面向连栋温室番茄垂直种植场景的机械臂设计与试验

作者：张泽华^1,2,姜淑凤¹,林森²,熊亚²,孙东²

单位：1.齐齐哈尔大学机电工程学院；2.北京市农林科学院智能装备技术研究中心

摘要：针对连栋温室垂直种植模式下行间空间狭窄，环境结构复杂，传统工业机械臂在此类场景中的适应性不足问题，设计了一种适用于连栋温室垂直种植场景下七自由度伸缩式机械臂，可用于番茄采收、整枝、落蔓、打叶等作业。首先，分析温室垂直种植环境特征及番茄植株生长规律，确定机械臂的工作范围与关键尺寸，并完成整体结构设计；然后，运用D-H参数法对七自由度机械臂进行数学建模，并开展正逆运动学分析，利用MATLAB进行空间可视化仿真，从而确定机械臂运动时可到达的空间位置；最后，基于ROS控制平台完成了相关的控制策略的设计与实现，并研制了七自由度伸缩式机械臂样机。通过多项试验验证，机械臂在负载3kg砝码后，X、Y、Z三轴的重复定位精度分别为±1.89mm、±0.68mm、±0.54mm，研究结果表明该机械臂能够有效满足温室作业需求，具有较好的操作性和可靠性。

引用信息：张泽华,姜淑凤,林森,等.面向连栋温室番茄垂直种植场景的机械臂设计与试验[J].机器人技术与应用,2026,(1):1-8.

基于双边滤波特征增强与网络层级优化的智能无人抓取系统

作者：高志强,胡康伟,陈晓乾,樊家晖,杨凯,朱珊,李峰

单位：太原工业学院自动化系

摘要：针对智能无人抓取系统在非结构环境中因感知不确定性（目标随机摆放、部分遮挡）和环境复杂性（光照不足、背景杂乱）导致视觉识别不准、抓取精度下降的问题，提出一种基于双边滤波特征增强与网络层级优化的视觉抓取方法。通过对图像数据进行双边滤波处理，提升特征点检测稳定性，减少噪声引起的误检与漂移；同时对YOLOv8模型的网络层级进行优化，在骨干网络（Backbone）或颈部网络（Neck）层嵌入卷积块注意力模块，并将C2f模块升级为C2fER模块，增强特征提取与物体识别能力。最后基于搭建的智能无人抓取平台对10类物体进行实验，每种物体在随机摆放、部分遮挡、光照变化和复杂背景4种情形各被抓取40次。结果表明，优化后的模型抓取成功率达97.75%，比未进行优化的模型成功率提升了31.65%。本文提出的方法显著提升了复杂环境下智能无人抓取系统的鲁棒性和自适应性，具有很大的应用前景。

引用信息：高志强,胡康伟,陈晓乾,等.基于双边滤波特征增强与网络层级优化的智能无人抓取系统[J].机器人技术与应用,2026,(1):9-17.

基于臂角参数化的冗余机械臂逆运动学优化

作者：娄梦杰,解仑,杨红玲

单位：北京科技大学计算机与通信工程学院

引用信息：娄梦杰,解仑,杨红玲.基于臂角参数化的冗余机械臂逆运动学优化[J].机器人技术与应用,2026,(1):18-24+29.

识别二维码，访问全文PDF

04

工业机器人上层智能控制接口的设计及实现

作者：夏正仙¹,杨露²,黎伟伟²,张禹²

单位：1.南京埃斯顿自动化股份有限公司；2.南京埃斯顿机器人工程有限公司

摘要：针对人工智能（AI）迅速发展应用需求和经典工业机器人接口不易与上层智能系统接入的矛盾问题，提出了一种工业机器人上层智能控制接口的设计和实现方法，通过搭建开放式的工业机器人控制系统架构和开发丰富的上层控制用的接口集以及灵活的通信机制方法，实现了上层智能系统的控制接入，通过该智能控制接口，拓展了工业机器人的智能化水平，增强了在不同工业应用场景的部署可行性和泛化性。实验结果表明，通过该上层控制接口可以实现机器人由外部应用系统进行轨迹实时控制或者轨迹纠偏控制，证明了人工智能大脑接入经典工业机器人的可行性，以及4ms甚至更短周期的人工智能高级控制能力，促进了AI+机器人的工业具身智能技术发展。

引用信息：夏正仙,杨露,黎伟伟,等.工业机器人上层智能控制接口的设计及实现[J].机器人技术与应用,2026,(1):25-29.

识别二维码，访问全文PDF

05

基于模型预测的双足机器人行走控制策略研究

作者：沈南燕¹,毛嘉伟¹,李静¹,李健²,邓畅²

单位：1.上海大学机电工程与自动化学院；2.中国电子科技集团公司第三十二研究所

摘要：为提高双足机器人的行走稳定性，提出一种基于可变质心坐标系的单刚体动力学模型，并将其与模型预测控制算法结合。首先，在传统单刚体动力学模型的基础上引入可变质心坐标系，得到足底支撑力、力矩与机器人质心的对应关系；然后，根据该模型建立机器人质心状态空间方程，经迭代计算后得到预测方程并建优化问题，计算出最优控制力、力矩；最后，开展原地踏步、速度跟踪、质心位置变换实验，实验结果表明所提出算法的准确性与稳定性良好，能够在质心位置发生变化时进行调整以提高行走稳定性。

引用信息：沈南燕,毛嘉伟,李静,等.基于模型预测的双足机器人行走控制策略研究[J].机器人技术与应用,2026,(1):30-35.

