日本机器人技术展必看:Agile Robots力控与人形机器人亮相

2026-06-12阅读 0热度 0
Robot

从终端市场的实际反响来看,总部设在慕尼黑的Agile Robots公司在刚闭幕的2026年日本机器人技术展览会(RTJ)上,一次性展示了其在工业机器人、具身智能与人形机器人领域的全线产品矩阵。这意味着这家企业不再满足于做单一垂直赛道的供应商,而是试图向外界传递一个信号:他们已构建起从硬件层到AI层、从产线端到零部件端的全栈能力——这背后折射出的,是其全球版图加速扩张的战略意图。

慕尼黑机器人公司Agile Robots亮相日本机器人技术展,展示力控与人形机器人

本届展会选址日本名古屋。在现场可以看到,Agile Robots集中展示了最新的力控系统、协作机器人、人形机器人平台以及AI驱动的自动化技术。这几大模块组合在一起,基本覆盖了当前机器人行业最核心的热点议题。

值得关注的是,尽管展品中包含了大量工业自动化解决方案,但Agile Robots真正的传播重心,是人工智能与物理世界机器人技术的深度耦合。而力控技术正是这一理念的典型分水岭。

传统工业机器人的致命短板在于“出力大、精细差”——面对精密插接、电子元器件的装配或变形零件的处理这类任务,要么无法胜任,要么精度不达标。Agile Robots给出的解法很干脆:在机器人身上搭载高精度力传感器与关节级扭矩传感器,控制周期可达1千赫兹,系统能根据实时反馈不断调整动作。简言之,就是把“硬力”转化为“柔顺手感”。

截至目前,Agile Robots在全球范围内已累计部署超过两万套机器人系统。这一数字本身,某种程度上已经验证了其技术路线的可行性。

展台前最吸睛的是两款协作机器人。一款是Diana 7,现场演示汽车线束的布设作业。另一款是Thor 7 Pro,在发动机缸盖装配环节中,利用实时力监测技术检测零部件安装是否到位。这两类场景恰好对应了实际产线上最难标准化的工序——越是依赖操作者“手感”的活儿,反而越容易被机器人替代。

硬件之外,AgileCore软件平台同样值得深究。这个平台将机器人本体、视觉系统、力控模块、移动机器人以及工业控制器全部集成到同一个开发环境中。过去多设备各自为战的困局被打破,多机协同不再是简单的“物理联网”,而是在统一调度框架下实现真正意义上的协同作业。

在更具前瞻性的具身AI领域,Agile Robots依托的是其2023年并入集团的Franka Robotics品牌。本次展示包括搭载英伟达Isaac GR00T平台的双臂Franka Research 3系统,以及同时支持数据采集与AI策略训练的远程操控技术。尤其值得留意的是,双臂系统与远程数据采集能力正是训练下一代具身AI大脑的核心“骨架”。

当然,展会上的内容只是冰山一角。回看Agile Robots今年以来的动作,节奏密集且清晰:先是发布Agile ONE人形机器人,接着收购蒂森克虏伯的自动化工程业务,随后又与谷歌DeepMind建立战略研究合作。

与DeepMind的合作是外界最关注的焦点。按规划,Agile Robots将把自家的工业机器人平台与谷歌的Gemini Robotics基础模型相融合,目标非常明确——打造推理能力更强、环境适应性更优、且具备自主决策能力的机器人系统。这一方向一旦跑通,机器人将不再只是“按预设轨迹运动”,而是真正拥有所谓的“常识”。

Agile Robots官方给出的表述也很直接:这一切都是为了加速在真实制造环境中部署物理AI系统的关键推进步骤。最终目标,是形成一个“部署—运营数据—AI驱动学习”的闭环。换句话说,机器人在执行任务的过程中不断迭代进化,越用越智能。

Q&A

Q1:Agile Robots的力控技术具体有什么特点?
A:其力控系统集成了高精度力传感器与关节级扭矩传感器,控制周期达到1千赫兹,可根据实时反馈持续调整机械臂的出力策略。这套方案专门针对精密插接、电子装配、变形零件处理等传统机器人难以胜任的高复杂度任务,显著提升了自动化作业的精度与柔性。

Q2:Agile Robots与谷歌DeepMind的合作具体要做什么?
A:核心目标是将Agile Robots的工业机器人平台与谷歌的Gemini Robotics基础模型深度融合,开发出具备更强推理能力、更高环境适应性以及自主决策能力的机器人系统。这一合作是Agile Robots推动物理AI在真实制造环境中落地部署的关键战略举措之一。

Q3:AgileCore软件平台有哪些功能?
A:AgileCore是一个统一的机器人软件平台,能够将机器人本体、视觉系统、力控设备、移动机器人以及工业控制器全部整合至同一开发环境。它解决的核心痛点是多类设备各自独立、难以协同的问题,从而大幅简化了工业自动化系统的集成与部署流程。

免责声明

本网站新闻资讯均来自公开渠道,力求准确但不保证绝对无误,内容观点仅代表作者本人,与本站无关。若涉及侵权,请联系我们处理。本站保留对声明的修改权,最终解释权归本站所有。

相关阅读

更多
欢迎回来 登录或注册后,可保存提示词和历史记录
登录后可同步收藏、历史记录和常用模板
注册即表示同意服务条款与隐私政策