【ZiDongHua 之“方案應用場”收錄關鍵詞：世界機器人大會   FESTO   仿生蜜蜂    】

　　

　　

　　8月10日，2025世界機器人大會主論壇進入第二篇章，主題聚焦創(chuàng)新應用，邀請到國內外院士專家、國際機構代表、一流企業(yè)大咖等分享機器人的新技術、新應用。

 

　　

　　中國工程院院士倪光南在題為《“AI+空間計算”讓機器看懂世界》的演講中表示，“AI+空間計算”開啟了二維交互向三維交互發(fā)展的新范式，空間計算作為一種全新的計算方式，它是物理世界和數(shù)字世界之間的橋梁，正在重塑人類、機器和世界的交互方式，是推動機器人落地的關鍵核心技術之一。當前人工智能引領科技范式變革的時代，在國家實施“人工智能+”行動的大形勢下，要推動機器人發(fā)展到AI+機器人，更好的發(fā)揮它新質生產力的作用。為了達到這個要求，關鍵在于提升機器人智能審評，我們要用腦-眼-行動協(xié)同的系統(tǒng)來提高機器人智能水平，真正讓機器人能夠看見世界、理解世界、行動于世界。

　　

　　捷克技術大學教授Vašek Hlavá?作題為《工業(yè)機器人的智能視覺引導與柔性裝配》的報告，他提到機器人作為與物理世界互動的工具，其核心在于“物理智能”，即通過感知（如視覺和傳感器）實現(xiàn)智能行為。針對柔性裝配難題，團隊開發(fā)了獨特的視覺引導方法，核心是創(chuàng)建自定義“移動線纜數(shù)據集”：該方法基于圖像像素移動和機器學習，能實時識別人工抓取點（起始點）并自動建議后續(xù)動作（如五步操作示例）。與現(xiàn)有方法相比（通過視頻和圖片對比展示），它在復雜線纜場景中分割更精準，尤其在熒光標記輔助下，提高了魯棒性。同時，他指出，當前技術仍處于實驗室階段，距離工業(yè)部署有差距。

　　

　　世界工程組織聯(lián)合會候任主席Seng Chuan Tan作題為《重塑機器人時代的工程師技能》的報告，他圍繞機器人時代對工程師技能提出的新要求與轉型方向展開，強調工程師需從傳統(tǒng)技術執(zhí)行者向具備多元融合能力的創(chuàng)新者轉變。工程師需要鉆研硬技能，從單一技術到跨學科融合，在基礎領域需保持深度，但需打破學科壁壘，形成“T型”知識結構，要熟練掌握數(shù)字化與智能化工具。工程師需從“解決給定問題”轉向“定義真實問題”，具備從復雜場景中提煉核心需求的能力，進行跨領域協(xié)作與溝通。要具有創(chuàng)新思維與快速迭代能力，同時注重倫理與安全意識。要持續(xù)學習，應對時代變革的核心競爭力。

　　

　　上海交通大學教授高峰在《智能機器人創(chuàng)新設計的挑戰(zhàn)與機遇》為題的演講中表示，從技術的角度來講，機器人的發(fā)明面臨四部分問題。第一，功能驅動構型。功能是說不清楚的，如果不能用數(shù)學描述，功能就不存在，不存在就設計不了。第二，性能綜合。到底機器人的尺寸應該是什么樣子，運動學、動力學和智能有什么關系。第三，行為智能。機器人和計算機智能是不一樣的，計算機智能不是機器人智能，二者有很大的區(qū)別。第四，工程應用。工程問題是很具體的，不是通用的方法。國際機器人聯(lián)合會技術委員會主席Alexander Verl作題為《工業(yè)機器人擁抱數(shù)字孿生與人工智能（AI）技術》的報告，他指出，很多的機器人是為了能夠取消人類的局限，比如人類的身體極限，讓人盡量的減少彎腰或者高空作業(yè)。機器人確實沒有這樣的限制，但是有其他的短板，模仿人類因此就會導致雙重系統(tǒng)的局限，最終只能夠達到不那么優(yōu)越的方案，所以可能更好的人形機器人是一定有輪子，這個是我們的生產工程學的觀點。

　　

