人类的进化过程中，伴随着工具的发展，对人手的灵巧精准操作能力要求也越来越高，这个过程也逐渐改变和进化了大脑结构。而如何能让机器人像人一样拥有灵巧双手，一直也是科学家们追求的目标。
至少从十六世纪末开始，科学和工程界就一直在努力开发类似人手的感觉和运动功能的机械手，其中包括运动功能(抓、握、推、拉、打孔、操作等)和感觉功能(主动和被动地探索表面的质地、湿度和温度，以及振动、压力和力的感觉等)，并最终形成社会功能(爱抚、威胁、握手、指指点点、敬礼、玩耍和各种手势，包括自愿和非自愿)。尽管人们对手如此着迷，但仍然无法完全理解它们。这也是为什么机械手仍然是机器人技术中最难的挑战之一的原因之一。
研究人员试图通过复杂的设计来仿造人类双手的外观和灵活性，并集成了许多驱动器和传感器，例如犹他/MITH、RobonautHand、DLR(Deutsches Zentrum für Luft- undRaumfahrt)Hand II、Gifu Hand II、Shadow Dexterous Hand及清华大学孙富春团队开发的系列灵巧手等。虽然目前有很多实验样机，但在工业机器人、服务机器人甚至假肢方面，实际应用数量仍然有限。为了增加推广，近年来已经提出了一些新的方法和解决方案，以开发有效和可靠的灵巧手。事实上，虽然实现了完美的结构和功能拟人化——即不仅在外观上，而且在动作和功能上与人类的手相似（可能会过于复杂），但近年有趋势旨在实现稳健的、易于编程的、经济实用的灵巧手，能够执行人手操作功能的子集。
回顾近几年的机器人操作比赛情况，如亚马逊采摘挑战赛、DARPA机器人挑战赛、IROS机器人操作比赛等，大多数复杂的抓取技术都受到了挑战，这些比赛表明，以简化设计为目标的方法能带来显著的效益。第1届亚马逊采摘挑战赛的获胜者是一个基于抽吸系统的末端效应器；在DARPA机器人挑战赛中采用的仿人机器人都没有完全驱动的拟人手，超过15个团队(25个参赛者中)使用的是一个只有3或4个手指的低驱动手；几次的IROS机器人抓取和操纵比赛中，都是简易机械手获取冠军，反而是复杂多功能的灵巧手在比赛中失利。
在过去的几十年里，许多机器人研究小组都专注于极简主义设计方法。在保留拟人化设计的许多优点的同时，在设计和控制方面进行原则性的简化，可以合理地降低系统的复杂度，包括执行器、传感器和程序代码的数量。此外，软体机器人方法也很有用，近年有根据这样的原理设计的机械手，在抓取的通用性、鲁棒性和可靠性方面取得了很好的效果。
人工智能技术在安全领域的应用需求日益迫切，人工智能自身的安全问题也不容小觑，安全与人工智能并举，双方的融合发展与创新是我强国战略中不可忽视的重要助推因素
武汉大学薛龙建教授团队研制出一种迷你软体机器人Geca-Robot，其可精准控制方向和速度，可在废墟狭缝、生物体内完成各种复杂作业
由于机器视觉可以提供目标物的颜色、形状、纹理、深度等丰富的信息，且精度相当高，成本相对较低，因此以往关于植物检测的研究大多基于机器视觉
苏州行政审批局实现机器人导览服务。5G 高速互联网接入服务。异地超高清视频通话
人类教师提供的示教被用来推断执行高级技能的意图,现代方法也使用基于奖励函数的强化学习方法来实现期望目标
低级技能学习或建模的三种主要方法：动态运动基元(DMP)，高斯混合建模与回归(GMM-GMR)，隐马尔科夫模型（HMM）
机器人感知系统包括传感器的选择和配置，以及算法和实现，利用了一个单目相机，一个短程二维激光测距仪，车轮编码器和惯性测量单元。
教育机器人经历了从概念先行到价格营销到回归内容与价值本质的发展阶段变迁
教育服务机器人：指具有教与学智能的服务机器人，机器人教育：模块化机器人和机器人套件是机器人教育中常见 的辅助产品
机器人对环境的感知大多通过激光雷达、摄像头、毫米波雷达、超声波传感器、GPS这五类传感器及其之间的组合来实现自主移动功能
与机器人互动时研究人的大脑将有助于更清晰、更深入地了解人机交互，从而为社交机器人的春天奠定基础，将社会维度整合到人与这些机器的交流中来加速人与机器人的交互研究，有助于推动创造真正的社交机器人
基于电子皮肤的软体机器人传感、机器学习在柔性电子皮肤上的应用、形状感知、面向软体机器人的反馈控制和机器人的操作
