这些工业机器人能够承受高水平的灰尘、颗粒和碎片而不会失效。人类工人在完成打磨工作时冒着安全风险，因为吸入有毒化学物质或接触其他碎片会导致短期和长期的健康影响。工人受伤会导致生产延迟，从而增加成本和时间。与工人不同，机器人可以昼夜不停地工作，不需要休息，也没有受伤的风险。打磨机器人进一步减少周期时间每分钟能够移除几立方毫米的材料，这一速度比人类工人快得多。

打磨机器人为制造商的生产线提供了更大的灵活性。这些机器人不仅能够完成打磨应用，还能够完成其他应用，如材料搬运。事实上，随着刀具更换器像机器人一样的机器人安川MH-50可以表演物料输送和抛光应用，例如打磨，都在同一个工作单元内进行。这为公司节省了劳动力成本，因为同一个机器人可以执行与多个应用程序相关的工作。

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。

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