智能机器人具备形形色色的内部信息传感器和外部信息传感器，如视觉、听觉、触觉、嗅觉。除具有感受器外，它还有效应器，作为作用于周围环境的手段。这就是筋肉，或称自整步电动机，它们使手、脚、长鼻子、触角等动起来。由此也可知，智能机器人至少要具备三个要素：感觉要素，反应要素和思考要素。
称这种机器人为自控机器人，以便使它同前面谈到的机器人区分开来。它是控制论产生的结果，控制论主张这样的事实：生命和非生命有目的的行为在很多方面是一致的。正像一个智能机器人制造者所说的，机器人是一种系统的功能描述，这种系统过去只能从生命细胞生长的结果中得到，它们已经成了我们自己能够制造的东西了。
智能机器人能够理解人类语言，用人类语言同操作者对话，在它自身的“意识”中单独形成了一种使它得以“生存”的外界环境——实际情况的详尽模式。它能分析出现的情况，能调整自己的动作以达到操作者所提出的全部要求，能拟定所希望的动作，并在信息不充分的情况下和环境迅速变化的条件下完成这些动作。当然，要它和我们人类思维一模一样，这是不可能办到的。不过，仍然有人试图建立计算机能够理解的某种“微观世界”。
在早期的科幻作品里，机器人是一种能听命于人、能从事劳动、形状像人甚至表现出人的某些思维和行为的人造机器。人类对这种先进生产工具的最初想象里，就要求它具有人类自身所特有的智能。
遥控操纵器和数控机床的出现为机器人的产生在技术上奠定了基础。用于危险或有害环境的遥控操纵器主要由两台利用传动机构连结的多关节机械手臂组成，人操作其中的主机械手，那么位于环境现场的从机械手就能跟随复现人手的动作，代替人完成作业。数控机床根据预先储存的工件切削模型以及刀具切削动作序列等数据，对机床的伺服轴进行运动控制，若要改变控制只需改变储存的数据。
20世纪70年代，机器人产品正式问世，机器人技术开始形成。美国Unimation公司和AMF公司生产的工业机器人已用在汽车生产线，进行传送、上下料、焊接、喷漆等作业，表现出很好的灵活性和经济效益，推动了机器人的商品化。同时，机器人研究也不断地把机器人技术引向深入，如美国麻省理工学院研制的一种配有接触传感器的机器人装置，机器人凭触觉可以判断操作对象的形状，其人工智能实验室研究了如何实现具有人的手、眼、耳功能的机器人系统。美国斯坦福大学研制了带有电视摄像机和接触觉装置的移动小车，用于机器人运动规划问题的研究。上述这类研究工作逐渐形成了智能机器人的技术内容。
70年代机器人产业蓬勃兴起，机器人学与技术发展为专门的学科。1970年第一次国际工业机器人会议在美国举行。各种成功的实用范例推动了机器人应用领域的进一步发展。日本、德国、瑞典等国家的政府和产业界积极引进机器人技术，建立生产体系，大力推广应用，对机器人的发展产生较大影响。大规模集成电路技术的迅速发展以及微型计算机的普遍应用更使得机器人的控制技术出现了质的飞跃。
20世纪末至今，随着计算机和人工智能技术的快速发展，机器人智能化成为可能。早期的机器人智能行为只能实现积木的分类、堆放动作等，一些有视觉和触觉的机器人可用于铸件、泵体的识别和检查，集成电路的装配和焊接。现在的机器人装有各种各样的内外传感器，对环境具有比较全面的感知能力，另外还有像筋肉一样的效应器，具有作用周围环境的能力。有的智能机器人已经能够很好地理解人类的语言，并可进行对话交流，而不仅仅是简单地模拟人或者动物的动作和行走，甚至可通过对环境的感知和识别，对情景的理解，进而对任务重新规划和实施。例如，美国波士顿Dynamics公司研制的“Bigdog”四足机器人，它能够在冰面和险要斜坡快速跑动，并且在强大外力冲击时也能很好地保持本体的平衡。智能机器人的智力反映在它对环境信息的感知和处理以及对情势的判断和决策能力，或者说是一种对环境的、仿生的自适应能力。一般认为，按照机器人从低级到高级的发展程度，可以把机器人分为三代。