　　德國奧爾登堡大學教授Sergej Fatikow作題為《工業(yè)機器人擁抱數(shù)字孿生與人工智能（AI）技術》的報告，他分享了微機器人在精密制造與微電子行業(yè)的創(chuàng)新應用。他提到，高精度微機器人是一個核心異能技術的納米相關產業(yè)，納米級定位與驅動技術、智能傳感與閉環(huán)控制是推動微機器人核心技術突破。微機器人將在三維異構集成制造、缺陷修復與定制化加工等方面實現(xiàn)顛覆性應用場景創(chuàng)新。

　　

　　ABB機器人中國研究中心負責人張佳帆以《邁向自主多功能機器人時代》為題作分享。他指出，當前工業(yè)場景應用仍是機器人技術落地最重要的領域之一，但工業(yè)機器人實際覆蓋的應用場景僅占全部工業(yè)需求的20%-30%，AI在工業(yè)領域的應用潛力遠未完全釋放?，F(xiàn)階段工業(yè)機器人仍主要采用“專家編程+機器人執(zhí)行”的傳統(tǒng)模式，缺乏自主性與通用性，面對非預設場景往往難以應對。更為關鍵的是，當前工業(yè)AI應用多局限于感知層，在決策與控制層面的融合仍顯薄弱。他表示，實現(xiàn)自然語言驅動的機器人控制是ABB的終極目標，而這背后仍有大語言模型、語言動作模型等關鍵技術亟待突破，當這些技術成熟時，工業(yè)機器人將真正擁有強大的自主能力。

　　

　　中聯(lián)重科中科云谷首席執(zhí)行官曾光在以《機器人在智能制造的應用：從工業(yè)機器人到人形機器人》為題的分享中表示，人形機器人融入制造體系面臨比技術突破更復雜的系統(tǒng)性問題。如同新員工需經數(shù)月培訓方可上崗，人形機器人要勝任工作同樣需要掌握生產計劃、工藝路線、物料信息、作業(yè)規(guī)范等全維度知識。這要求我們基于多智能體技術打造AI原生的工業(yè)互聯(lián)網平臺，通過云端超腦完成生產計劃編排、安全規(guī)則制定等工廠級慢思考，并將機器人級的慢思考和快思考放到邊和端，用超大規(guī)模的云、邊、端協(xié)同來解決人形機器人在工廠的落地問題。他強調，工業(yè)機器人與人形機器人并非替代關系，而是要圍繞“提質增效、降本減存”的制造業(yè)本質，形成協(xié)同共融的新范式。智澄AI創(chuàng)始人兼首席執(zhí)行官胡魯輝以《通向AGI：物理智能的覺醒》為題作演講。他指出，盡管機器人技術已有十余年的積累，但高成本、通用性、安全性不足仍是行業(yè)的核心痛點。究其本質，是傳統(tǒng)機器人受限于本體設計、任務適配與環(huán)境適應的三大瓶頸，而這需要物理與智能的深度協(xié)同來解決。當前炙手可熱的生成式AI，聚焦于數(shù)字世界的軟件與模型泛化，而物理智能的目標，是讓AI在物理世界中實現(xiàn)任務的通用化與實時交互。他表示，智澄AI的愿景是讓通用人工智能賦能物理世界，服務每一個組織與個體。只有當AI通過機器人實現(xiàn)物理交互閉環(huán)，才能真正推動AGI時代的到來。

　　

　　瑞士工程院院士，瑞士蘇黎世聯(lián)邦理工大學教授Bradley Nelson作題為《用于應對全球主要健康威脅的微型機器人與遠程手術》的報告，他介紹了微型機器人在醫(yī)學領域的應用及前景。目前醫(yī)療上存在藥物治療窗口窄、全身給藥副作用大等問題，90%的藥物研發(fā)失敗，其中1/3源于中毒劑量，而微型機器人可實現(xiàn)靶向藥物遞送。遠程手術可減少交通時間，團隊利用電磁場控制導管，通過5G實現(xiàn)遠程操作，已在動物研究中成功完成跨城市遠程血栓移除等實驗。此外，還在研發(fā)微型機器人藥物底層技術，可遠程進行器官檢查等。

　　

