煤礦機器人技術產業痛點及智能化分級標準

王 雷

（中煤科工機器人科技有限公司，廣東 深圳 518000）

機器人被譽為是“制造業皇冠頂端的明珠”，其研發、制造、應用是衡量一個國家科技創新和高端制造業水平的重要標志，已成為全球新一輪科技和產業革命的重要切入點。機器人目前可分為工業機器人、服務機器人和特種機器人3 類：工業機器人已經成為生產線上不可或缺的一員；服務機器人則是人工智能技術在服務業的典型應用；特種機器人則代表了機器人技術在極端環境下的應用。機器人的研發與應用不但體現了人類使用工具的進步，也是與當代最前沿科技結合成果的集中表現。一直處于創新應用前沿的新材料、復雜機械、電氣技術、電子技術、信息技術、人工智能等相關技術，都將與機器人緊密融合，為機器人領域提供了無限可能，為人類工作生活帶來極大便利，也為人類帶來前所未有的生產力和生活體驗。煤礦機器人作為特種機器人的一種，應用環境更惡劣、任務更復雜隨機，離散化特征明顯，智能化需求邊界更加廣泛，研發難度更大，技術與產業方面仍存在一定痛點。王國法院士在煤礦智能化十大“痛點”解析及對策中指出，煤礦機器人基礎共性關鍵技術存在諸多“瓶頸”，如機器人動力驅動、可靠行走機構、高效精準定位等相關技術尚未突破[1]；葛世榮院士通過對煤礦機器人體系及關鍵技術的研究梳理，在闡明煤礦機器人共性關鍵技術同時，指明了煤礦機器人必須專注于卡脖子技術研發，提高產品質量[2]。

基于此，我國在煤礦機器人領域需深度剖析場景特征，突破關鍵核心技術，實現產品智能化開發的同時；還需要在技術創新、產業協同等方面，進行更深入的研究和探索。

1 機器人領域發展現狀

“機器人+”大時代加速來臨，當前正處于機器人技術爆發期。分析全球及中國機器人市場規模及增長率發現，從2018 年到2022 年，機器人市場規模不斷增大[3]。其中，工業機器人市場逐年穩步增長，增速平穩，一直是機器人行業發展最快的領域；服務機器人存在巨大市場潛力及發展空間，由于消費者需求逐步增多，未來規模有望迎來爆發式增長；特種機器人因為能為其他行業帶來顛覆性變革，將成為國內機器人未來發展的重中之重。

1.1 我國機器人產業發展情況

機器人領域同樣是我國競爭程度最為激烈的技術高地，機器人產業發展勢頭猛烈，參與者眾多。機器人企業數量增速較快，從整個產業發展的情況來看，超8 成的機器人相關企業成立于5年內。從地域分布看，以廣東、江蘇及山東省機器人企業數量最多，深圳作為國內機器人產業的核心聚集地之一，相關企業有3.07 萬家。服務機器人是當前熱點，國內初創企業接近4 成比例選擇從服務機器人的整機系統集成賽道進入行業[4-7]。

機器人產業園區對于打造智能制造產業集群、推動產業發展有著重要意義，更是地區科技發展強弱的體現之一。我國機器人產業園區多分布在長三角、珠三角和京津冀地區，具有代表性的產業園區有昆山高新區機器人產業園、上海機器人產業園、南山機器人產業園、寶安機器人制造產業園、中關村機器人產業創新中心等，優勢賽道多為核心零部件、人工智能方面。東北、中部以及西部地區產業園區分布較少。

機器人領域發展已上升為國家戰略，各政策明確提出要把機器人作為重點科技項目推進，清晰指向機器人與行業深度融合。近5 年，中央各部委密集連續發文，綜合及專項性政策數量約為20 個，指向用機器人智能化、無人化改造傳統行業。特別是2023 年1 月份，由工信部、發改委等17 部門聯合發布的《“機器人+”應用行動實施方案》。在方案中提出了機器人與制造業、農業、建筑、能源、醫療、安全應急和極限環境應用等10 大產業融合的規劃，由此可見，深化各個行業領域“機器人+”應用是機器人發展趨勢。從傳統行業改造優先級來看，煤炭、有色金屬、非金屬礦山等事關國家能源安全且作業風險大、強度高的行業排名靠前。目前，“機器人+”已經逐步在10大產業落地應用，開發的機器人產品超200 個種類，需求愈發廣泛。

