Nature Machine Intelligence 基于性能适配度的机器人分类体系

来源：市场资讯

（来源：CAAI认知系统与信息处理专委会）

Nature Machine Intelligence发表论文首次提出机器人之树（Tree of Robots） 分类体系，建立全球首个面向物理交互任务的机器人标准化评测与分类框架。

在智能制造、医疗康复、服务机器人等领域高速发展背景下，机器人的核心价值已从单纯完成轨迹运动，转向高精度、高可靠、高安全的物理交互。传统机器人分类方法长期依赖运动学结构、形态特征、应用场景等外部属性，无法客观量化机器人的任务执行能力，难以支撑跨机型、跨厂商的科学对比与选型。

传统分类体系仅依据结构、外形、应用场景划分，忽略内在性能差异；缺乏统一、客观、可量化的性能评价指标；无法满足精密装配、力敏加工、人机协作等高阶场景需求。如何建立一套以任务为导向、以性能为核心的机器人分类体系，实现对机器人物理交互能力的标准化评测与科学归类。

针对上述问题，慕尼黑工业大学（TUM）MIRMI 实验室团队在Nature Machine Intelligence发表研究论文，提出基于性能适配度的机器人之树分类体系，将形态特征与任务性能相结合，构建了一套可量化、可复现、可扩展的评测与分类标准。

研究借鉴达尔文生命之树分类思想，构建形态为树干、性能为树枝的层级分类体系：1. 层级结构，树干（形态层）：领域 → 尺度 → 材料 → 工作原理 → 移动性 → 运动学结构；树枝（性能层）：运动适配度 + 触觉适配度 → 科 → 属 → 种；以工业流程需求为输入，通过流程解析 — 操作提取 — 指标定义 — 性能评测，实现机器人结构特征与功能性能的统一表征。

研究基于德国工商会（IHK）职业培训课程、工业制造流程与 870 分钟应用视频分析，提炼：17 项典型工业流程；8 项基础操作；11 项流程质量指标。最终建立5 大类、25 项触觉性能指标，结合 ISO 9283 运动指标，形成完整评测体系：

1. 力感知性能

力感知精度、分辨率、短时 / 长时漂移（1 min/10 min/1 h/8 h）

2. 力控制性能

力控精度、分辨率、稳定时间、超调量、最小适用力、控制带宽、材料一致性、冲击稳定性

3. 力反应性能

高速 / 低速接触灵敏度、碰撞检测与停止能力

4. 人机安全性能

依据 ISO/TS 15066，瞬态碰撞力、准静态夹持力安全合规率

5. 手动操控性能

最小启动力、平均导引力、操控力偏差、操控能量、操控难度

实验设计与验证结果

1. 实验对象

11 款主流商用工业 / 协作机械臂：Franka Emika (FE)、Franka Research 3 (FR3)、KUKA LBR iiwa 14、UR5e/UR10e、ABB GoFa、Doosan M0609、Yaskawa HC10、Techman TM5、Kinova Gen3、Yuanda Yu+。

2. 实验条件

• 5 套标准化基准测试装置

• 25 项统一实验流程

• 环境温度：20±2℃，湿度：40±5%

• 累计采集约3000 组有效数据

3. 关键实验结论

• 力感知精度最优与最差机型相差72 倍

• 最小适用力相差27 倍

• 瞬态安全合规率跨度：22.5%–85%

• 手动操控启动力相差4.4 倍

结论：同类标称机器人（如协作机器人）实际性能存在量级差异，传统标签不具备科学参考价值。

基于性能的机器人属类划分

采用Mann‑Whitney‑Wilcoxon 非参数检验与期望最大化（EM）聚类算法，将受试机器人划分为 4 大属类：

1. 工业机械臂

运动性能强，触觉能力弱，无安全交互，适用于搬运、焊接。

2. 协作机器人

具备基础安全与易用性，触觉性能中等，适用于通用装配。

3. 柔性机器人

接触轻柔、安全性高，力控精度一般，适用于轻量敏感器件操作。

4. 触觉机器人

力感知 / 力控精度高、安全合规率高、操控流畅，适用于精密装配、力敏加工、医疗操作。

本研究突破传统机器人分类范式，建立以性能适配度为核心的机器人之树体系，实现了对机器人物理交互能力的科学评测与分类。未来随着更多机型、更多场景、更多维度指标的加入，该框架将持续完善，成为机器人领域标准化评测、智能化选型、规范化研发的核心基础设施，推动机器人技术向更精准、更安全、更智能方向发展。

论文信息

英文标题：Categorizing robots by performance fitness into the tree of robots期刊：Nature Machine Intelligence, Volume 7, March 2025, 459–470DOI：10.1038/s42256-025-00995-y作者：Robin Jeanne Kirschner, Kübra Karacan, Alessandro Melone, Sami Haddadin单位：慕尼黑工业大学 MIRMI 实验室、机器人与系统智能教席；穆罕默德・本・扎耶德人工智能大学