智能机器人政策布局及趋势分析

机器人技术正不断朝着智能化、网络化、自主化的方向发展。

智 能机器人技术作为衡量一个国家科技发展水平和国民经济现代化、 信息化的重要标志，各主要工业国持续推动产业发展，通过顶层战略 引导，逐步推动智能机器人技术融合、产业发展、应用创新。 各主要工业国以美国、欧盟、日本、中国为代表，美国重点发展 智能技术和与国防等关键领域相关的机器人产业；欧盟重点关注技 术创新和机器人产业中的中小初创企业发展；日本着力发展工业领 域的应用发展和机器人对劳动力短缺的补充；中国以《中华人民共和 国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要》 为引领，大力推广机器人全产业链布局域、关键技术攻关和典型场景 应用。

2020 年 9 月由美国计算机社区联盟（CCC）发布的第四版《机 器人路线图：从互联网到机器人》，探讨了架构与设计实现、移动性、 抓取与操作感知、规划与控制、学习与适应、多机器人系统、人机交互等 8 个研究领域的技术发展目标。2023 年 5 月，美国在国家层面 发布了《国家人工智能研发战略计划》，明确提出将“开发功能更强大、 更可靠的机器人；改进硬件以促进人工智能”列为优先事项。欧盟积 极关注 AI 与机器人的集成应用。在《地平线欧洲》工作计划中，欧 盟为机器人相关项目提供的资金支持从 2021 年规划的 1.8 亿欧元扩 大到了 2.4 亿欧元。 除美国、欧盟外，日本、韩国也都发布了政策文件，进行顶层的 战略引领。2022 年 4 月，日本在《人工智能战略 2022》中提出将 AI 技术和机器人技术融合，降低管理成本，提高业务效率。2022 年 3 月，韩国在《2022 年智能机器人实行计划》中提出投资 2440 亿韩元 用于制造和服务机器人的研发和推广，计划开发 37 个额外的标准流 程模型，推动机器人与 AI、大数据 5G、云等技术融合。 我国积极着眼智能机器人领域发展，分别在 2021 年 10 月、12 月出台《国家标准化发展纲要》、《国家智能制造标准体系建设指南 （2021 版）》，强调要加强智能机器人领域关键技术标准研究，推动 产业变革。

美国在 2023 年 9 月发布的《美国先进机器人制造创新机构》中 将在面向任务规划；多机器人-多人协作；制造机器人的人工智能等 方向遴选短周期技术项目给予资助。作为欧盟成员国之一的法国颁 布《“法国 2030”投资计划》，投资约 58 亿美元支持包括机器人技术在内的颠覆性技术初创企业。 日本在 2023 年 7 月发布的《日本制造业白皮书》中明确，将工 业机器人指定为 "特定关键商品"，确保关键商品的稳定供应强化国 内生产基础。韩国在 2023 年颁布的《先进机器人监管创新计划》中 同样重点关注敏捷性、安全性、协作能力和基础设施的建设。 中国在 2021 年 12 月出台的《“十四五”机器人产业发展规划》中 明确，要加快解决技术累计不足、产业基础薄弱、高端供给缺乏等问 题，推动智能机器人产业迈向中高端。

2021 年美国发布《美国国家机器人计划 3.0》中明确支持机器人 领域基础研究，在教育、农业交通、太空医药等领域，每年提供 1.25- 1.4 亿美元资助。2022 年 10 月美国发布的《国家先进制造业战略》， 将机器人技术与太空增材制造工艺相结合进行深空探索。欧盟各国 家也聚焦智能机器人在各领域的广泛应用，法国在 2021 年 10 月出 台《法国 2030 投资计划》：投资 8 亿欧元发展机器人产业，制造结合 人工智能技术的机器人，投资约 58 亿美元支持包括机器人技术在内 的颠覆性技术初创企业。德国颁布的《高科技战略 2025》战略文件 明确在 2026 年之前每年提供约 7000 万欧元的资助，推动智能机器 人在工业、医疗、物流等领域的应用。2022 年日本颁布的《机器人 新战略》中明确重点支持制造业、照护与医疗、基础设施和农业等领 域机器人发展。