“機器人+場景”的深度應用，既是機器人發展的重要方向，也是各行業智能化發展的重要方向。在此基礎上，“機器人+”各行業的組織、方陣或聯盟應運而生，近2 年約有8 個相關組織成立。其中的典型代表是于2023 年3 月24 日在深圳成立的中國“機器人+礦山”產業協同推進方陣，推動了機器人與煤炭行業深度融合。

1.2 國內互聯網和制造業大廠入局機器人情況

國內科技型企業入局機器人情況見表1。

表1 國內科技型企業入局機器人情況Table 1 Inbound robot situation of domestic scientific and technological enterprises

縱觀國內機器人行業變化可以發現，中國10余家最具代表性的科技型公司都已經紛紛踏入機器人領域。華為、騰訊、字節跳動等都在大模型及算法方面布局，去支撐“AI+行業”；由?？低暡鸱殖龊？禉C器人公司，主要從事工業機器人產業中的機器視覺與移動機器人部分?；ヂ摼W和制造業大廠紛紛布局機器人、進軍新賽道，都將大模型、AI 等與機器人的結合放在了非常關鍵的位置，以獲得新領域的技術優勢，利用新產品的開發、新產業的發展，獲得新的增長空間；提高原有產品和產業的競爭力，加寬加深建立護城河，進一步做大做強主業。

綜上，在當前形勢下，也需要煤炭行業的相關企業一起來深度思考，煤礦機器人產業到底應該如何發展。思考背后的原因不難發現，各大廠的入局，能夠證明這種做法有利于原有產業生態發展，形成核心競爭力，形成新的產品線；同時，將云技術、AI 人工智能技術等與機器人的結合，將帶來新的價值鏈、技術、架構、體驗和新商業模式；更重要的是，說明了機器人本身的技術正逐步走向成熟，能夠顛覆傳統技術，融合到行業中去實現載體作用，以實現現實世界與物理世界的交互。由此可見，“機器人+AI+云”是煤礦機器人發展不斷滿足應用場景需求復雜化的必然趨勢，將能夠快速拉動煤炭行業和相關機器人技術的發展，為煤礦機器人的落地應用締造更多的拓展空間，也為制造業的提升起到了良好的推動作用。

2 煤礦機器人技術及產業痛點

機器人的發展經歷了長久的迭代才形成現在大家所熟知的機器人技術脈絡和產業體系。機器人3 大類中，從工業機器人到服務機器人再到特種機器人，應用環境復雜程度、智能化需求以及研發難度都是逐漸加強的。工業機器人成熟度高，基于良好的作業環境和任務特征，能夠實現規?；瘧?；服務機器人技術難度較大，基于環境特性的智能化程度和抗干擾性方面的要求也更高；相較于工業機器人和服務機器人，特種機器人應用環境更惡劣，多為高溫、爆炸、粉塵等極限環境，技術難度更大。其背后的邏輯是環境的復雜性和任務的離散性的增加導致研發難度的遞增。

煤礦機器人作為特種機器人的典型代表，在我國已有相關研發生產廠家65 家，具有代表性廠家有中煤科工機器人有限公司、中煤科工集團沈陽研究院、中信重工開誠智能裝備有限公司、山西戴德測控技術股份有限公司等。按照2019 年國家煤礦安全監察局發布的《煤礦機器人重點研發目錄》中5 大類38 種煤礦機器人統計，雖然已有31 種實現了應用，但也暴露出一定的問題，機器人可靠性和功能性都不能滿足煤礦用戶的實際需求，導致煤礦用戶及外界人士認為煤礦機器人用途不大，甚至是沒有意義的，嚴重影響了整個行業的發展[8]。

2.1 煤礦機器人技術痛點

煤礦機器人技術由共性技術和工藝性技術2部分組成。共性技術主要包括防爆輕量化、智能感知識別、導航等技術；工藝性技術則是面向煤礦典型環境特征與作業工藝任務特征的作業流程工藝機器人化。按照中煤科工機器人公司提出的煤礦機器人技術裝備分類標準體系，分別對巡檢類、輔助作業類和救援類3 大類煤礦機器人進行痛點剖析。

