CES 2026 人工智能 Best of Innovation & 機器人技術（Robotics）創新榮譽

在 CES 2026 上，Doosan Robotics 與 Maple Advanced Robotics Inc. 聯合推出的 Scan&Go AI 自主移動機器人解決方案，一舉斬獲 Artificial Intelligence 類 Best of Innovation，并同時獲得 Robotics 類創新榮譽（Honoree）。
該系統直面制造業中最棘手、也最難自動化的一類任務——超大尺寸、非重復幾何結構的加工與檢測，并給出了一套徹底不同于傳統工業自動化的技術路徑。

大型制造自動化的長期難題

在航空航天、風電、建筑等行業中，自動化程度長期受限，并非因為缺乏機器人，而是因為 對象本身“不可預測”：

• 結構尺寸巨大（機身、葉片、復合材料構件）

• 幾何形態復雜，存在不規則曲面、開孔與非對稱結構

• 單件或小批量生產，幾乎不存在完全重復的零件

在這種條件下，傳統自動化依賴的 CAD 建模 + 離線編程 + 固定工裝 模式往往失效：
前期準備成本極高，調整周期漫長，甚至不具備經濟可行性。

Scan&Go 的目標，正是讓這類“長期只能靠人工”的任務，首次具備 即時、可規模化的自動化能力。

核心理念：從“預先規劃”到“實時理解”

無 CAD、無代碼：直接從現實世界開始

Scan&Go 最大的工程突破在于，它 不需要 CAD 文件，也不需要人工編程。
系統通過 先進 3D 視覺，對真實物體進行掃描，直接生成 點云數據（Point Cloud），并在此基礎上實時完成：

• 幾何理解

• 工藝面識別

• 可操作區域判斷

這意味著自動化流程不再從“數字模型”開始，而是從 物理世界本身 出發。

Physics-informed AI：理解“形狀”與“加工”的關系

在算法層面，Scan&Go 采用的是 物理約束感知 AI（Physics-informed AI），而非純幾何擬合或規則匹配。

這一模型能夠：

• 理解復雜曲面與邊緣結構

• 結合加工物理特性（如打磨、拋光、檢測）

• 從點云中 實時生成最優工具路徑（Tool Path）

與傳統機器人“執行預設軌跡”不同，Scan&Go 是在 邊看、邊理解、邊規劃，真正實現了在線智能決策。

自主移動：機器人走向工件，而非相反

機器人裝在“會自己開的叉車”上

Scan&Go 并不是固定在某個工位，而是 安裝在一臺自動駕駛叉車平臺之上，構成完整的 Autonomous Mobile Robot（AMR）系統。

其能力包括：

• 自主導航至大型工件所在位置

• 自動完成定位與姿態調整

• 在無需工裝夾具的情況下開始作業

這使得超大部件（如飛機機身段、風機葉片）不再需要被搬運到機器人面前，而是由機器人主動完成跨區域作業。

作業能力：從表面處理到檢測

在實際應用中，Scan&Go 已覆蓋多類高強度、重復性人工任務，包括：

• 打磨（Sanding）

• 研磨（Grinding）

• 表面檢測（Inspection）

在這些任務中，系統通過實時感知與路徑自生成，確保：

• 作業一致性高

• 對復雜曲面與邊緣適應性強

• 減少人為誤差與安全風險

功能安全：為“人與大型機器人共存”而設計

在大尺度制造環境中，功能安全往往是自動化落地的前提條件。
Scan&Go 被強調具備 best-in-class 功能安全設計，支持在有人環境下運行，降低部署門檻。

這對于航空、能源等對安全要求極高的行業尤為關鍵。

行業價值：自動化第一次“算得過賬”

對于目標行業而言，Scan&Go 帶來的并非單點效率提升，而是 系統級經濟性變化：

• 生產周期顯著縮短

• 人工成本與技能依賴下降

• 加工質量一致性提升

• 高風險作業自動化，改善工作安全

更重要的是，它讓此前因“準備成本過高”而無法自動化的任務，第一次具備了 現實可行性。

技術意義：機器人從“執行者”進化為“現場理解者”

從更宏觀的視角看，Scan&Go 體現了一種機器人技術的范式轉變：

• 不再假設世界是規則、重復、可完全建模的

• 而是讓機器人具備 實時感知、理解與決策能力

• 將 AI、3D 視覺與移動平臺整合為一個“現場自治系統”

這正是 AI + Robotics 在重工業場景中最具價值的結合方式。

總結：為“超大、非標、復雜”制造而生的自動化方案

Scan&Go 能夠同時獲得 CES 2026 的 AI Best of Innovation 與 Robotics Honoree，原因并不在于炫技，而在于它解決了一個長期被默認“無解”的問題：

如何在沒有 CAD、沒有重復幾何、沒有固定工裝的前提下，實現可靠自動化？

通過物理約束 AI、實時點云路徑生成與自主移動平臺的結合，Doosan Robotics 與 Maple Advanced Robotics 給出的答案是：
讓機器人理解現實，而不是強迫現實適應機器人。

在航空、風電、建筑等“超大制造”領域，這種能力，正是規模化智能制造真正缺失的最后一塊拼圖。