第一代机器人，即工业机器人，主要指能以“示教—再现”方式工作的机器人。其本体是一类似于人的上肢功能的机械手臂，末端是手爪等操作机构。它通过操作人员“手把手”的示教，或者通过离线编程存储的动作顺序信息完成作业。如果外界条件发生变化，或者机器人工作内容需要改变，必须通过人对其程序做相应改变，因此它不具备智能。
第二代机器人是指基于传感器信息来工作的机器人。它依靠简单的感觉装置获取作业环境和对象的简单信息，通过对这些信息进行分析和处理，作出一定的判断，对动作进行反馈控制。这类机器人初步具有智能。
第三代机器人，即智能机器人，这是一类具有高度适应性和自主能力的机器人。它本身能感知工作环境、操作对象及其状态，能接受、理解给予的指令。并结合自身认识外界的结果来独立地决定工作规划，利用操作机构和移动机构实现任务目标，还能适应环境的变化，调整自身行为。
由上可见，智能机器人是工业机器人从无智能发展到有智能，从初级智能水平发展到高智能水平的产物。
区别于第一代和第二代机器人，智能机器人必须具备四种机能：行动机能———施加于外部环境和对象的。相当于人的手、足的动作机能；感知机能———获取外部环境和对象的状态信息以便进行自我行为监视的机能；思维机能———求解问题的认知、推理、记忆、判断、决策学习等机能；人机交互机能———理解指示命令、输出内部状态、与人进行信息交换的机能。简言之，智能机器人的“智能”特征就在于它具有与外部世界———环境、对象和人相协调的工作机能。
一般机器人是指不具有智能，只具有一般编程能力和操作功能的机器人。
在世界范围内还没有一个统一的智能机器人定义。大多数专家认为智能机器人至少要具备以下三个要素：一是感觉要素，用来认识周围环境状态；二是运动要素，对外界做出反应性动作；三是思考要素，根据感觉要素所得到的信息，思考出采用什么样的动作。
感觉要素包括能感知视觉、接近、距离等的非接触型传感器和能感知力、压觉、触觉等的接触型传感器。这些要素实质上就是相当于人的眼、鼻、耳等五官，它们的功能可以利用诸如摄像机、图像传感器、超声波传成器、激光器、导电橡胶、压电元件、气动元件、行程开关等机电元器件来实现。
对运动要素来说，智能机器人需要有一个无轨道型的移动机构，以适应诸如平地、台阶、墙壁、楼梯、坡道等不同的地理环境。它们的功能可以借助轮子、履带、支脚、吸盘、气垫等移动机构来完成。在运动过程中要对移动机构进行实时控制，这种控制不仅要包括有位置控制，而且还要有力度控制、位置与力度混合控制、伸缩率控制等。
智能机器人的思考要素是三个要素中的关键，也是人们要赋予机器人必备的要素。思考要素包括有判断、逻辑分析、理解等方面的智力活动。这些智力活动实质上是一个信息处理过程，而计算机则是完成这个处理过程的主要手段。智能机器人根据其智能程度的不同，又可分为三种：
又称外部受控机器人。机器人的本体上没有智能单元只有执行机构和感应机构，它具有利用传感信息（包括视觉、听觉、触觉、接近觉、力觉和红外、超声及激光等）进行传感信息处理、实现控制与操作的能力。受控于外部计算机，在外部计算机上具有智能处理单元，处理由受控机器人采集的各种信息以及机器人本身的各种姿态和轨迹等信息，然后发出控制指令指挥机器人的动作。机器人世界杯的小型组比赛使用的机器人就属于这样的类型。
机器人通过计算机系统与操作员或程序员进行人-机对话，实现对机器人的控制与操作。虽然具有了部分处理和决策功能，能够独立地实现一些诸如轨迹规划、简单的避障等功能，但是还要受到外部的控制。
