2025 年 IEEE/RSJ 智能机器人与系统国际会议IROS 2025中国杭州的首次提出Industry 6.0概念构建了由生成式 AI 和异构机器人群体驱动的全自动化生产系统完成从理论架构、系统实现到实验验证的全流程研究。生成式 AI 和大语言模型LLMs推动认知机器人技术全面突破如 PaLM-E、RT-2 等实现机器人高级推理Point-E 等可由文本生成 3D 物体为自主制造奠定基础自主制造的关键需求是异构机器人的高效协同生成式 AI 可实现实时调整和稳健决策Industry 6.0是对 Industry 5.0 人机协作模式的升级实现人类闭环外的全流程自主生产由协作机器人、人形机器人、无人机、工业机器人等异构机器人 AI 智能体组成各主体具备独立适应和决策能力。Industry 6.0 系统架构四大核心环节系统以用户自然语言为输入最终输出物理制造产品四大环节无缝衔接核心依托生成式 AIOpenAI API / 本地 LLMLangChain 框架关键技术为检索增强生成RAG和符号距离函数SDF装配蓝图生成分三步完成先分析用户输入并丰富产品规格再由 LLM 生成 2D SDF 格式的 Python 可执行代码最后转换为 3D STL 打印文件和 JSON 装配文件含零件位置、抓取点等信息目前支持单层销孔连接装配未来将拓展连接类型和多层装配零件生产将 STL 文件转为 3D 打印机 G-code剔除支撑结构适配自动化流程采用带 AruCo 标记的磁吸打印面打印完成后由UR10 机械臂将打印面及零件转运至无人机飞行输送系统采用定制 8 英寸无人机搭载 SpeedyBee F405 飞控、OrangePi 5B 计算机由14 台红外相机的 Vicon 定位系统实现精准定位通过 ROS 框架和 PID 控制沿预设路径飞行磁吸方式固定打印面实现三维空间的零件运输产品装配由两台UR3 机械臂配 Robotiq 2F83 二指夹爪完成通过LangGraph构建工作流图由 LLM 作为监督者为机器人分配任务依据 JSON 文件获取零件位置调用预设 API 控制机器人运动和夹爪动作。实验围绕 LLM 性能对比和系统整体效率展开采用量化评分和耗时对比的方式核心数据均实现大幅突破设计阶段系统0.5 分钟 vs 人类23.5 分钟提升47 倍3D 打印阶段系统117.00 分钟 vs 人类504.57 分钟提升4.3 倍输送阶段系统0.5 分钟 vs 人类0.46 分钟人类略占优势8.7%装配阶段系统1.10 分钟 vs 人类0.11 分钟人类快10 倍研究预测随零件复杂度提升和生产 / 装配区域距离增加系统在输送和装配环节将逐步占据优势。LLM 生成能力对比实验测试对象9 款不同参数、能力的 LLMs4 款顶级商用 2 款小型商用 3 款开源测试任务生成 10 种从简单到复杂的机械装配体从分析、可执行代码、机械 STL三个维度进行二元评分核心结果OpenAI o1-preview 和 GPT-4o表现最优三个维度评分分别为 10/10/8Claude 3.5 Sonnet 次之小型商用和开源模型在代码生成和 STL 生成环节表现较差且所有模型性能随任务复杂度提升而下降。用户对比研究实验实验对象10 名 23-34 岁平均 26±3.9 岁具备机械设计和 3D 打印背景的专家实验任务自主设计并制造夹爪机构含底座 两个手指销孔连接记录设计、3D 打印、输送、装配各环节耗时核心结果系统全流程平均耗时119.10 分钟较人类专家的528.64 分钟实现4.4 倍效率提升。Industry 6.0 实现了从自然语言到物理产品的全自主生产顶级 LLMs 可实现完美的产品描述生成80% 可转换为有效 STL 模型系统在生产效率上大幅超越人类专家尤其在设计阶段实现颠覆性提速是全自主制造的重要突破。未来该技术将向两大方向发展一是按需个性化制造实现 3D 设计和 PCB 板的定制化自主生产二是全自主市场导向生产由系统分析市场趋势优化并生产高利润产品进一步拓展自主制造的工业应用边界。
