近年来，随着消费需求日趋个性化、用工短缺/劳动力成本上升、新一代信息技术不断成熟等多重因素的推动，智慧物流、智能制造成为企业降本增效提质的重要手段，带动工业机器人市场需求的持续走高。根据中国机电一体化计算应用协会数据统计，根据国际机器人联合会（IFR）最新发布的《世界机器人 2019-工业机器人》报告数据，2018 年世界工业机器人出货量 42.2 万台，比上年增长 6%；年销售额达到 165 亿美元，创新纪录。2020 年至2022 年世界机器人出货量有望继续保持两位数以上的增长。

从地区来看，欧洲、日本牢牢占据着工业机器人天下，日本、德国的工业机器人水平世界领先，这主要因为他们具备先发优势和技术沉淀。日本在工业机器人关键零部件（减速机、伺服电机等）的研发方面具备较强的技术壁垒。德国工业机器人在原材料、本体零部件和系统集成方面有一定优势。

从企业来看，ABB、发那科（FANUC）、库卡（KUKA）和安川电机（YASKAWA）这四家企业是工业机器人的四大家族，成为世界主要的工业机器人供货商，占据世界约 50%的市场份额。

一、人工智能和机器学习将对下一代工业机器人产生重大影响。

人工智能和机器学习将对下一代工业机器人产生重大影响。据机器人工业协会(RIA)副总裁兼墨西哥 A3 推进自动化协会(A3)称，这将有助于机器人变得更加自主，并与他们的同事携手合作。

随着其他行业接受工业机器人可以提供的效率和灵活性，减少对汽车行业的依赖是另一个关键趋势。随着机器人变得更加灵巧，更安全，并且有各种各样的外形，它们对各种行业的新用户越来越有吸引力。

数字化也正在产生影响，因为作为工业 4.0 的一部分，连接的工业机器人在数字制造生态系统中占据了一席之地。数字化可以在整个价值链中实现更大的协作――供应商、制造商和分销商之间的横向协作，或工厂内的垂直协作，例如电子商务前端和 CRM 系统，业务 ERP系统，生产计划和物流自动化系统之间的协作。这两种类型的协作都可以创造更好的客户体验并提高制造效率，提高工程效率，以便在产品之间灵活切换或更快地推出新产品。

二、机器视觉是人工智能重要的前沿技术

机器视觉是人工智能行业的重要前沿分支。机器视觉通过模拟人类视觉系统，赋 予机器“看”和“认知”的能力，是机器认识世界的基础。机器视觉利用成像系 统代替视觉器官作为输入手段，利用视觉控制系统代替大脑皮层和大脑的剩余部 分完成对视觉图像的处理和解释，让机器自动完成对外部世界的视觉信息的探测， 做出相应判断并采取行动，实现更复杂的指挥决策和自主行动。作为人工智能最 前沿的领域之一，视觉类技术是人工智能企业的布局重点，具有最大的技术分布。

机器视觉在智能制造领域应用广泛，按功能主要可分为四大类：识别、测量、定 位和检测。识别功能指甄别目标物体的物理特征，包括外形、颜色、字符、条码 等，其准确度和识别速度是衡量的重要指标；测量功能指把获取的图像像素信息 标定成常用的度量衡单位，然后在图像中精确地计算出目标物体的几何尺寸，主 要应用于高精度及复杂形态测量；定位功能指获取目标物体的坐标和角度信息， 自动判断物体位置，多用于全自动装备和生产；检测功能指对目标物体进行外观 检测，判断产品装配是否完整和外观是否存在缺陷。

相对于人类视觉而言，机器视觉在量化程度、灰度分辨力、空间分辨力和观测速 度等方面存在显著优势。其利用相机、镜头、光源和光源控制系统采集目标物体 数据，借助视觉控制系统、智能视觉软件和数据算法库进行图形分析和处理，软 硬系统相辅相成，为下游自动化、智能化制造行业赋予视觉能力。随着深度学习、 3D 视觉技术、高精度成像技术和机器视觉互联互通技术的发展，机器视觉性能 优势进一步提升，应用领域也向多个维度延伸。

二、立体视觉是未来方向，同时需要多传感器融合的导航方式。

在工业物流领域，基于3D机器视觉技术实现的机器人自主导航，根据传感器不同主要分为两个类别：激光SLAM和视觉SLAM。激光SLAM技术相对更加成熟，是当前市场应用的主流。但随着机器人单体主处理器的处理能力提升，特别是一些带GPU（Graphics Processing Unit，图形处理器）、NPU（Neural-network Processing Unit，嵌入式神经网络处理器）的处理器的应用，机器人视觉处理能力得到极大提升，以深度学习技术为核心的视觉处理可以在机器人上实现。

目前，视觉技术已经被广泛地应用到机器人立体视觉避障（人/ 物区分识别），以及视觉导航和末端高精定位上。旷视认为，视觉传感器成本低，感知信息量大，随着视觉算法技术的成熟，视觉SLAM导航机器人在不远的将来会替代激光SLAM导航机器人。

与此同时，不管是基于激光还是视觉实现的机器人自主导航，都不是单一应用，还需要融合诸如惯导（IMU）、GPS等其他导航方式，以应对鲁棒性要求非常高的现实应用场景，让机器人能够更加稳定有效地运行。（出处：中国移动机器人（AGV/AMR）产业联盟《2020-2021工业制造领域自然导航AGV/AMR产业发展研究报告》）例如视觉和IMU的融合，IMU为快速运动提供了较好的解决方式，而相机又能在慢速运动下解决IMU的漂移问题，二者实现了优势互补。

三、深度学习赋能3D视觉，加强机器人对周围环境的理解。

AI中的深度学习技术在计算机视觉中的应用主要有物体识别、目标检测与跟踪、语义分割、实例分割等。微链提出了新的数学模型，可以实现运动下的高精度成像。微链DaoAI高精度3D相机可以识别细微的纹理，高质量的获取黑色、白色、高反光物体的三维点云图像，该图像具有XYZ和RX、RY、RZ六个维度的数据。

微链独有的稀疏神经网络算法，可还原所有缺失的三维图像，从而推理出他们在三维空间里的位姿，实现机器人对周围环境内容的理解，引导机器人从事更加复杂的工作。