在设计制作之后，机器人无需人的干预，能够在各种环境下自动完成各项拟人任务。自主型机器人的本体上具有感知、处理、决策、执行等模块，可以就像一个自主的人一样独立地活动和处理问题。机器人世界杯的中型组比赛中使用的机器人就属于这一类型。全自主移动机器人的最重要的特点在于它的自主性和适应性，自主性是指它可以在一定的环境中，不依赖任何外部控制，完全自主地执行一定的任务。适应性是指它可以实时识别和测量周围的物体，根据环境的变化，调节自身的参数，调整动作策略以及处理紧急情况。交互性也是自主机器人的一个重要特点，机器人可以与人、与外部环境以及与其他机器人之间进行信息的交流。由于全自主移动机器人涉及诸如驱动器控制、传感器数据融合、图像处理、模式识别、神经网络等许多方面的研究，所以能够综合反映一个国家在制造业和人工智能等方面的水平。因此，许多国家都非常重视全自主移动机器人的研究。
智能机器人的研究从60年代初开始，经过几十年的发展，基于感觉控制的智能机器人(又称第二代机器人)已达到实际应用阶段，基于知识控制的智能机器人(又称自主机器人或下一代机器人)也取得较大进展，已研制出多种样机。
它只能死板地按照人给它规定的程序工作，不管外界条件有何变化，自己都不能对程序也就是对所做的工作作相应的调整。如果要改变机器人所做的工作，必须由人对程序作相应的改变，因此它是毫无智能的。
陪护机器人应用于养老院或社区服务站环境，具有生理信号检测、语音交互、远程医疗、智能聊天、自主避障漫游等功能。
高级智能机器人和初级智能机器人一样，具有感觉，识别，推理和判断能力，同样可以根据外界条件的变化，在一定范围内自行修改程序。所不同的是，修改程序的原则不是由人规定的，而是机器人自己通过学习，总结经验来获得修改程序的原则。所以它的智能高出初级智能机器人。这种机器人已拥有一定的自动规划能力，能够自己安排自己的工作。这种机器人可以不要人的照料，完全独立的工作，故称为高级自律机器人。这种机器人也开始走向实用。
1、操作与移动
随用途而异的各种机械臂结构及其驱动方式，包括具有冗余自由度的机械臂和主从机械臂；多指手及其他灵活的操作机构；轮式、履带式、单足跳跃或多足步行式、喷气或气垫式以及仿生式(如蠕动、爬壁)等各种适合环境的移动机构及其驱动方式。
2、传感器及其信息处理
基于摄像机的视觉传感器以及对二维、三维物体的信息处理；基于超声红外光、激光、雷达波、磁性装置等各种非接触传感器及其定位、识别、运动检测等信息的处理；各种接触觉、压觉、力觉、滑动传感器检测信息的处理；以及综合多种传感器信息以便作出合适估计和决策的传感器融合技术。
3、控制
对应于各种运动学、动力学建模、运动轨迹规划与生成以及基于运动学或动力学的控制方法；位置控制、力控制以及力与位置二者结合的柔顺控制方法；遥控作业等非结构环境下的各种主从控制方法；多机器人的协同控制问题；专家系统、人工神经网络、生物进化等新颖的智能控制方法；上述各种控制方法的仿真系统。
4、人机交互
用于离线示教和机器人自主行为的各种计算机控制与编程语言，包括动作、对象和作业目标水平级(任务级)三类；语音识别与生成；声、图、文的多媒体处理技术；视觉、力觉、触觉、声觉的临场感技术及其他虚拟现实技术。
5、体系结构
6、机器智能
涉及具体的技术和方法，主要包括问题求解、自动规划生成、模式识别、自然语言处理、机器学习、专家系统、知识库等，另外还涉及人类智能的机理实质和人工智能的实现途径这两方面的基础理论研究。
7、应用研究
智能机器人的材料、能源等实用化研制问题，各行各业对智能机器人的应用需求分析和产业发展关系，智能机器人的使用所引起的人类社会心理和法律问题等。
目前，智能机器人的研究还处于初级阶段，研究目标一般围绕感知、行动、决策思维三个问题。实验室原型有：自动装配机器人———具有对部件的三维视觉识别和定位，柔顺控制多指手爪的抓取和精密装配，自动规划装配序列，避碰，多操作器协调等功能，移动式机器人———具有室内、外自主导航，路径规划，野外复杂环境下的移动，避碰，基于感觉的取样操作和检测、排除故障等功能；水下机器人———具有深水潜游，有缆遥控，水下清理和维修等功能。
