随着物联网的快速发展以及数据处理2.0时代的来临，边缘计算很快成为了广受追捧的热门技术。IDC数据显示，未来超过50%的数据需要在网络边缘侧分析、处理和存储，边缘计算市场规模将超万亿，成为与云计算平分秋色的新兴市场。
人工智能浪潮的来袭之后，边缘计算+ AI也逐渐成为了市场的热门话题。在工业自动化领域，机器需要传感器提供必要的信息，以正确执行相关的操作。机器人已经开始应用大量的传感器以提高适应能力。机器人自动化一直以来都是制造业的革命性技术，将AI集成到机器人中显然将在未来数年中使机器人技术产生巨大变化。
正如德州仪器全球工业系统部门系统和应用经理Matthieu Chevrier所说：“无论是传统的工业机器人系统，还是协作机器人，它们都要依靠可生成大量高度可变数据的传感器。这些数据有助于构建更佳的机器学习（ML）和人工智能（AI）模型。而机器人依靠这些模型变得“自主”，可在动态的现实环境中做出实时决策和导航。”
举例来说，在工作场所设立协作机器人，与人进行密切协作。它需要使用来自近场传感器及视觉传感器的数据，来确保它在成功防止人类受到伤害的同时，支持人类完成对于他们来说有难度的活动。所有这些数据都需要实时处理，但是云的速度达不到协作机器人需要的实时、低延时响应。要攻克这个瓶颈，人们把当今先进的AI系统发展到了边缘领域，即机器人意味着存在于边缘设备中。
协作机器人制造者必须在机器人系统中实施高水平的环境感应和冗余，以便快速探测和防止可能的冲突。集成式传感器与控制单元连接，将可传感机器人臂与人或其他对象的迫在眉睫的冲突，控制单元将立即关闭机器人。如果任何传感器或其电子电路故障，机器人也将关闭。
又比如物流机器人，这些机器人通常在特定环境中移动，需要传感器进行定位、绘图和防止冲突（特别是与人的冲突）。超声波、红外线和LIDAR感应目前都是已投入应用的技术。鉴于机器人的移动性，位于其内部的控制单元一般是通过无线方式与中央远程控制通信。物流机器人目前已采用的先进技术，包括ML逻辑、人机协作及环境分析技术等。
随着机器人技术的发展，互补传感器技术也在发展。这些互补传感器技术与人类的五种感官非常相似，在将机器人系统部署到不断变化和不受控制的环境中时，结合不同的传感技术可以提供最佳结果，即使是机器人执行的最简单的任务也将取决于3D机器视觉来将数据馈送到AI技术中。若未能够重建3D图像的机器视觉，且AI将该视觉信息转换成机器人方面的成功动作，则在没有预定位置和运动的情况下抓住对象不可能实现。
当今用于支持机器人中AI的最流行和最相关的传感器技术包括飞行时间(ToF)光学传感器、温度和湿度传感器、超声波传感器、震动传感器、毫米波传感器等。
虽然在工厂车间里人类仍然执行大部分任务，但机器人将适应人类工作、提高自动化程度。为实现这一目标，他们需要配备更多的AI功能，以实时识别和适应各类情况，这只有在AI处在最前沿时才有可能实现。
