2025年，“具身智能”首次被写入我国《政府工作报告》，成为国家培育的未来产业之一。具身智能是一种旨在实现“能思考、能感知、能行动”的智能系统。

具身智能作为推动机器人技术革新的核心驱动力，赋予机器人“感知-决策-行动-反馈”的完整闭环智能，这种智能并非预设，让机器人不再是机械指令的执行者，而是能像人类一样通过身体与环境交互、自主学习，从而成为有灵活适应能力的智能实体。智能机器人是具身智能最主要的应用载体和产品形态之一，人形机器人是智能机器人的一种高级形态，仿人的外形被认为是最适合在人类环境中工作、最具潜力的通用具身智能载体之一。一个典型的智能机器人系统包含视觉感知、决策、路径规划与控制四大模块。视觉感知充当机器人的“眼睛”，决策与路径规划构成机器人的“大脑”，控制技术则扮演机器人的“小脑”。本文从视觉智能视角出发，系统梳理了智能机器人在二维和三维视觉感知、决策范式、路径规划及控制策略的核心技术，并探讨了空间推理、端到端系统等未来方向。本文研究成果来自机器人视觉感知与控制技术国家工程研究中心王耀南院士团队。

本文作为 Visual Intelligence 2026年第2期的封面文章发表，期望相关工作为智能机器人技术发展提供参考。

智能机器人关键技术综述

智能机器人系统通常包含多个核心模块，以实现自主感知、决策与行动。本文从视觉智能视角出发，把典型的智能机器人系统分为视觉感知、决策、路径规划与控制四大模块(见图1）。其中，视觉感知充当机器人的“眼睛”，负责采集环境与自身状态信息，包括视觉（如RGB/RGB-D相机、LiDAR数据）、力觉、触觉、听觉等多模态传感器信息；决策与路径规划基于感知数据进行任务理解、状态估计、行为选择和路径规划，构成机器人的“大脑”；控制技术则扮演机器人的“小脑”，将决策指令转化为物理动作，包含运动控制、驱动系统和末端执行器等。这些技术使得机器人不再是机械指令的执行者，而是能像人类一样通过身体与环境交互、自主学习，成为能够灵活适应的智能实体。

图1 典型智能机器人系统架构：视觉感知-决策-路径规划-控制。

在2D视觉感知技术的多样化演进方面，文章详细介绍了基于卷积神经网络（CNN）、视觉Transformer（ViT）和大语言模型（LLM）的2D视觉感知技术（图2）。CNN方法以较小参数量和低计算开销实现高推理速度，展现强大实时能力；ViT方法擅长全局推理，在复杂的图像识别和分割任务中表现优异；基于LLM的技术进一步拓展了开放词汇感知能力，使机器人能够理解更广泛的环境语义。然而，智能机器人技术也面临诸多挑战。由于环境场景的多样性，感知算法的设计和模型训练变得复杂；视觉传感器的性能、系统计算效率和决策规划模式也会影响任务的准确性和实时性。此外，动态环境中的干扰和不确定性因素也可能影响机器人系统的稳定性。

图2 2D视觉感知技术路线。

在3D视觉感知技术的完整流水线方面，文章系统阐述了从3D成像、点云特征提取、匹配配准到检测分割与位姿估计的完整技术链条（图3）。传统方法计算高效但易受噪声影响，深度学习方法计算需求大幅增加，而NeRF等神经表示方法虽实现高保真重建但缺乏实时性。各模块相互依赖，早期误差会向下游传播，平衡精度、效率与可扩展性是未来3D视觉感知技术发展的核心挑战。神经表示新趋势如3D Gaussian Splatting（高斯泼溅）通过神经网络隐式建模场景，实现高质量渲染和重建，但在实时性方面仍面临挑战。