上述各种机器人实际上只是理想的智能机器人的一部分功能环节，其研究的局限性主要在于人工智能技术至今还不能提供实现机器智能的有效原理和方法。智能机器人的完美实现需要提高机器的自主性，以进一步独立于人，建立更友善的人机界面；需要提高机器的适应性，以更好地适应环境变化，加强与环境的交互能力。
随着社会发展的需要和机器人应用领域的扩大,人们对智能机器人的要求也越来越高。智能机器人所处的环境往往是未知的、难以预测的,在研究这类机器人的过程中,主要涉及到以下关键技术:
多传感器信息融合
多传感器信息融合技术是1个十分活跃的研究领域,主要研究方向有:
1多层次传感器融合由于单个传感器具有不确定性、观测失误和不完整性的弱点,因此单层数据融合限制了系统的能力和鲁棒性。对于要求高鲁棒性和灵活性的先进系统,可以采用多层次传感器融合的方法。低层次融合方法可以融合多传感器数据;中间层次融合方法可以融合数据和特征,得到融合的特征或决策;高层次融合方法可以融合特征和决策,到最终的决策。
2微传感器和智能传感器传感器的性能、价格和可靠性是衡量传感器优劣与否的重要标志,然而许多性能优良的传感器由于体积大而限制了应用市场。微电子技术的迅速发展使小型和微型传感器的制造成为可能。智能传感器将主处理、硬件和软件集成在一起。如ParScientific公司研制的1000系列数字式石英智能传感器,日本日立研究所研制的可以识别4种气体的嗅觉传感器,美国Honeywell研制的DSTJ23000智能压差压力传感器等,都具备了一定的智能。
3自适应多传感器融合在实际世界中,很难得到环境的精确信息,也无法确保传感器始终能够正常工作。因此,对于各种不确定情况,鲁棒融合算法十分必要。现已研究出一些自适应多传感器融合算法来处理由于传感器的不完善带来的不确定性。如Hong通过革新技术提出1种扩展的联合方法,能够估计单个测量序列滤波的最优卡尔曼增益。Pacini和Kosko也研究出1种可以在轻微环境噪声下应用的自适应目标跟踪模糊系统,它在处理过程中结合了卡尔曼滤波算法。
在机器人系统中,自主导航是一项核心技术,是机器人研究领域的重点和难点问题。导航的基本任务有3点:(1)基于环境理解的全局定位:通过环境中景物的理解,识别人为路标或具体的实物,以完成对机器人的定位,为路径规划提供素材;(2)目标识别和障碍物检测:实时对障碍物或特定目标进行检测和识别,提高控制系统的稳定性;(3)安全保护:能对机器人工作环境中出现的障碍和移动物体作出分析并避免对机器人造成的损伤。
机器人有多种导航方式,根据环境信息的完整程度、导航指示信号类型等因素的不同,可以分为基于地图的导航、基于创建地图的导航和无地图的导航3类。根据导航采用的硬件的不同,可将导航系统分为视觉导航和非视觉传感器组合导航[8]。视觉导航是利用摄像头进行环境探测和辨识,以获取场景中绝大部分信息。视觉导航信息处理的内容主要包括:视觉信息的压缩和滤波、路面检测和障碍物检测、环境特定标志的识别、三维信息感知与处理。非视觉传感器导航是指采用多种传感器共同工作,如探针式、电容式、电感式、力学传感器、雷达传感器、光电传感器等,用来探测环境,对机器人的位置、姿态、速度和系统内部状态等进行监控,感知机器人所处工作环境的静态和动态信息,使得机器人相应的工作顺序和操作内容能自然地适应工作环境的变化,有效地获取内外部信息。