　　德國紐倫堡工業(yè)大學教授Wolfram Burgard作題為《從博物館導覽到城市穿梭—移動機器人的自主進化》的報告，他指出，人工智能（AI）的實現(xiàn)涵蓋多樣化技術路徑。其核心價值在于解決現(xiàn)實世界中的具體挑戰(zhàn)，例如通過構建高效精準的導航系統(tǒng)，賦能自動駕駛汽車等技術應用——這一領域在北京市已進入實踐階段。數(shù)年前，機器學習領域經歷范式變革，尤其在計算機視覺方向迎來顯著突破。相關技術在解析多模態(tài)傳感器數(shù)據方面展現(xiàn)出卓越性能，其核心能力體現(xiàn)為通過先進的目標檢測算法精準識別特定對象類別，包括行人、車輛及道路基礎設施等。

　　

　　香港大學工程學院院長David Srolovitz作題為《從虛擬智能到機器人材料：人工智能探索前沿》的報告，在虛擬智能材料設計上，用大語言模型用于材料的分類、材料性能的預測和材料規(guī)則的發(fā)現(xiàn)，我們訓練的數(shù)據主體非常海量，利用大預言模型的優(yōu)異的推理能力，特別是擅于自然語言處理的能力，最終利用大量的數(shù)據庫訓練，生成的數(shù)據、內容和格式能夠為材料科學提供一個通用的解決方案。

　　

　　日本工程院院士Kazuhiro Kosuge作題為《柔性制造革命：軟材料機器人重塑服裝制造場景》的報告，他提到，將AI、機器人技術應用于材料處理，能夠解決勞動力短缺問題以及和服裝生產相關的很多問題。軟材料機器人能夠安全、精準地抓取和操控易變形的面料（如絲綢、針織布），解決了在處理軟性材料時易造成損傷或定位不準的難題。軟性材料機器人具備高度可編程性和環(huán)境適應性，可通過視覺識別、力反饋等傳感器實時調整操作參數(shù)，快速切換生產不同款式、尺寸、面料的服裝，無需大規(guī)模更換模具或夾具。軟性材料機器人天然具備與人共處同一工作空間的安全性——其柔軟的機身在接觸人體時能通過形變吸收沖擊力，降低工傷風險。

　　

　　荷蘭代爾夫特理工大學教授Jens Kober以《荷蘭農業(yè)機器人：從郁金香田到廣袤農田的智能變革》為題作分享。他指出，與許多發(fā)達國家類似，荷蘭農業(yè)正面臨嚴峻的勞動力短缺問題，在這樣的背景下，自動化成為了必然選擇。他以人機共融的牛羊養(yǎng)殖智能系統(tǒng)與模塊化的溫室種植系統(tǒng)為例，分享了荷蘭農業(yè)機器人在典型場景的實踐經驗。他強調，由于農業(yè)本身利潤率低，要求技術方案必須追求高性價比，避免為了自動化而自動化，因此，要堅持“必要優(yōu)先”原則，聚焦解決實際痛點。農業(yè)機器人的價值不僅在于替代人力，更在于通過技術融合推動農業(yè)可持續(xù)發(fā)展。

　　

　　Tevel公司首席執(zhí)行官Yaniv Maor在以《人工智能與機器人技術——解決水果采摘難題方面所面臨的挑戰(zhàn)》為題的分享中表示，過去30年，全球水果產量增長200%，而水果采摘是食品供應鏈中自動化程度最低的環(huán)節(jié)，隨著勞動力供給的持續(xù)萎縮，生產與需求之間的矛盾日益尖銳。由于水果品種的多樣性、果園與氣候環(huán)境的復雜性，以及商業(yè)化采摘的質量要求，導致水果采摘的商業(yè)化落地面臨多維度技術難題。Tevel通過柔性抓取與多機協(xié)同的機器人本體設計、環(huán)境感知與AI訓練的智能決策系統(tǒng)、跨品種覆蓋與生態(tài)合作的商業(yè)模式創(chuàng)新，構建了機器人水果采摘的全流程技術體系。

　　

