宏观上，机器人可以主要分为工业机器人、服务机器人和特种机器人。
工业机器人，按照ISO8373，定义为面向工业领域的多关节机械手或多自由度机器人，其主要应用场景包括焊接、喷漆、装配、采集、置物、产品测试等，代替人类进行危险、繁重的工作。在这些应用领域中，对工业机器人提出了高效性、速度性和准确性的要求。具体而言，工业机器人的评价标准主要包括：
自由度：一般为机器人关节数量；
工作包络面：机器人末端活动范围；
载荷：机器人能承受多少物体重量；
速率：机器人能多快使其末端到达指定位置；
加速度：机器人关节的加速度；
准确度：机器人实际位置与目标位置的误差；
再现性：机器人在多次作业中，是否能重现同一行为。
工业机器人起源于1958年，Unimation公司发布的第一台Unimation机器人。Unimation机器人是一台五轴液压驱动机器人用于压铸作业，采用分离式固体数控元件，使用磁鼓储存信息，总共能储存180步工序。整个手臂的控制使用一台计算完成。早期的工业机器人中，日本AMF公司研制的Versatran机器人用于物料运输工作。Versatran也采用液压驱动，机器人手臂可以绕底座回转，沿半径伸缩以及沿垂直方向起降，可进行点位和轨迹控制，是世界上第一种应用于工业生产的机器人。1979年，Unimation公司推出PUMA工业机器人。在上文中已经介绍，PUMA是一种用于装配的机器人，由电机驱动，串联关节结构，多CPU二级控制。并使用专用的VAL语言进行编程控制，还可扩展视觉、触觉等外部传感器。这一时期的机器人往往使用示教再现技术进行动作规划，不具备对周围环境的感知与反制能力。
目前，工业机器人涉及的主要技术包括运动学标定、运动规划、运动控制等。经过近50年的发展，以上技术都已有比较成熟的解决方案。新的挑战主要在于非线性控制、多目标优化、智能化、重载荷、高精度、高速度等技术。为解决以上问题，目前对于工业机器人的研究重点集中在机器人的控制方法、力位混合控制、视觉伺服、主动柔顺控制、协同作业等方向。如今，工业机器人的应用场景逐渐从重复简单动作转变为复杂任务，往往需要工业机器人具备一定的智能化和群体协调能力。
工业机器人的组成部分可以划分为机械部分、传感部分和控制部分，由机械系统、驱动系统、感知系统、交互系统和控制系统所支配。按照机械结构划分，总体上可以将工业机器人划分为串联机器人和并联机器人两类，二者主要区别在于是否一个轴的原点会随着其他轴的运动而变动。早期工业机器人往往采用串联结构，其运动可以使用基于连杆机器人运动学计算得到，但是其逆运动往往因为奇异点等问题难以求解。随着1978年Hunt提出可以使用6自由度并联结构作为机器人操作器，并联机器人逐渐进入历史舞台，相比于串联机器人，并联机器人具有刚度大、微动精度高、运动负荷小的优点，因而适用于工业流水线高精度拾放料作业和装配领域，但由于其工作包络面较小，不适用于末端需要复杂运动的场景，如焊接等。
串联机器人一般由旋转关节驱动构成，伴有少量的平移关节。其中旋转关节一般由电机通过减速器驱动，价格昂贵。目前市面上常用的减速器包括谐波齿轮减速器和RV减速器，后者相较于前者一般具有更好的回转精度和精度保持性。国际机器人减速器的主要供应商包括Harmonic Drive和Nabtesco，国内主要供应商包括苏州绿的谐波传动科技有限公司、山东帅克机械制造股份有限公司、浙江恒丰泰减速机制造有限公司和陕西秦川机械发展股份有限公司等、沈阳新松机器人公司、哈工大机器人工业集团等。