在自主移动机器人导航中,无论是局部实时避障还是全局规划,都需要精确知道机器人或障碍物的当前状态及位置,以完成导航、避障及路径规划等任务,这就是机器人的定位问题。比较成熟的定位系统可分为被动式传感器系统和主动式传感器系统。被动式传感器系统通过码盘、加速度传感器、陀螺仪、多普勒速度传感器等感知机器人自身运动状态,经过累积计算得到定位信息。主动式传感器系统通过包括超声传感器、红外传感器、激光测距仪以及视频摄像机等主动式传感器感知机器人外部环境或人为设置的路标,与系统预先设定的模型进行匹配,从而得到当前机器人与环境或路标的相对位置,获得定位信息。
路径规划方法大致可以分为传统方法和智能方法2种。传统路径规划方法主要有以下几种:自由空间法、图搜索法、栅格解耦法、人工势场法。大部分机器人路径规划中的全局规划都是基于上述几种方法进行的,但这些方法在路径搜索效率及路径优化方面有待于进一步改善。人工势场法是传统算法中较成熟且高效的规划方法,它通过环境势场模型进行路径规划,但是没有考察路径是否最优。
智能路径规划方法是将遗传算法、模糊逻辑以及神经网络等人工智能方法应用到路径规划中,来提高机器人路径规划的避障精度,加快规划速度,满足实际应用的需要。其中应用较多的算法主要有模糊方法、神经网络、遗传算法、Q学习及混合算法等,这些方法在障碍物环境已知或未知情况下均已取得一定的研究成果。
视觉系统是自主机器人的重要组成部分,一般由摄像机、图像采集卡和计算机组成。机器人视觉系统的工作包括图像的获取、图像的处理和分析、输出和显示,核心任务是特征提取、图像分割和图像辨识。而如何精确高效的处理视觉信息是视觉系统的关键问题。视觉信息处理逐步细化,包括视觉信息的压缩和滤波、环境和障碍物检测、特定环境标志的识别、三维信息感知与处理等。其中环境和障碍物检测是视觉信息处理中最重要、也是最困难的过程。边沿抽取是视觉信息处理中常用的1种方法。对于一般的图像边沿抽取,如采用局部数据的梯度法和二阶微分法等,对于需要在运动中处理图像的移动机器人而言,难以满足实时性的要求。为此人们提出1种基于计算智能的图像边沿抽取方法,如基于神经网络的方法、利用模糊推理规则的方法,特别是BezdekJ.C教授近期全面的论述了利用模糊逻辑推理进行图像边沿抽取的意义。这种方法具体到视觉导航,就是将机器人在室外运动时所需要的道路知识,如公路白线和道路边沿信息等,集成到模糊规则库中来提高道路识别效率和鲁棒性。还有人提出将遗传算法与模糊逻辑相结合。
机器人视觉是其智能化最重要的标志之一,对机器人智能及控制都具有非常重要的意义。国内外都在大力研究,并且已经有一些系统投入使用。
随着机器人技术的发展,对于无法精确解析建模的物理对象以及信息不足的病态过程,传统控制理论暴露出缺点,近年来许多学者提出了各种不同的机器人智能控制系统。机器人的智能控制方法有模糊控制、神经网络控制、智能控制技术的融合(模糊控制和变结构控制的融合;神经网络和变结构控制的融合;模糊控制和神经网络控制的融合;智能融合技术还包括基于遗传算法的模糊控制方法)等。
机器人智能控制在理论和应用方面都有较大的进展。在模糊控制方面,J.J.Buckley等人论证了模糊系统的逼近特性,E.H.Mamdan首次将模糊理论用于一台实际机器人。模糊系统在机器人的建模、控制、对柔性臂的控制、模糊补偿控制以及移动机器人路径规划等各个领域都得到了广泛的应用。在机器人神经网络控制方面,CMCA(Cere-bellaModelControllerArticulation)是应用较早的一种控制方法,其最大特点是实时性强,尤其适用于多自由度操作臂的控制。
智能机器人的研究目标并不是完全取代人,复杂的智能机器人系统仅仅依靠计算机来控制是有一定困难的,即使可以做到,也由于缺乏对环境的适应能力而并不实用。智能机器人系统还不能完全排斥人的作用,而是需要借助人机协调来实现系统控制。因此,设计良好的人机接口就成为智能机器人研究的重点问题之一。
