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 AI（OpenAI API / 本地 LLM）+LangChain 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 LLMs（4 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 10/10/8，Claude 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。