我国于 2021 年 12 月颁布的《“十四五”智能制造发展规划》中已 经明确，发展工业机器人等通用智能制造装备、融合数字李生、人工 智能等新技术研发协作机器人、自适应机器人等新型装备。2023 年 1 月出台的《“机器人+“应用行动方案》和同年 11 月出台的《人形机 器人创新发展指导意见》则共同强调了聚焦重点应用领域和人形机 器人，突破机器人应用技术及解决方案，推广典型应用场景。

智能机器人技术正迅速向深度智能驱动、高效以虚驭实、泛在敏 捷操作及多元感知交互方向演进。

1. 趋势一：深度智能驱动 趋势一是深度智能驱动。随着新一代人工智能技术的快速发展， 智能机器人在复杂环境中的自适应、自学习和协同化能力得到显著 的增强。深度智能驱动使机器人具备更高智能水平，能够自主适应更加复杂场景和高难度任务。深度智能驱动包括可以实现单体智能提 升的新一代深度学习技术，和可以实现集群智能协同的的智能协同 算法。 新一代深度学习和强化学习架构实现机器人性能飞跃。基于深 度学习和强化学习架构，智能机器人的单体智能得以大大提升。迪士 尼公司利用新一代深度学习流程，大幅高了双足智能机器人的对于 情感的感知和表达能力；清华大学通过采用新一代深度学习架构，大 幅提升了四足仿生机器人的爬坡能力；腾讯 Robotics X 实验室引入 深度学习等前沿算法，提升机器人的灵巧操作能力和解决复杂问题 的能力。

群体智能推动集群机器人向自治自组织的协同化发展。基于智 能协同算法，智能机器人可以实现集群智能协同。谷歌 DeepMind 团 队及其他 33 个研究机构共同发起的项目，能够实现与不同类型的 物理机器人协同运作，成功执行多种任务。浙江大学构建机器人蜂群， 在非结构化环境中进行独立思考和自主导航飞行。哈工程基于“人工 智能+海洋无人系统” 实现海洋机器人集群智能协同。 通过挖掘和扩展人工智能算法在智能机器人领域应用的广度和 深度，使智能机器人具备先进智能决策功能，实现机器人自主学习以 及逻辑推理。研究开发适应不同复杂任务和情景的人工智能算法是 当前的研究热点。

2. 趋势二：高效以虚驭实 趋势二是高效以虚驭实。高保真孪生体在虚拟空间内通过深入 的分析优化、大规模的虚拟训练，将全面、快速增强智能机器人本体 的性能。高效以虚驭实将大幅提升智能机器人训练效果与泛化能力。 高效以虚驭实包括可以实现性能提升、能力泛化的大规模虚拟训练， 和可以实现高效部署与管理的数字孪生。 大规模虚拟测试极大提升机器人实体性能与泛化能力。基于 AIGC 大规模虚拟仿真和真实数据的校准补充，使机器人开发和训练 效果大幅提升。典型代表有如特斯拉，实现 3500 万的自由度支持机 器人控制逻辑的训练；北京大学包含 133 类 5355 个物体的 132 万抓 取数据；谷歌自行创建 10,000 个衍生数据库；DeepMind 模拟机器 人臂的数百万条轨迹；Inter 通过 ART-TEP 将仿真训练/测试和现场 训练/测试有机地结合在一起。