人机接口技术是研究如何使人方便自然地与计算机交流。为了实现这一目标,除了最基本的要求机器人控制器有1个友好的、灵活方便的人机界面之外,还要求计算机能够看懂文字、听懂语言、说话表达,甚至能够进行不同语言之间的翻译,而这些功能的实现又依赖于知识表示方法的研究。因此,研究人机接口技术既有巨大的应用价值,又有基础理论意义。人机接口技术已经取得了显著成果,文字识别、语音合成与识别、图像识别与处理、机器翻译等技术已经开始实用化。另外,人机接口装置和交互技术、监控技术、远程操作技术、通讯技术等也是人机接口技术的重要组成部分,其中远程操作技术是一个重要的研究方向。
把一个大任务在几个皮层之间进行分配，这比控制器官给构成系统的每个要素规定必要动作的严格集中的分配合算、经济、有效。在解决重大问题的时候，这样集中化的大脑就会显得过于复杂，不仅脑颅，甚至连人的整个身体都容纳不下。在完成这样或那样的一些复杂动作时，我们通常将其分解成一系列的普遍的小动作（如起来、坐下、迈右脚、迈左脚）。教给小孩各种各样的动作可归结为在小孩的“存储器”中形成并巩固相应的小动作。同样的道理，知觉过程也是如此组织起来的。感性形象——这是听觉、视觉或触觉脉冲的固定序列或组合（马、人），或者是序列和组合二者兼而有之。学习能力是复杂生物系统中组织控制的另一个普遍原则，是对先前并不知道、在相当广泛范围内发生变化的生活环境的适应能力。这种适应能力不仅是整个机体所固有的，而且是机体的单个器官、甚至功能所固有的，这种能力在同一个问题应该解决多次的情况下是不可替代的。可见，适应能力这种现象，在整个生物界的合乎目的的行为中起着极其重要的作用。
人工智能专家指出：计算机不仅应该去做人类指定它做的事，还应该独自以最佳方式去解决许多事情。比如说，核算电费或从事银行业务的普通计算机的全部程序就是准确无误地完成指令表，而某些科研中心的计算机却会“思考”问题。前者运转迅速，但绝无智能；后者储存了比较复杂的程序，计算机里塞满了信息，能模仿人类的许多能力（在某些情况下甚至超过我们人的能力）。
科学家们认为，智能机器人的研发方向是，给机器人装上“大脑芯片”，从而使其智能性更强，在认知学习、自动组织、对模糊信息的综合处理等方面将会前进一大步。
虽然有人表示担忧：这种装有“大脑芯片”的智能机器人将来是否会在智能上超越人类，甚至会对人类造成威胁？但不少科学家认为，这类担心是完全没有必要的。就智能而言，机器人的智商相当于4岁儿童的智商，而机器人的“常识”比起正常成年人就差得更远了。
工业和信息化部、国家发展改革委、财政部等三部委联合印发了《机器人产业发展规划（2016-2020年）》，指出机器人产业发展要推进重大标志性产品率先突破。
在工业机器人领域，聚焦智能生产、智能物流，攻克工业机器人关键技术，提升可操作性和可维护性，重点发展弧焊机器人、真空（洁净）机器人、全自主编程智能工业机器人、人机协作机器人、双臂机器人、重载AGV等6种标志性工业机器人产品，引导我国工业机器人向中高端发展。
在服务机器人领域，重点发展消防救援机器人、手术机器人、智能型公共服务机器人、智能护理机器人等4种标志性产品，推进专业服务机器人实现系列化，个人/家庭服务机器人实现商品化。
智能机器人作为一种包含相当多学科知识的技术，几乎是伴随着人工智能所产生的。而智能机器人在当今社会变得越来越重要，越来越多的领域和岗位都需要智能机器人参与、这使得智能机器人的研究也越来越频繁。虽然我们仍很难在生活中见到智能机器人的影子。但在不久的将来，随着智能机器人技术的不断发展和成熟。随着众多科研人员的不懈努力，智能机器人必将走进千家万户。更好的服务人们的生活，让人们的生活更加舒适和健康。