在实际打磨中，刀具和工件不是单点接触，而是区域接触，这与普雷斯顿的假设不符。使用经典普雷斯顿假设的计算将导致对材料去除的不准确估计.为此，王等基于赫兹接触理论和局域打磨模型，进一步预测了机器人砂带打磨的切削深度并发现当切削深度约为0.3 mm时，预测误差小于3.1%。与简化的赫兹理论模型相比，考虑接触弹性变形后，朱等人提出的材料去除模型的均方根值和平均百分误差分别从2.401降低到1.725和18.426降低到14.942%。由于人工智能的广泛使用，已经提出了许多基于数据驱动的材料去除预测的方法来解决材料去除预测问题。

所获得的图像数据受到材料和环境的严重影响。基于2.5D局部特征信息的打磨方法采用基于传感装置的特征识别算法和深度预估方法相结合，实现基于部分深度信息的打磨深度；但是深度信息不准确，特征识别需要多次设置。基于设计模型和三维点云对比打磨方法，可以使用激光传感器和配准算法获得具有三维信息的三维点云数据，从而为路径规划提供准确的信息。

表1说明工业机器人在加工大型零件方面有优势。与数控机床相比，机械臂在成本方面表现较好，空间大，灵活性好，但进给的一致性较差。大型或轻型工件的机器人加工难以实现自动化，串联结构刚度低，导致加工过程稳定性差。因此，并联打磨机器人具有很大的发展潜力。

丹佛斯VLT驱动器用于控制感应主轴电机，转速高达12，000 rpm。VFD能够以足够的动态响应进行速度和扭矩调节，以优化打磨过程。该驱动器甚至能够执行1/32英寸主轴定向循环。旋转位置，以便机器人可以拾取打磨加工范围所需的几个砂轮中的一个。

打磨复杂金属铸件困难的一个方面是确定零件的方向，并为机床创建一个原始位置参考。SET机器人打磨中心以的方式处理这个问题。

准备打磨的零件被夹在一个大型旋转台上，该旋转台可以像装载机/卸载机一样进行索引，使机器人可以根据尺寸一次访问2或4个零件。零件以镜像固定——这简化了机器人打磨路径的编程。工作单元中的多个零件还有助于确保高操作效率，从而大限度地提高生产率。