科研领域中普遍存在的大量简单重复操作，本团队研发了一款集机器视觉技术于一体的复合机器人，不仅具备自主巡航能力，能够自如地在多个工作台之间穿梭作业；还依托机器视觉系统，对实验过程进行实时监测与预警，确保实验的安全与准确。其模块化、多功能末端执行器的设计，使机器人能够适应多种实验场景需求。通过内置的强化学习模型，机器人能够深入分析实验过程中的数据结构及其相关性，为科研人员提供更为精准的实验策略建议。同时，其自主充电功能确保了机器人能够持续进行长时间的连续实验，无需人工频繁干预。

（2）分拣机器人

这款机器人集成先进的人工智能与机器视觉技术，采用基于AFFGA-Net目标物抓取点估计算法。无论这些物品在实验室环境中的无序堆叠，还是在立体仓库中密集排列，都能够准确快速地识别并定位各类物品的最佳抓取点。

（3）车间物流机器人

这是一款装备有云边协同智能视觉传感器的移动机器人[9]，集成了自动化与智能系统，能够精确采集数据，通过高效通信执行精准操作，确保稳定运行。同时，结合云端与边缘端资源，实现智能调度与数据处理，并提供AI模型训练与管理，通过API接口实现智能决策与持续优化，可以提升物流作业效率与准确性。

国内复合机器人市场发展现状

近年来，复合机器人在中国市场的增长势头稳健，赢得广大客户的青睐。根据《复合移动机器人行业发展蓝皮书》的数据显示，从2017年至2022年，中国市场的复合机器人销量由185台增加至1169台，年均复合增长率接近45%。目前，市场上的复合移动机器人企业主要以移动机器人厂商为主，占据了75%的市场份额，其次是机械臂厂商和集成商，它们各自占有一定的比例。由于技术和应用门槛较高，且市场相对狭窄，目前国内拥有相关产品的厂商数量有限。这些厂商主要通过企业独立开发或集成商购买相关移动底盘及协作机器人进行二次开发的方式进入市场。然而，近年来，移动机器人企业与协作机器人厂商的联合开发趋势逐渐明显。

随着科技的飞速发展和工业自动化需求的日益增长，国内有多家企业开始积极投入对复合机器人的深入研究和开发（见表1）。

表1 国内复合机器人部分企业及产品应用情况

例如，新松产品集合了智能移动机器人、协作机器人等工作单元，采用视觉误差补偿等技术，可满足企业智能化数字车间对整个机械结构运动精度的要求。新松的复合机器人在工厂上下料、物料搬运等方面有广泛应用，特别是在新冠疫情期间，其在客户工厂中24小时不间断工作，保证了生产效率和经济效益。

蓝芯科技新一代复合机器人能够依据实际操作场景灵活选择激光或视觉SLAM导航技术，确保精准定位与高效移动。该机器人机械臂的末端装备了Wukong 3D视觉传感器，机器人前端配置的Eagle 3D视觉传感器，能有效探测地面高度超过3cm的障碍物，为机器人运行提供额外的安全保障，进一步确保作业环境的稳定性和安全性。

优艾智合工业设备巡检机器人ARIS-IS集成多项先进技术，包括设备精确识别、仪表智能检测、空气质量实时监测以及振动状态分析等功能，尤其适用于火电厂等复杂场景。

未来展望

复合机器人融合机器视觉、自动化控制、机械手臂和传感器等多种技术，可实现多种任务的自动化作业。展望未来，复合机器人的发展将呈现以下趋势：

首先，模块化和定制化将成为重要方向。通过模块化的设计，复合机器人可以更容易地进行定制和扩展，以适应不同任务的需求。这将提高机器人的灵活性和适应性，满足智慧工厂等应用场景的多样化需求。

其次，人机协作共融将进一步发展。复合机器人需要具备更强的人机协作能力，能够与人类协同作业，共同执行任务，理解人类的意图，并适应人类的工作环境。这将有助于提升生产效率，同时保障人类的安全。

此外，复合机器人的成本将逐步下降。随着相关技术的成熟，将会有更多企业加入市场竞争，相关产业进一步发展，使复合机器人的整体制造成本降低。

基于技术的不断进步，复合机器人有望在更多领域提供创新解决方案。例如，在医疗领域，复合机器人可以用于手术辅助和康复治疗；在教育领域，可以用于智能教学和互动学习。同时，复合机器人技术还将与柔性机器人技术、人工智能算法和传感器技术进一步融合，提升机器人的自主性、协作性和适应性。这将推动多机器人协同作业系统的构建，并在其他行业中继续拓展其应用范围。

参考文献:

[1]张广才,张俊杰,蔡彦伦,等.复合机器人的应用和发展综述[J].机械工程与自动化,2020,(01):218-220.

[3]LI X, YU H, FENG H, 等. Design and Control for WLR-3P: A Hydraulic Wheel-Legged Robot[J].

[4]Zhou, Xin, et al. "Swarm of micro flying robots in the wild." Science Robotics 7.66 (2022): eabm5954.

[5]DENG T, XIE H, WANG J, 等. Long-Term Visual Simultaneous Localization and Mapping: Using a Bayesian Persistence Filter-Based Global Map Prediction[J/OL]. IEEE Robotics & Automation Magazine, 2023, 30(1): 36-49. DOI:10.1109/MRA.2022.3228492. [6]

[7]Zhu, Jiaqi, et al. "A Dual-Modal Hybrid Gripper with Wide Tunable Contact Stiffness Range and High Compliance for Adaptive and Wide Range Grasping Objects with Diverse Fragilities." Soft Robotics 11.3 (2024): 371-381.

[8]LI X, MA N, HAN Y, 等. AHPPEBot: Autonomous Robot for Tomato Harvesting based on Phenotyping and Pose Estimation[A/OL].arXiv,2024[2024-11-25].http://arxiv.org/abs/2405.06959.DOI:10.48550/arXiv.2405.06959.

[9]陈哲涵,黎学臻.面向物流机器人的云边协同智能视觉传感器研究与应用[J].物流技术与应用,2023,v.28;No.297(12):154-158.

———— 物流技术与应用 ————

编辑、排版：罗丹

本文内容源自，有删改。

欢迎文末分享、点赞、在看！转载请联系后台。

广告宣传

来源：孙青讲一下