图3 3D视觉感知技术路线。

此外，文章还综述了智能决策范式的多元化发展、路径规划算法的优化演进、控制策略的多元化创新等。

结论与展望

当前智能机器人视觉技术主要集中于感知和理解层面，如识别环境中的物体、分析人-机器人-环境之间的关系。随着人工智能技术和工业需求的发展，智能机器人需要在现实世界中进行全面的空间推理，包括理解物体的物理属性、基于环境和用户指令推断用户意图、确定机器人行为模式。空间推理方法提升了人机协作和操作在不可预测环境中的安全性，机器人必须预测潜在碰撞、评估间隙并实时响应空间变化。

尽管视觉感知、决策、路径规划和控制技术近年来发展迅速并取得了显著成果，但它们仍无法统一为机器人的端到端解决方案。传统的分离式解决方案中，每次交接都可能产生信息损失和误差传播。端到端系统学习从原始传感器到控制输出的直接映射，最小化这些中间误差和延迟。这些系统还可以探索感知模块难以捕捉的微妙传感器信号，以帮助机器人规划和控制，同时大幅缩短反应时间，这对动态任务和高速应用至关重要。

动态环境中的机器人需要快速决策且资源有限。轻量化的视觉感知、决策、规划、控制乃至端到端模型能够实现低延迟推理。此外，轻量级模型可直接在资源受限的嵌入式硬件上运行，这对机器人尤为重要，特别是对于微型机器人如医疗纳米机器人和小型无人机。使用轻量级本地模型还可避免云依赖，确保机器人的可靠性，同时允许机器人在本地处理敏感数据以保护用户隐私。

单个机器人只能处理简单且有限的任务。为应对现实世界中的复杂任务，需要开发群体机器人（Swarm Robots）。群体机器人利用分布式感知和共享态势感知比单个机器人更全面地感知环境。群体允许动态任务分配和去中心化决策，如果某个机器人失效，其他机器人可自主重新规划任务并重新分配角色，确保在危险或非结构化环境中的任务连续性。群体机器人协同规划与控制优化路径和操作，能够有效解决复杂问题并最小化能量消耗。

展望未来，具身智能与机器人技术将朝着通用化、轻量化、低成本、人机共生的方向发展。随着大模型技术的持续迭代、传感器与机械制造技术的升级，具身智能机器人将突破单一任务局限，向通用智能机器人演进，能适应更多非结构化场景；成本的降低将推动其走进千家万户与中小企业，实现全面普及；人机协同将更加自然、紧密，机器人将成为人类生产生活的亲密伙伴，深度融入社会运转的各个环节。

延伸阅读：团队简介

智能机器人研发中心由中国工程院院士、湖南大学人工智能与机器人学院教授王耀南领衔，为研究院内设中心，依托机器人视觉感知与控制技术国家工程研究中心，扎根增城、面向大湾区未来产业布局与机器人建设。中心聚焦高端装备与智能制造、人工智能与机器人、低空经济等前沿领域，致力于为大湾区新旧动能接续转换提供强有力的科技支撑与创新平台保障。

中心已建成广州市劳模和工匠人才创新工作室等创新平台，并配备机器人视觉光学精密量测实验平台、具身智能人形机器人、通用复合检测机器人、螺栓锁附复合作业机器人、智能巡检机器人、多参数检测机器人、红外动捕系统、半自动治具检测仪、智能3D相机、高精度检测识别系统等系列试验设施。在此基础上，中心开发出端口检测机、重载AGV、巡检机器人、自动组队系统、螺栓锁附机器人等代表性产品，技术水平成熟，已进入市场推广阶段，部分产品实现产业化销售。同时，中心积极践行研究院“需求牵引、产教融合”的发展战略，与乐聚智能（深圳）股份有限公司、广东粤水电装备集团有限公司、联通（广东）产业互联网有限公司等单位建立了稳定的产学研合作关系，有力推动了科研成果向现实生产力的转化。

注：本文转载自湖南大学机器人视觉感知与控制技术国家工程研究中心，原文链接：https://robot.hnu.edu.cn/info/1031/2025.htm

来源 | 湖南大学机器人视觉感知与控制技术国家工程研究中心、研究院智能机器人研发中心

编辑 | 杨昕 王心怡

责编 | 刘楚玲