　　FESTO公司仿生學習網絡技術負責人Dennis Gutowsky以《FESTO仿生蜜蜂——開啟機器人自然靈感設計的新時代》為題作演講。他表示，自然是最卓越的工程師，歷經數(shù)百萬年進化出輕量化結構、形態(tài)優(yōu)化、能量回收、智能移動控制等完美機制。FESTO的仿生學習網絡通過模仿自然生物，開發(fā)了仿生飛鳥、仿生袋鼠、仿生螞蟻、仿生細胞工廠等一系列創(chuàng)新產品與解決方案。他現(xiàn)場演示了FESTO公司的最新仿生成果——仿生蜜蜂。他介紹，該仿生蜜蜂重量僅幾克，翼展12公分，僅需1個電機驅動翅膀，3個電機控制飛行姿態(tài)，展翼頻率達15-20次/秒，搭載WBE系統(tǒng)實現(xiàn)完全自動化飛行，同時支持多機協(xié)同和氣流快速校準。仿生蜜蜂代表著當前飛行機器人的尖端水平，也證明了自然與技術結合的巨大潛力。

　　

　　主題對話：具身智能的商業(yè)化路徑與市場前景

　　

　　德國慕尼黑工業(yè)大學教授Alois C. Knoll主持以“具身智能的商業(yè)化路徑與市場前景”為主題的對話環(huán)節(jié)。

　　

　　中關村智友研究院院長王田苗在對話中表示，當前具身智能領域存在兩種發(fā)展思路，一種是通過構建通用世界模型結合人形機器人和大數(shù)據，追求廣泛場景的泛化應用；另一種是聚焦特定垂直場景，在限定范圍內開發(fā)智能硬件解決方案。在討論技術可行性時，他分析前者雖然具有廣闊前景但面臨穩(wěn)定性挑戰(zhàn)，后者針對咖啡制作、醫(yī)療手術、物流等具體場景，通過專業(yè)化設計和控制可能更易實現(xiàn)可靠性突破。他認為，選擇具有高附加值、高頻需求且環(huán)境動態(tài)變化的垂直領域進行開發(fā)，可能更符合當前市場需求和技術發(fā)展階段。

　　

　　藍馳創(chuàng)投合伙人曹巍在對話中表示，具身智能的核心在于通過實體機器人與物理世界交互來獲取數(shù)據和迭代算法，這與傳統(tǒng)AI有本質區(qū)別。他系統(tǒng)分析了當前面臨的四大挑戰(zhàn)：硬件層面需要突破低成本、高魯棒性的規(guī)模化生產瓶頸；算法層面存在多模態(tài)模型精度不足、3D感知技術尚未成熟等問題；產業(yè)應用需要解決模型精細調節(jié)、場景適配和低成本落地的"三要素對齊"；技術演進方面則需革新傳統(tǒng)強化學習框架，開發(fā)具備生成式能力的新算法以應對復雜環(huán)境。他指出，雖然基礎研究與應用需求之間存在時差，但通過建立"環(huán)境交互-數(shù)據獲取-算法優(yōu)化"的正向循環(huán)，具身智能將逐步實現(xiàn)從實驗室到產業(yè)化的突破。

　　

　　智平方科技有限公司創(chuàng)始人郭彥東在對話中表示，提升AI系統(tǒng)可信度的核心在于開源化。他強調基礎模型的開源是建立用戶信任的關鍵——通過公開模型內部機制，讓所有人都能了解系統(tǒng)運作原理，消除"黑箱"疑慮。他指出大模型本身具有不可預測性，而開源可以讓用戶直接觀察模型內部運行過程，這種透明度比單純的企業(yè)宣傳更能贏得公眾信任。郭彥東將開源視為一種理念倡導，認為只有開放技術細節(jié)，才能讓產品真正被用戶接受并融入日常生活。UniX AI公司創(chuàng)始人兼首席執(zhí)行官楊豐瑜在對話中表示，建立人機信任與合作的關鍵在于確保AI系統(tǒng)的可預測性和透明度。他強調不必追求機器人在所有場景都完美運作，但必須保證在預期情境中可靠工作。對于當前主流的端到端模型，他提出需要設計透明化機制：在關鍵決策節(jié)點設置人類可理解的中間輸出，同時應建立失敗回溯系統(tǒng)，通過分析中間數(shù)據和結合人類常識來診斷錯誤原因。這種強調過程可見、結果可溯的設計理念，既保持了AI系統(tǒng)的高效性，又能讓人類理解其決策邏輯，是促進人機協(xié)作的重要基礎。