工业领域的空间安全

author: 周均扬

date: 2026.06.29

工业领域的空间安全（Industrial Spatial Safety）正在从传统的”人员防护”快速发展到”数字空间+物理空间+智能空间”融合安全阶段。随着AI、机器人、数字孪生、5G、工业互联网、视觉AI、多机器人协同等技术的发展，空间安全已经成为未来智能工厂（Smart Factory）的核心能力之一。

从国际发展趋势来看，其目标已经不仅是”防止人员进入危险区域”，而是构建 可感知（Perception）→可预测（Prediction）→可决策（Decision）→可控制（Control）→可追溯（Traceability） 的闭环空间安全体系。

1. 工业空间安全的发展现状

目前主要经历了五个阶段。

当前国际主流企业包括：

• Siemens
• ABB
• Rockwell Automation
• Bosch Rexroth
• Omron
• SICK AG
• Keyence

主要聚焦：

• Safety PLC
• Safety Robot
• Safe Motion
• Collaborative Robot
• AI Vision Safety
• Digital Twin Safety

但整体仍然偏”设备级”，真正实现工厂级空间智能安全的案例仍较少。

2. 当前存在的主要问题

1. 感知碎片化（Perception Fragmentation）

不同设备彼此独立：

Camera/LiDAR/Radar/PLC/AGV/Robot -> 各自独立报警

问题：

• 数据不能融合
• 无统一坐标系
• 无统一空间模型

例如：

• 机器人不知道人在哪里；
• AGV不知道叉车在哪里；
• MES不知道危险区域是否有人。

2. 二维安全，缺乏三维空间理解

目前绝大多数系统：

Camera -> Bounding Box -> 报警

不能回答：

这个人：

• 是否进入危险空间？
• 是否靠近机器人工作半径？
• 是否位于吊装物下方？
• 是否遮挡激光扫描器？

缺少真正的3D Occupancy Map。

3. 缺乏动态风险预测

目前：”发现危险 -> 报警 -> 停机” 属于事后响应。不能提前预测：

例如：

AGV：未来3秒是否会与叉车发生碰撞？

机器人：未来2秒是否会与人员轨迹交叉？

这是目前最大的痛点之一。

4. 各安全系统彼此孤立

例如：

安全门 -> Safety PLC -> 机器人停止

与此同时： Camera：不知道；

MES：不知道；

SCADA：不知道；

Digital Twin：不知道。

导致：整个工厂没有统一安全状态。

5. 缺乏空间语义

AI知道：

Person

Forklift

Robot

但不知道：

Person -> 维修人员 -> 授权进入

或者：

Visitor ->禁止进入

缺乏： Semantic Space。

6. 无法进行空间推理（Spatial Reasoning）

例如：

AI无法回答：”这个维修人员是否正在进入机器人维护区域？”

也无法回答：”未来5秒是否可能发生碰撞？”

更无法回答：”为什么报警？”

7. 数据孤岛

Camera -> 视频

LiDAR -> 点云

PLC -> IO

MES ->订单

ERP ->人员信息

这些数据几乎没有真正融合。

3. 行业痛点总结

可以归纳为七个核心问题。

不会看 -> 不会理解 -> 不会预测 -> 不会推理 -> 不会协同 -> 不会学习 -> 不会闭环

或者表示为：

Perception -> Understanding -> Prediction -> Reasoning -> Coordination -> Learning -> Execution

这是目前工业安全最大的Research Gap。

4. 未来解决方案——Industrial Spatial Safety OS

建议构建统一的空间安全操作系统（Industrial Spatial Safety OS）。

整体架构如下：

                   Safety Copilot
               (LLM / VLM / Agent)

                       │
──────────────────────────────────────────
          Spatial Decision Engine
──────────────────────────────────────────

 Risk Prediction
 Path Planning
 Space Reasoning
 Policy Engine

──────────────────────────────────────────
         Space Knowledge Graph
──────────────────────────────────────────

Person
Robot
AGV
Forklift
Tool
Zone
Process

──────────────────────────────────────────
          Digital Twin Engine
──────────────────────────────────────────

3D Factory

Occupancy Map

World Model

──────────────────────────────────────────
          Multi-Sensor Fusion
──────────────────────────────────────────

Camera
LiDAR
Radar
RTLS
PLC
IoT

──────────────────────────────────────────
             Device Layer
──────────────────────────────────────────

Robot
AGV
PLC
Safety IO

5. 关键技术路线

建议分六层建设。

第一层：空间感知层（Spatial Perception）

融合：

• RGB Camera
• Stereo Camera
• LiDAR
• Radar
• UWB
• BLE
• RTLS
• IMU
• PLC

输出：统一World Coordinate。

第二层：空间建图（Spatial Mapping）

建立：

3D Factory -> Occupancy Map -> Semantic Map -> Navigation Map

核心：Space Graph。

第三层：空间理解（Spatial Understanding）

包括：

人体 -> 姿态 -> 轨迹 -> 行为 ->风险等级

同时理解：

• 机器人状态

• AGV状态

• 设备状态

• 区域状态

第四层：空间预测（Spatial Prediction）

预测未来：

• 1秒
• 3秒
• 5秒
• 10秒

包括：

• 人员轨迹；
• 机器人轨迹；
• AGV轨迹；
• 吊车轨迹；
• 物料轨迹。

采用：

• Transformer

• Trajectory Prediction

• Graph Neural Network

• Occupancy Forecast

第五层：空间推理（Spatial Reasoning）

建立：

Knowledge Graph + World Model + VLM + LLM ->Reasoning

例如：

人员 -> 是否授权？ -> 危险等级？ -> 设备状态？ -> 维修状态？ -> 是否允许进入？

形成真正的：Industrial Safety Agent。

第六层：空间执行（Closed-loop Safety）

AI直接控制：

PLC -> Robot -> AGV ->  Light -> Alarm -> Safety IO

形成：

感知 -> 预测 -> 推理 -> 控制 -> 反馈 -> 学习

6. 实施路径（Roadmap）

建议采用四阶段演进策略：

7. 未来研究方向（Research Gaps）

结合当前工业AI和智能制造的发展，未来值得重点突破的方向包括：

1. 多模态空间世界模型（Industrial World Model）：融合视觉、点云、设备状态、工艺流程，形成统一的工业空间表示。
2. 工业空间知识图谱（Industrial Spatial Knowledge Graph）：建立人员、设备、工艺、区域之间的语义关系，实现上下文感知。
3. 可解释空间推理（Explainable Spatial Reasoning）：不仅给出风险结论，还能解释”为什么存在风险”及”如何消除风险”。
4. 多智能体安全协同（Multi-Agent Safety Coordination）：机器人、AGV、无人叉车、固定设备之间形成协同安全机制。
5. 自主学习安全策略（Adaptive Safety Policy Learning）：根据历史事件和现场变化持续优化安全策略，而非依赖静态规则。
6. 可信工业AI安全（Trustworthy Industrial AI Safety）：围绕可靠性、鲁棒性、可验证性和功能安全，构建满足工业场景要求的AI安全体系。

总结

工业空间安全正从“设备级安全（Device-centric Safety）”演进到“空间级智能安全（Space-centric Intelligent Safety）”。未来的核心竞争力不再只是增加更多传感器，而是建立一个统一的Industrial Spatial Safety OS，实现多源感知融合、三维空间理解、风险预测、语义推理和自主闭环控制。

“工业空间安全框架”