的诞生是一个里程碑事件，其经历了从示教/再现（teaching/playback）阶段到传感控制（sensory controlled）阶段的历程。但是，目前绝大多数的灵活性只能达到“反复编程”的程度，其所要求的工作环境相对来说是特定的。我们在许多汽车企业的生产装配线上都可以见到这类工业机器人，但我们习惯称其为操作手（manipulator），而不是机器人，或许在潜意识里，我们觉得机器人应该具有更高的智慧。
“操作手”这一称谓折射出机器相比人类自身存在两个缺陷。其一，机器相较于人类，缺乏复杂环境下的“分析判断”能力。在机械自动化时代，机器的工作开始于人类对机器的启动，停止于人类对机器的关闭，且工作中无论情况如何变化都只能依照其预先设置和机械结构进行工作，不能变通以应对不同局面。其二，与人类相比，机器还不具备数据和经验的存储与调用能力，机械自动化时代没有条件使机器存储工作数据，更加不具备调用的能力。
认识到这些不完美，科学家对机器进行改进研发时，总是希望机器能够尽可能具备人脑的部分能力，即“令机器具备思考的能力”，这一想法最终导致人工智能技术和理论的萌芽。20世纪40年代，美国学者诺伯 特·维纳在《控制论——关于在动物和机器中控制和通信的科学》一书中提出：“控制论可以看作一门研究机器、生命社会中控制和通信的一般规律的科学，是研究动态系统在变化的环境条件下如何保持平衡状态或稳定状态的科学”。但受限于当时社会的发展条件，对于机器设备而言，机械自动化仍然是主流，昂贵的价格和低下的性能让电子自动化在当时难以产业化，因此维纳的控制论没有办法得到充分发挥和验证。
随着技术的发展，大规模和超大规模集成电路等的出现与广泛为验证维纳的控制论架设了理论与实践之间的桥梁。首先，大规模集成电路的超强运算能力使支持控制论等相关人工智能理论的决策机制、思维方式与运算方法具备现实可行性，从而使“控制论”中的“分析比较”一环得到很大程度的提升和解决。
其次，大规模集成电路也令各种传感器的性能得到显著提升，例如小型化、高精度的光电探测系统和雷达传感器等纷纷问世，使人工智能获取外界信息与态势方面的能力显著提高，增强了判断的准确性；然后，随着大规模集成电路的发展，新式的存储介质也逐步替代了旧式的光电物理性质的存储介质，存储能力的提高使机器自学习以及信息的大量调用与使用成为可能。
最终，机器人开始从传感控制阶段向智能化阶段跃进，移动机器人特别是自主式移动机器人成为机器人研究领域的潮流和热点。