1）巡檢類機器人痛點。目前巡檢機器人在使用過程中反映出了大量問題，從其表象來看，主要包括：不能完全替代人工巡檢、部分巡檢功能缺失、機器人續航時間短、檢測數據準確率較低、需要人工查詢巡檢記錄、機器人斷網條件下無法連續工作、不能打開電控柜檢測內部數據、與人員交互能力差等方面[9-10]。造成以上問題的原因可歸納為2 方面：①應用場景的環境復雜程度高，比如低光照條件下造成的儀表識別難度大，高粉塵環境造成的攝像頭積塵嚴重導致識別效果差，帶式輸送機、電控柜等設備限制了巡檢空間的大小，對機器人本體機構提出更高要求；②機器人自身可靠性和智能化水平不足，比如單電芯BMS管理系統可靠性差導致的續航能力弱，場景發生變化后算法模型適配有差異而不能及時調整導致的行走能力弱，上位機界面不友好、自身維護繁瑣導致的不能融入客戶管理系統，關鍵傳感單元缺失、與場景融合視覺識別、聲音識別等能力弱導致的自診斷能力差。因此，巡檢類煤礦機器人最大痛點是AI 技術難以滿足場景化應用，不能實現自分析、自決策。需要提升機器人本體AI 能力和關鍵元器件的研發能力，進一步優化和開發適用于煤礦機器人應用特征的控制邏輯與算法，以提升機器人的自我感知和交互能力。

2）輔助作業類機器人痛點。輔助作業類機器人是替代煤礦人工非連續作業的根本途徑，是實現全礦井智能化必須攻克的“技術高地”，對減少井下危險作業崗位、降低人員勞動強度具有決定性支撐作用[11]。輔助作業機器人受限于高粉塵、低照度、GPS 拒止、非結構化地形的環境特征，以及作業對象重載荷、連續作業時間長、標準化程度低的作業特征，應用過程中存在大量痛點問題。呈現出的表象問題就是作業效果不理想，不能完全自主作業，不能完全替代某一工序下全部人工，減員增效效果一般?？蓪斍按嬖诘耐袋c問題歸納為4 個方面：①機器人缺少嚴格的測試體系和測試場地，導致機器人即使在規定的工步下其執行機構和行走機構的自身可靠性也較低，在未知的非結構環境下也不能實現連續行走；②機器人與環境的交互能力弱，如抓管機器人，在設定的工藝流程下，若管路放置位置改變，機械臂路徑并不能隨之變化；③運動及作業能力差，機器人多為重載履帶底盤，其自主行走還存在移動偏移誤差大、定位精確程度不高的問題；④控制精度較低，不能實現“機器人+場景+工藝/工序”的精細化仿人控制，如噴漿機器人的噴漿厚度一致性檢測準確率低，依然需要人工參與。因此，煤礦輔助作業類機器人的最大痛點是場景聚焦后作業工藝流程復雜導致的“機器人+場景”下的技術開發難度大。目前需要提升產品應用連續性，不斷迭代機器人應用工藝的時效性，將技術攻關解耦到每個工藝流程，實現工藝流程的自動銜接，提升整機作業效果。

3）救援類機器人痛點。不同于巡檢、作業類機器人，救援類機器人適用于事故災害現場[12-13]，未知、狹小等復雜空間決定了機器人需具備良好的本體適應性和通過性。目前救援類機器人存在的主要問題仍表現在機器人本體結構上，如體積較大、驅動能力不足、靈活性較差等；另一痛點是機器人難以保障有效通信，通信信號受到災后環境干擾，機器人應用救援距離有限，如何增加中繼系統、保證通信信號穩定、可靠是救援機器人的難點。救援類機器人應用場景主要面向水、火、瓦斯、頂板等災后非結構化、狹小空間環境，受限于小型化、輕量化防爆結構，災后通信重構、多形態變換驅動及運控等技術難題，研發與應用進展緩慢，易用性上遠遠達不到客戶預期。

