無論是傳統的工業(yè)機器人，還是最先進的協作機器人，它們都要依靠傳感器獲取的數據構建更佳的機器學習(ML)和人工智能(AI)的模型。工業(yè)機器人依靠這些模型就可以在各種動態(tài)的現實環(huán)境中做出實時的決策和導航。是ML/AI系統，為機器人的傳感器提供關鍵的數據?，F在的傳感器能將機器人收集來的數據融合在一起，就可以讓機器人具有越來越好的知覺和意識。
ML有兩個主要部分：培訓和推理，整個過程可以在完全相異的處理平臺上執(zhí)行。培訓通常是以離線方式在桌面上進行或在云端完成，包括將大數據收入到神經網絡。培訓階段是在部署時已經有了一個經過培訓的AI系統，這個系統能夠執(zhí)行特定任務，如調查組裝線上的瓶頸問題等。
應用的傳感和智能感知對機器人來說非常重要，因為機器人想達到高效的性能，特別是ML/AI系統， 在很大程度上取決于為這些系統提供關鍵數據的傳感器的性能。雖然在工廠里絕大多數的工作依舊是人工在完成，但工業(yè)機器人將會替代到人類的部分工作，實現工廠的自動化生產。