首次提出Industry 6.0概念，构建了由生成式 AI 和异构机器人群体驱动的全自动化生产系统
2025 年 IEEE/RSJ 智能机器人与系统国际会议IROS 2025中国杭州的首次提出Industry 6.0概念构建了由生成式 AI 和异构机器人群体驱动的全自动化生产系统完成从理论架构、系统实现到实验验证的全流程研究。生成式 AI 和大语言模型LLMs推动认知机器人技术全面突破如 PaLM-E、RT-2 等实现机器人高级推理Point-E 等可由文本生成 3D 物体为自主制造奠定基础自主制造的关键需求是异构机器人的高效协同生成式 AI 可实现实时调整和稳健决策Industry 6.0是对 Industry 5.0 人机协作模式的升级实现人类闭环外的全流程自主生产由协作机器人、人形机器人、无人机、工业机器人等异构机器人 AI 智能体组成各主体具备独立适应和决策能力。Industry 6.0 系统架构四大核心环节系统以用户自然语言为输入最终输出物理制造产品四大环节无缝衔接核心依托生成式 AIOpenAI API / 本地 LLMLangChain 框架关键技术为检索增强生成RAG和符号距离函数SDF装配蓝图生成分三步完成先分析用户输入并丰富产品规格再由 LLM 生成 2D SDF 格式的 Python 可执行代码最后转换为 3D STL 打印文件和 JSON 装配文件含零件位置、抓取点等信息目前支持单层销孔连接装配未来将拓展连接类型和多层装配零件生产将 STL 文件转为 3D 打印机 G-code剔除支撑结构适配自动化流程采用带 AruCo 标记的磁吸打印面打印完成后由UR10 机械臂将打印面及零件转运至无人机飞行输送系统采用定制 8 英寸无人机搭载 SpeedyBee F405 飞控、OrangePi 5B 计算机由14 台红外相机的 Vicon 定位系统实现精准定位通过 ROS 框架和 PID 控制沿预设路径飞行磁吸方式固定打印面实现三维空间的零件运输产品装配由两台UR3 机械臂配 Robotiq 2F83 二指夹爪完成通过LangGraph构建工作流图由 LLM 作为监督者为机器人分配任务依据 JSON 文件获取零件位置调用预设 API 控制机器人运动和夹爪动作。实验围绕 LLM 性能对比和系统整体效率展开采用量化评分和耗时对比的方式核心数据均实现大幅突破设计阶段系统0.5 分钟 vs 人类23.5 分钟提升47 倍3D 打印阶段系统117.00 分钟 vs 人类504.57 分钟提升4.3 倍输送阶段系统0.5 分钟 vs 人类0.46 分钟人类略占优势8.7%装配阶段系统1.10 分钟 vs 人类0.11 分钟人类快10 倍研究预测随零件复杂度提升和生产 / 装配区域距离增加系统在输送和装配环节将逐步占据优势。LLM 生成能力对比实验测试对象9 款不同参数、能力的 LLMs4 款顶级商用 2 款小型商用 3 款开源测试任务生成 10 种从简单到复杂的机械装配体从分析、可执行代码、机械 STL三个维度进行二元评分核心结果OpenAI o1-preview 和 GPT-4o表现最优三个维度评分分别为 10/10/8Claude 3.5 Sonnet 次之小型商用和开源模型在代码生成和 STL 生成环节表现较差且所有模型性能随任务复杂度提升而下降。用户对比研究实验实验对象10 名 23-34 岁平均 26±3.9 岁具备机械设计和 3D 打印背景的专家实验任务自主设计并制造夹爪机构含底座 两个手指销孔连接记录设计、3D 打印、输送、装配各环节耗时核心结果系统全流程平均耗时119.10 分钟较人类专家的528.64 分钟实现4.4 倍效率提升。Industry 6.0 实现了从自然语言到物理产品的全自主生产顶级 LLMs 可实现完美的产品描述生成80% 可转换为有效 STL 模型系统在生产效率上大幅超越人类专家尤其在设计阶段实现颠覆性提速是全自主制造的重要突破。未来该技术将向两大方向发展一是按需个性化制造实现 3D 设计和 PCB 板的定制化自主生产二是全自主市场导向生产由系统分析市场趋势优化并生产高利润产品进一步拓展自主制造的工业应用边界。