识别二维码，访问全文PDF

06

面向脑控训练场景的全自由度柔性腕手康复外骨骼

作者：李骏晟¹,黄昊²,黄双远¹,陈彦¹,黄国威¹,谢龙汉²

单位：1.力之智能科技（广州）有限公司；2.华南理工大学吴贤铭智能工程学院

摘要：针对脑卒中后腕手难以实现全自由度协同康复训练的问题，提出面向脑控训练场景的全自由度柔性腕手康复外骨骼。首先，设计了具备全自由度的柔性腕手康复外骨骼系统；然后，设计了基于脑电图（Electroencephalogram，EEG）的柔性腕手康复外骨骼耦合控制框架；最后，通过原型样机实验，证明所提出外骨骼系统具有良好的全自由度性能，且日常活动范围覆盖率高达84.85%，并且能使患者完成高参与度的脑控康复训练。

引用信息：李骏晟,黄昊,黄双远,等.面向脑控训练场景的全自由度柔性腕手康复外骨骼[J].机器人技术与应用,2026,(1):36-42.

识别二维码，访问全文PDF

07

基于CFD的笛卡尔网格与多面体网格螺旋桨敞水研究

作者：吴冰帆

单位：江苏自动化研究所

摘要：在自主式水下机器人自航直接数值模拟中，螺旋桨表面复杂的特征通常难以被捕捉。因此，选择合适的螺旋桨网格划分方式，为模拟试验提供优质可靠的螺旋桨网格至关重要。以VP1304螺旋桨模型为研究对象，在相同网格尺寸与计算条件下，分别采用多面体网格与笛卡尔网格对其进行网格划分，并采用多重参考系（Multiple Reference Frame，MRF）方法对VP1304螺旋桨进行敞水数值模拟，最后均与真实试验数据进行对比。数值模拟结果表明：在相同网格尺寸条件下，多面体网格生成的网格数量不到笛卡尔网格的一半（约 46.8%），综合计算时间比后者缩短约15%，并且两种网格的数值模拟结果与真实试验结果的误差均在5％以内，二者的速度云图与空泡特性基本无差异。综合而言，多面体网格更具优势。

引用信息：吴冰帆.基于CFD的笛卡尔网格与多面体网格螺旋桨敞水研究[J].机器人技术与应用,2026,(1):43-49.

识别二维码，访问全文PDF

08

移动机器人在锂电池生产工艺中的应用研究

作者：李建华,祖家乐

单位：沈阳新松机器人自动化股份有限公司

摘要：围绕锂电池前段（极片制作）、中段（电芯组装）、后段（化成分容与检测）及模组/PACK线（电池包组装）生产过程中的物流需求痛点展开，系统阐述移动机器人在锂电生产工艺中的应用场景、现状需求、应用效果及未来应用趋势，为锂电智能化工厂物流体系建设提供参考。在此基础上，结合上述各锂电生产环节的物流痛点，提出基于激光同步定位与建图（Simultaneous Localization And Mapping，SLAM）技术的移动机器人（Mobile Robot）应用解决方案，该方案可实现与锂电池生产设备的自动对接、物料的自动配送及信息的全流程可追溯。 

引用信息：李建华,祖家乐.移动机器人在锂电池生产工艺中的应用研究[J].机器人技术与应用,2026,(1):50-53.

识别二维码，访问全文PDF

09

基于CLIP的零样本迁移对象计数方法

作者：邹冠宇¹,王佳¹,庞婧桐¹,周安亮²

单位：1.北京印刷学院信息工程学院；2.北京印刷学院机电工程学院 

摘要：服务机器人在自动盘点任务中需要采用对象计数算法，但现有方法在跨域场景中泛化能力有限。为此，提出一种基于对比语言图像预训练（Contrastive Language-Image Pre-Training，CLIP）的零样本迁移计数方法HybridCount，以提升模型的跨域适应性。该方法通过视觉傅里叶提示词微调（Visual Fourier Prompt Tuning,VFPT）引入频域滤波增强特征鲁棒性，并利用混合注意力机制（Hybrid Attention，HA）构建双路径融合架构，动态调节文本与视觉特征的贡献度，有效缓解了跨模态语义鸿沟导致的对齐偏差，并在FSC147和Shanghai Tech数据集上进行了实验。实验结果表明，该方法在仅更新模型参数0.1%的前提下，在跨域场景中的性能显著优于基线方法，其平均绝对误差（Mean Absolute Error，MAE）和均方根误差（Root Mean Square Error，RMSE）分别为187.7和300.4，与CLIP-Count相比分别降低5.3%和2.6%。

引用信息：邹冠宇,王佳,庞婧桐,等.基于CLIP的零样本迁移对象计数方法[J].机器人技术与应用,2026,(1):54-60.

识别二维码，访问全文PDF

综述

2025年机器人行业十大新闻

作者：本刊编辑

引用信息：本刊编辑部.2025年机器人行业十大新闻[J].机器人技术与应用,2026,(1):61-64.

识别二维码，访问全文PDF

*封面图源：豆包AI