CES获奖：Scan&Go：无 CAD、无代码的 AI 自主移动机器人，让“大型制造自动化”真正落地

CES 2026 人工智能 Best of Innovation & 机器人技术（Robotics）创新荣誉

在 CES 2026 上，Doosan Robotics 与 Maple Advanced Robotics Inc. 联合推出的 Scan&Go AI 自主移动机器人解决方案，一举斩获 Artificial Intelligence 类 Best of Innovation，并同时获得 Robotics 类创新荣誉（Honoree）。
该系统直面制造业中最棘手、也最难自动化的一类任务——超大尺寸、非重复几何结构的加工与检测，并给出了一套彻底不同于传统工业自动化的技术路径。

大型制造自动化的长期难题

在航空航天、风电、建筑等行业中，自动化程度长期受限，并非因为缺乏机器人，而是因为 对象本身“不可预测”：

• 结构尺寸巨大（机身、叶片、复合材料构件）

• 几何形态复杂，存在不规则曲面、开孔与非对称结构

• 单件或小批量生产，几乎不存在完全重复的零件

在这种条件下，传统自动化依赖的 CAD 建模 + 离线编程 + 固定工装 模式往往失效：
前期准备成本极高，调整周期漫长，甚至不具备经济可行性。

Scan&Go 的目标，正是让这类“长期只能靠人工”的任务，首次具备 即时、可规模化的自动化能力。

核心理念：从“预先规划”到“实时理解”

无 CAD、无代码：直接从现实世界开始

Scan&Go 最大的工程突破在于，它 不需要 CAD 文件，也不需要人工编程。
系统通过 先进 3D 视觉，对真实物体进行扫描，直接生成 点云数据（Point Cloud），并在此基础上实时完成：

• 几何理解

• 工艺面识别

• 可操作区域判断

这意味着自动化流程不再从“数字模型”开始，而是从 物理世界本身 出发。

Physics-informed AI：理解“形状”与“加工”的关系

在算法层面，Scan&Go 采用的是 物理约束感知 AI（Physics-informed AI），而非纯几何拟合或规则匹配。

这一模型能够：

• 理解复杂曲面与边缘结构

• 结合加工物理特性（如打磨、抛光、检测）

• 从点云中 实时生成最优工具路径（Tool Path）

与传统机器人“执行预设轨迹”不同，Scan&Go 是在 边看、边理解、边规划，真正实现了在线智能决策。

自主移动：机器人走向工件，而非相反

机器人装在“会自己开的叉车”上

Scan&Go 并不是固定在某个工位，而是 安装在一台自动驾驶叉车平台之上，构成完整的 Autonomous Mobile Robot（AMR）系统。

其能力包括：

• 自主导航至大型工件所在位置

• 自动完成定位与姿态调整

• 在无需工装夹具的情况下开始作业

这使得超大部件（如飞机机身段、风机叶片）不再需要被搬运到机器人面前，而是由机器人主动完成跨区域作业。

作业能力：从表面处理到检测

在实际应用中，Scan&Go 已覆盖多类高强度、重复性人工任务，包括：

• 打磨（Sanding）

• 研磨（Grinding）

• 表面检测（Inspection）

在这些任务中，系统通过实时感知与路径自生成，确保：

• 作业一致性高

• 对复杂曲面与边缘适应性强

• 减少人为误差与安全风险

功能安全：为“人与大型机器人共存”而设计

在大尺度制造环境中，功能安全往往是自动化落地的前提条件。
Scan&Go 被强调具备 best-in-class 功能安全设计，支持在有人环境下运行，降低部署门槛。

这对于航空、能源等对安全要求极高的行业尤为关键。

行业价值：自动化第一次“算得过账”

对于目标行业而言，Scan&Go 带来的并非单点效率提升，而是 系统级经济性变化：

• 生产周期显著缩短

• 人工成本与技能依赖下降

• 加工质量一致性提升

• 高风险作业自动化，改善工作安全

更重要的是，它让此前因“准备成本过高”而无法自动化的任务，第一次具备了 现实可行性。

技术意义：机器人从“执行者”进化为“现场理解者”

从更宏观的视角看，Scan&Go 体现了一种机器人技术的范式转变：

• 不再假设世界是规则、重复、可完全建模的

• 而是让机器人具备 实时感知、理解与决策能力

• 将 AI、3D 视觉与移动平台整合为一个“现场自治系统”

这正是 AI + Robotics 在重工业场景中最具价值的结合方式。

总结：为“超大、非标、复杂”制造而生的自动化方案

Scan&Go 能够同时获得 CES 2026 的 AI Best of Innovation 与 Robotics Honoree，原因并不在于炫技，而在于它解决了一个长期被默认“无解”的问题：

如何在没有 CAD、没有重复几何、没有固定工装的前提下，实现可靠自动化？

通过物理约束 AI、实时点云路径生成与自主移动平台的结合，Doosan Robotics 与 Maple Advanced Robotics 给出的答案是：
让机器人理解现实，而不是强迫现实适应机器人。

在航空、风电、建筑等“超大制造”领域，这种能力，正是规模化智能制造真正缺失的最后一块拼图。