工业机器人的驱动系统可划分为液压驱动、气压驱动和电机驱动。早期工业机器人一般采用液压驱动的方式，如Unimatie和Versatran。液压系统可以输出较大的推力或转矩，可以实际低速大吨位运动。但由于液压驱动存在液体泄漏、噪音大和低速状态下不稳定的特点，如今已较少在工业机器人中使用，只有一些大型重在机器人、并联机器人和一些特殊场景中使用的机器人采用液压驱动。相比于液压驱动，气压驱动具有管路简单、能量损耗小、反应迅速、寿命长、易维护的特点。但由于空气可压缩性大，因而气动系统动作稳定性较差。而且气动系统一般压力较低，不适合做大输出力度和力矩。因此，气压驱动装置往往用于工业机器人的末端执行机构的驱动，如抓手、吸盘等。常见于中小负荷工件的抓取和装配任务中。电机驱动是目前工业机器人主流的驱动方式。使用伺服电机或步进电机作为动力源。其中，直流伺服电机和交流伺服电机用于，一般用于高精度、高速度的工业机器人驱动，采用闭环控制方法。步进电机扭矩大，往往用于精度和速度要求不高的机器人中，采用开环控制即可。对于并联机器人，往往采用直线电机进行驱动。
工业机器人的感知系统一般分为内部感知和外部感知系统。内部感知系统使用压力传感器、接触传感器、旋转编码器等获取机器人各关节的位置、速度、力和力矩等相关机械量。外部传感器则一般通过摄像机、声呐等感知周围环境。由于近年来计算机视觉技术发展迅猛，视觉伺服成为共机器人感知的重要方面。
视觉伺服系统将摄像机捕捉到的视觉信息作为反馈信号，用于调整机器人的位姿，在半岛体和电子行业、质量检测、工件识别、分拣等行业广为应用。
机器人视觉伺服控制分为两类，即三维视觉伺服和二维视觉伺服，后来综合二者优缺点，发展成为2.5维视觉伺服。三维视觉伺服中，通过立体视觉标定，建立摄像机的内外参数，与机器人末端执行器的运动学相配合，即图像雅克比矩阵方法，形成对末端执行器的闭环反馈控制。二维视觉伺服通过对拍摄得到的图像进行特征提取，获得当前末端执行器与目标位置的偏差，再通过控制器对误差进行修正。相较而言，二维视觉伺服对摄像机标定误差具有更强的鲁棒性，但受限于视觉图像雅克比矩阵奇异和陷入局部最优的问题。因而综合两方面考虑，Chaumetie提出2.5维视觉伺服的方法。具体而言，改方法将摄像机平移与旋转的闭环控制解耦，基于图像特征点重构三维物体的方位及成像深度比率，可以一定程度上将图像信息和立体视觉位姿信息相结合，解决了一些奇异性、陷入局部最优的问题，但仍存在解不唯一的问题。
工业机器人的运动规划与生产效率和生产安全密切相关，因而也成为工业机器人研究的重点问题。工业机器人的运动规划方法一般可划分为路径规划和轨迹规划两种。路径规划的目标在于使工业机器人各关节与连杆的运动路径尽量短的同时，保持与障碍物的安全距离。而轨迹规划的目的在于规划出各关节的运动过程，使机器人从初始位置到达目标位置的总时间尽量短，耗能尽量小。轨迹规划在路径规划的基础上加入关节速度与加速度等约束，使得所得轨迹更加平滑，速度更快，可控性更高。
早期的工业机器人一般采用示教再现方法进行路径规划，即通过记录人类操作的路径点在工作中加以复现，从而顺利完成相同的任务，是一种在笛卡尔空间进行路径规划的方法。早期的示教再现方法需要操作员对每个动作进行编程操作，是一件非常繁琐的工作。随着柔顺控制，特别是阻抗/导纳控制的发展，如今的机械臂具有对交互力测量的能力，一定程度上简化了示教再现进行轨迹规划的方法，该方法又称手把手示教。手把手示教可以使用直接推拉的方式控制机械手达到期望位置，而无需计算和编程，并记录坐标点，系统会通过插值方法计算得到每一步的位置和速度从而实现轨迹规划。然而，示教再现方法仍然难以获得最优路径。
相比于在笛卡尔空间，轨迹规划也可以在关节空间进行。常用方法一般为样条函数插值法，并依据平滑性、加速度、加加速度等约束条件优化得到。关节空间路径规划可以避免笛卡尔空间中的奇异性问题，避免大量正逆运动学求解过程。