綜上，煤礦機器人存在的技術痛點最終反應為3 大能力的缺失：①機器人本體對于區域作業場景下快速建圖及規劃能力；②與應用場景的交互能力；③機器人融入新環境后面向數據特征形成新的運行與作業能力。這3 種能力是煤礦機器人可靠性和智能化水平的重要體現。

2.2 煤礦機器人產業痛點

煤礦機器人產業是重投入、高利潤的技術、服務、供應鏈、資金密集型產業。從行業現狀看，共性技術供給能力不足、產品研發支撐能力不足、品質持續提升能力不足及產品應用和保障能力不足是造成產品研發進展緩慢的根本原因[14-15]。

供應鏈建設是煤礦機器人產業發展的基礎。但由于上下游企業之間信息不對稱,供應鏈的效率低下，導致其產品研發進度緩慢，難以實現有效資源配置利用。直接造成供應商的質量控制和交貨時間不穩定，機器人研發成本過高，給煤礦機器人的生產和使用帶來了一定的風險，供應鏈的不通暢，嚴重阻礙煤礦機器人的普及和應用。解決這些問題的關鍵是要加強供應鏈上中下游企業之間的合作共識與信息共享,下游提出需求、中游響應需求、上游提供可靠支撐，才能做到整個供應鏈的順暢交互，提高效率、降低成本，促進煤礦機器人產業快速發展。

標準體系建設是煤礦機器人產業健康發展的關鍵。目前,煤礦機器人行業的標準體系還不夠完善，缺乏統一的標準和規范，導致產品質量和安全可靠性難以保證。此外，由于缺乏標準，煤礦機器人在使用過程中也存在數據接口方式繁雜、不能接入煤礦客戶管理系統等一些問題，不同品牌的產品也不能互相替換，導致使用成本增加。為適應行業發展需要，必須從產品標準、測試方法、安全規范等方面進行統一的規范與約束，提高行業對標準的認知度和遵守度，從根本上推動煤礦機器人產業健康有序發展。

檢驗檢測平臺建設是煤礦機器人產業發展的必要條件。目前,煤礦機器人行業的檢驗檢測平臺數量較少，檢測能力有限，大部分產品只能直接在井下調試，調試周期長，不但產品使用風險難以控制，也為客戶帶來了不好的印象。建立檢驗檢測平臺及完善的檢測體系，能夠為機器人提供準確數據支撐，大幅提升煤礦機器人產品質量，保障煤礦機器人新興產業科學發展。

產學研用協同建設是煤礦機器人產業發展的重要支撐。目前，“機器人+礦山”產業應用協同方陣剛剛成立，煤礦機器人行業的產學研用協同程度依然處于初級水平，產學研用協同建設仍面臨諸多挑戰。技術研發和實際應用之間存在鴻溝，科研成轉化為實際生產力還需要大量的驗證和迭代，需要通過各方共同努力，才能推動煤礦機器人產業不斷向前發展。

綜上，煤礦機器人產業在供應鏈建設、標準體系建設、檢驗檢測平臺建設和產學研用協同建設方面都存在一定痛點。煤礦機器人作為“機器人+礦山”的全新技術領域，其迭代升級與不斷演進都需要時間。

3 煤礦機器人分級標準

機器人進入到煤礦行業應用后，由于其任務不固定和環境極端復雜性，并不能簡單地以單一維度的標準來評定其價值和功能的強弱。煤礦機器人應用場景多元，粉塵濃度、溫度、地質條件、空間大小等影響因素眾多，不能以簡單地好用或不好用來評判煤礦機器人的意義和價值。尤其是發展到AI 時代后，可以賦予機器人無限的功能，其好用與否就更不能簡單地以好用或不好用來評價。因此，在充分調研當前研發和應用現狀后，提出煤礦機器人分級標準，旨在為國內煤礦機器人研發廠家和煤礦企業提供通用語境，促進行業科學發展。

煤礦機器人等級劃分見表2。

表2 煤礦機器人等級劃分Table 2 Classification of coal mine robots

將煤礦機器人劃分為6 個級別，從感知、決策、控制等方面進行綜合評價。從L0 到L5，煤礦機器人將從完全不具備機器人的特性、到人工干預下的輔助作業、到特定場景下連續性自動作業、到環境友好條件下半自主以及目標規則清晰條件的全自主，最終實現完全自主作業，其中L0為最低級，完全需要由人工參與；L5 為最高級，智能化程度最高。

