2026 年维也纳 IEEE 国际机器人与自动化大会（ICRA 2026）正式公布自动化方向最佳论文，由深圳大学胡瑞珍教授团队、中科院工业人工智能研究所徐凯研究员团队，联合视比特机器人、卡尔顿大学共同研发的 IMR-LLM 多机器人协同大模型框架斩获该奖项，成为本年度机电信息融合领域标志性学术成果，完整解决柔性制造产线多机械臂协同编程的行业痛点。

从机电信息融合的行业背景来看，当下离散制造工厂普遍采用多机械臂协同完成上下料、装配、焊接等复合工序，但传统控制模式存在严重短板：产线更换加工工件、调整工序流程时，机电工程师需要重新拆解任务时序、规划机械臂运动轨迹、编写底层伺服控制代码，单条产线换产调试周期普遍长达 3-7 天；现有大语言模型机器人方案大多仅适用于简单居家场景，面对工业产线严苛的工序约束、设备资源冲突极易出现逻辑幻觉，生成的控制程序无法直接驱动机电硬件稳定运行，难以落地真实车间。

为实现机械执行机构、多源传感信息、工业大模型三者深度耦合，研究团队构建 IMR-LLM 分层协同架构，整体分为三层机电信息处理链路：第一层为硬件感知层，通过机械臂末端力传感器、车间视觉相机、伺服电机电流采集模块同步采集设备运动、加工状态原始机电信号；第二层为时序约束推理层，内置工业制造规则知识库，自动解析自然语言指令中的工序先后、设备占用、空间避障约束，消除大模型逻辑错误；第三层为机电代码生成层，将规划结果转化为机器人可直接执行的伺服运动程序、PLC 调度指令，无需人工二次修改调试。

团队自主搭建 IMR-Bench 工业标准化测试数据集，覆盖 23 类汽车、3C、五金真实产线场景，包含 50 项多机器人协同制造任务。对比现有主流多机器人控制算法，IMR-LLM 在任务规划准确率、可执行代码生成成功率、复杂工序稳定运行时长三项核心指标全面领先；产线换产调试效率提升 90% 以上，仅需输入一段文字描述加工需求，系统即可自动完成多台机械臂轨迹分配、冲突避让、时序调度全流程工作。

该成果实现机电装备底层控制与通用人工智能的跨界融合，打破传统机电系统依赖专业工程师编程的技术壁垒，为数字孪生柔性工厂、无人化黑灯产线提供全新技术范式。论文完整数据集、仿真实验代码已开源，目前已与国内多家装备制造企业开展产线落地验证，是 2026 年机电信息、机器人控制方向极具产业价值的顶会学术成果。