数字孪生实现高效部署和全生命周期管理。基于高保真数字孪 生体实现机器人无痛设计，离线编程与高效部署，实现全生命周期监 控、仿真、预测、优化等。例如 ABB 的新款五轴机器人 IRB 365 通 过使用数字孪生技术，可以在几小时内集成到包装生产线中。Fanuc 推出全生命周期的数字孪生功能，包括数字化设计、加工和运维，提 升设计、生产、维护效率等。英伟达、PTC 和达索等纷纷推出数字孪 生系统平台帮助机器人自动学习运行状态并自主生成预测和诊断结 果。 利用数字孪生构建智能机器人的虚拟对象，通过网络通信连接物理和虚拟世界，实现智能机器人在开发和训练阶段的虚实融合功 能，能够高效低成本高可靠的方式推动智能机器人技术迭代。

3. 趋势三：泛在敏捷操作 趋势三是泛在敏捷操作。机器人操作系统迈向模块化和平台化， 并逐步与云端整合，泛在敏捷操作将进一步拓展智能机器人的应用 领域，催生开放性、标准化和模块化的机器人操作平台，支持定制化 便捷开发。泛在敏捷操作包括可以实现开放互联操作的云端操作平 台，和可以实现便捷开发定制的模块化定制化系统。 开放式泛在操作平台：全球主要机器人企业的持续发力集成感 知、互联、模块化和开放性于一体的机器人操作与计算环境，云端操 作系统成为泛在操作系统参考模式。例如四大家族中 Fanuc 和 KUKA， 科技企业巨头微软、亚马逊及英伟达，软银，优傲等均推出机器人开 放式开发平台。达闼机器人云端操作系统海睿 OS 作为泛在操作系统 UOS 参考实现之一，已与国内上百家机器人公司合作，为整个智能 机器人行业提供了自主可控开放平台、统一接口标准环境。科大讯飞 发布的 AIBOT 机器人超脑平台，如今已有多个领域的 372 家企业的 开发者在使用。

模块化系统功能设计：各个功能组件可以独立进行升级、更换或 扩展，从而提高机器人的灵活性和可定制性。AMD 推出专为机器人 和多种工业应用设计的 Kria KR260，支持本机 ROS 2，便于机器人 专家和软件开发人员进行开发。据 ROS 统计，其在线库中已经有超过 2000 个可重用的模块和包，为开发者提供了丰富的资源。 泛在操作系统(UOS)基于泛在计算思想，是传统操作系统的扩展。 它为泛在化资源管理和应用开发而设计，不仅具备感知、互联、轻量 化计算与认知、自然交互等特征，还突出了模块化设计，使得功能可 以灵活组合和拓展。

4. 趋势四：多元感知交互 趋势四是多元感知交互。基于多模态、多样化的感知和交互技术， 智能机器人将完成从传感层到交互层的自主贯通，实现多元化的感 知交互。多元感知交互打通了从传感层到交互层的智能机器人完整 数据架构，实现了广泛的感知与多样的交互。多元感知交互包括可以 实现全息感知、全面理解的多模态感知融合技术，和可以实现高效沟 通、自然交互的多样化交互技术。 融合多维环境数据，实现从对环境的“感知”到“理解”的变化。特 斯拉 FSD 视觉感知神经网络实现空间内的未知障碍物识别，UCLA 实现多目立体视觉和复杂环境多视角分析，商汤基于 UniAD 通用大 模型实现感知、跟踪和建图、轨迹预测深度整合，腾讯将触觉传感融 入机器人，通过感受外界的接触信息感知和识别物体，Stretch 通过 多维环境数据感知，实现多物体的智能辨识和分析。中国科学技术大 学发布首个高空作业机器人多模态感知 USTC FLICAR 数据集。 人机友好交互结合智能机器人感知现实世界实现个性化服务。 OpenAI 支持的 Neo 机器人支持用户通过 VR 方式与其交互，Microchip 开发基于电场感应的 3D 手势识别技术，MIT 提出了基于 脑电信号和肌电信号（脑机接口）的人机交互方案利用脑电信号和肌 电信号来实时监督纠正机器人的动作。 通过融合自然语言大模型与多模态感知技术，智能机器人对外 界实现了全面且深入的理解，从而增强了感知能力和人机交互体验。