按照以上等級劃分情況來看，煤礦機器人行業整體處于L1～L2 階段；其中，純巡檢類機器人處于L3 階段，巡檢作業一體化類別機器人處于L2 階段，輔助作業類機器人屬于L1 階段。由此可見，煤礦機器人發展仍處于初級階段，大量關鍵技術需要攻關、多類應用場景可靠性需要提升，解決共性技術、核心零部件、核心軟件算法等“卡脖子”技術后，煤礦機器人將有望進入到L4～L5階段，目前行業內也正在努力攻克堵點卡點難題，拓展煤礦機器人能力邊界。

3.1 L0——無智能化

設備在沒有任何智能系統干預的情況下執行所有作業任務，完全由人工操作機器人，動作模式較為固定，作業流程不復雜，人工控制簡單易操作，這樣煤礦機械裝備可認為是L0 級。

以傳統鉆機為例，鉆機的主要工作流程包括旋轉鉆桿、推進鉆桿和沖洗孔道3 個步驟。傳統鉆機工藝流程如圖1。

圖1 傳統鉆機工藝流程Fig.1 Traditional drilling machine process flow

鉆機通過主機提供的動力，將旋轉力傳遞到鉆桿上，鉆桿的旋轉力作用于鉆頭，使鉆頭能夠在地下旋轉，從而打碎巖石或土壤；再通過液壓系統的推進裝置，將推進力傳遞到鉆桿上，推進力使鉆桿能夠向地下推進，推進鉆頭進入地下；最后通過液壓系統的沖洗裝置，將沖洗液體送入鉆桿內部，沖洗液體通過鉆桿內部的孔道，將地下的碎石或土壤沖刷到地面上。打鉆過程中的每個步驟都需要人工的參與，在上下鉆桿、運水、平安動態檢測等重要工步需要多人同時負責。鉆機的行走也由人工駕駛控制，不具備遙控功能。

3.2 L1——感知支撐

處于L1 級表示機器人可以具備環境感知、數據采集、輔助判斷等功能，但具體行走、動作等還需要人工參與操作和控制。目前已經研制出的輔助作業類機器人基本處于L1 階段。

以管路安裝機器人為例，其應用場景為煤礦井下巷道。管路安裝機器人工藝流程如圖2。

圖2 管路安裝機器人工藝流程Fig.2 Pipeline installation robot process flow

井下作業環境復雜，管道擺放隨機，管路安裝機器人無固定作業流程及規劃，執行循環作業困難。運輸車將管路運送到巷道內，由人工進行搬運、擺放至巷道地面后，操作人員遙控機器人行走至作業區域，機器人停車后，人員遙控機械臂抓取地面上的管路并舉升至安裝位置，再由人工進行放置托架，并進行精準的位置調整后完成對孔連接，整個流程需要4～6 人參與。

3.3 L2——部分智能化

處于L2 級的機器人能夠實現在路徑固定、檢測目標固定、執行任務固定時，機器人按照示教形成固定作業模式，在特定范圍連續自動作業。

以煤礦井下帶式輸送機掛軌式巡檢機器人為例，帶式輸送機巡檢機器人工藝流程如圖3。

圖3 帶式輸送機巡檢機器人工藝流程Fig.3 Process flow of belt conveyor inspection robot

機器人能夠在軌道上往復行走，巡檢任務固定，通過搭載對應傳感器與識別算法，實現輸送帶撕裂、跑偏、異物等進行識別檢測。

軌道式巡檢機器人可實現在軌道這一特定范圍內的連續作業，雖然是針對特定場景部分智能化，但L2 等級的實現標志著煤礦機器人在智能化水平上的重大突破。

3.4 L3——有條件智能化

處于L3 級的機器人在場景特征明顯、光照度較為良好情況下，能夠實現自主導航、路徑規劃、智能識別、數據分析，但依然由人工通過上位機進行關鍵工序的遠程干預。

以變電所輪式巡檢機器人為例，變電所巡檢機器人工藝流程如圖4。

圖4 變電所巡檢機器人工藝流程Fig.4 Process flow of substation inspection robot

煤礦井下變電所環境相對較好，設備擺放位置固定，路況特征良好，光照較為明亮，巡檢內容固定，機器人可以自主行走避障，實時監控變電所內設備的運行狀態及表面溫度，自動記錄設備顯示屏上儀表顯示的數值、開關狀態、指示燈狀態，采集變電所內的溫濕度、煙霧、多種氣體濃度參數等信息，將數字化的圖像、聲音和準確的數據實時歸類存儲，可有效代替人工實現對設備及儀表的巡檢。

