为了弥补传统打磨方法的不足，提高铸件的打磨效率和精度，研究人员在判断和预测方面结合了智能传感装置和人工智能算法。主要成果包括基于图像视觉的打磨方法、激光传感、数据驱动的打磨预测、2.5D局部特征信息、设计模型与3D点云的比较等。

手工打磨可以根据实际情况，其中一道工序完成后需要进行观察和测量，实时对比图纸和尺寸后调整后续打磨策略。随着机器视觉的广泛应用，可以实现仿人打磨策略的实时反馈和智能规划。在人工智能技术的支持下，视觉传感器在广泛的智能应用中得到了应用，对促进打磨过程的改进起到了积极的作用.视觉传感器具有非接触检测、精度高、重复性强、速度快、稳定性好、成本低等优点

在视觉识别过程中，打磨环境复杂，适应性好、精度高的传感设备是重点突破方向。传感设备需要准确感知工件的位置和形状等信息。感知后，可以使用高精度的匹配视觉算法。迫切需要改进登记工作。

高速打磨系统需要恒定打磨接触力的反馈控制。打磨力的高精度控制对于复杂零件打磨表面的一致性非常重要。恒力机构在打磨领域的应用为打磨力的控制提供了新的研究思路。

在打磨过程中，材料的去除量直接影响打磨精度。为了获得去除材料量的估计，需要离线测量来建立预测模型。目前，预测模型精度低，对环境影响严重。一个能够准确预测材料去除的模型可以在打磨材料去除过程中获得更高的效率和精度

机器人打磨由于其灵活性、智能性和成本效率，尤其是与当前主流制造模式相比，被认为是实现复杂零件和智能加工的替代方案。在过去的一、二十年里，机器人打磨技术的发展呈现出两个:一个旨在解决小尺寸复杂曲面的精密加工问题，另一个强调大尺寸复杂结构的加工。为了实现这两种不同类型复杂零件的智能打磨，研究人员试图关键技术，开发相应的加工系统。本文的目的是对复杂零件的机器人打磨的各个方面进行系统的、批判性的和的综述，特别是集中在三个研究目标上。