自动检测打磨过程中焊缝的打磨终点，监控打磨焊缝的几何变化。对大量实验打磨数据进行端到端处理的深度学习方法可以获得良好的材料去除预测结果.为了提高抛光机器人的精度，张等将声传感与XGBoost算法相结合，对砂带抛光中的材料去除进行预测，平均百分比误差为4.373%。

在预测打磨过程中的材料去除时，基于模型的方法主要关注打磨过程中的基本参数；因此，基于模型的方法产生高精度的材料去除结果。然而，许多因素影响打磨材料的预测。以神经网络为代表的数据驱动方法为处理和分析提供了解决方案。

二维图像信息集中在平面上，机器人打磨提供的深度信息不准确。因此，更的2.5D信息具有表示3D对象的优势，从而提高可靠识别的机会.

2008年，维尔马提出了一个2.5维加工特征识别系统。它用于筛选出2.5D零件特征，以确定加工方向.2009年，Siebert等人将2D SIFT算法扩展到2.5D进行应用;所提出的算法可以利用3D旋转不变性的局部特征直接进行匹配。张雨薇等人提出了一种从2.5D浅浮雕重建基本3D形状的方法，并通过法线传递和泊松表面重建来优化人脸形状.张等人构造了一个2.5D的高度场用于人像浮雕，以增像的外观，并将2.5D技术应用于人像浮雕的处理。该技术也可以应用于人像浮雕的表面打磨。

目前，有两个10英尺直径的工作台用于零件，由第三个工作台支持，该工作台可以将工作引入和引出机器人的工作范围。所有三个工作台都由闭环液压致动器独立控制。工作台多可支撑四个零件，每个零件重达3，750磅。主桌具有相当大的额外容量，可支撑多达15，000磅的工作。工作台系统依靠多个液压缸，因此它是水平和均匀支撑的。

机器人打磨通过增加能够相对自由地在零件内部操作的灵活性而大大超越了5轴加工。清理铸件的内表面相对容易，因为机器人可以从任何一侧进入内部。

SET机器人打磨中心将CAD、CAM、视觉、称重传感器、主轴驱动和机器人结合成一个优雅的、高生产率的工作单元，解决了许多应用问题。新解决方案的经济效益引起了几家大公司的注意，它们表示有兴趣根据自己的要求测试该系统