3.5 L4——高度智能化

處于L4 級的機器人能夠面向靜態及規則清晰的運動對象時完全自主運行，實現自感知、自分析、自決策。

以中煤科工機器人科技有限公司全新研發的變電所掃拖一體化巡檢作業機器人為例。

變電所內行走路徑固定，巡檢和作業目標處于靜止狀態，整體作業任務規范，機器人可實現按鈕按壓旋轉精準操作、儀表識別、氣體檢測、自主導航避障等功能，在變電所遇到緊急情況需要急停時，通過自主分析決策，還可實現急停按鈕按壓，解決突發情況人員無法及時處置的難題。

該機器人上應用了大量AI 技術，Loam 算法與雙光柱聯合定位方法技術、基于模糊識別的狀態感知技術、基于斷網續存技術等，實現機器人移動狀態下的地圖快速構建、目標對象精準感知識別，并且通過高強度算力與算法實現機器人自分析、自決策，使機器人自身具備大腦思考能力，本體智能化水平大大增強，促進煤礦機器人走向更加復合性、功能化的應用。

3.6 L5——完全智能化

機器人達到L5 級，單體智能程度更高，能夠完全實現自行走、自分析、自診斷、自決策、自作業；且對環境適應能力更強，能夠進入到采空區、掘進工作面等高難度場景；可實現機器人-機器人之間、機器人-環境之間的多元交互，煤礦機器人群可統一運維、協同作業。

以噴漿機器人為例，井下噴漿機器人作業流程如圖5。

圖5 井下噴漿機器人作業流程Fig.5 working process of underground shotcreting robot

當機器人達到L5 級時，機器人可實現自主上料、攪拌、傳送物料，自主規劃行走路線后進行自主移機，到達噴漿位置時自主停車，對巷道進行三維建模后自主生產噴漿路徑，機械臂完成噴漿后再次建模進行噴漿質量檢測，噴漿質量達到標準后自主移機到下一噴漿點位，此為完成1 個工藝流程。機器人自身算力可支撐每一工步的數據分析與診斷，實現全流程數據管理。

由此可以得出，機器人實用、好用、能用的必要條件必然是將感知層、決策層和控制層打通，感知層收集大量的機器人自身和環境數據，決策層通過算法、算力等流暢地處理這些數據以保證系統及時做出正確的決策，從而為控制層提供指令。最終的自主作業流程架構如圖6。

圖6 自主作業流程架構Fig.6 Autonomous work process architecture

煤礦機器人分級標準的建立，能夠更準確地幫助客戶在不同場景和不同環境下提出差異化的功能需求，為機器人生產制造企業面對不同產品業務需求時提供等級參照；促進研發端和用戶端形成統一語境，實現認知鏈路暢通，進一步助力供應鏈順暢交互，產業快速發展。

4 結語

分析整個煤礦機器人行業發展，其在科技創新、現場應用、產業孵化等方面面臨著很多困難，使用端和供應端存在認知差異的問題一直困擾著整個行業；大家也容易陷入將目前成熟的工業機器人智能化水平直接定義到煤礦機器人上的誤區。煤礦機器人的應用環境非結構化程度高，工藝和工序的可復制化程度低，因此評價煤礦機器人是否好用，需要將機器人置于煤礦行業背景下，遵從技術變遷與場景變遷綜合來看。煤礦機器人分級標準的建立，將增強機器人制造與使用相結合的緊密程度，幫助行業認識到煤礦機器人產品規律，有利于煤礦機器人技術的不斷創新和進步，從而提高機器人的實用性與可靠性，助推煤礦機器人產業穩步發展。