智能机器人与工业机器人的根本区别在于，智能机器人具有感知功能与识别、判断及规划功能。因此机器的智能分为两个层次:一是具有感觉、识别、理解和判断功能;另一个是具有总结经验和学习的功能。
智能机器人随着用途不同，系统结构、功能千差万别，这里仅就工业智能机器人的基本结构和智能特征做介绍。
这里我们主要介绍智能感知系统、智能控制系统和通信系统。
1.外部环境智能感知系统
工业智能机器人比较显著的智能特征是对内和对外的感知能力。外部环境智能感知系统由一系列外部传感信息(包括视觉、听觉、触觉、接近觉、力觉和红外、超声及激光等）进行传感信息处理、实现控制与操作的能力。
这些传感器包括:碰撞传感器、远红外传感器、光敏传感器、麦克风、光电编码器、热释电传感器、超声传感器、连续测距红外传感器、数字指南针、温度传感器等。
2.内部智能感知系统
用来检测机器人本身状态的传感器。包括实时监测机器人各运动部件的各个坐标的位置、速度、加速度、压力和轨迹等，监测各个部件的受力、平衡、温度等。
3.多传感器融合系统
系统中使用的传感器种类和数量越来越多，每种传感器都有一定的使用条件和感知范围，并且又能给出环境或对象的部分或整个侧面的信息。为了有效地利用这些传感器信息，需要采用某种形式对传感器信息进行综合、融合处理，不同类型信息的多种形式的处理系统就是传感器融合。传感器的融合技术涉及神经网络、知识工程、模糊理论等信息、检测、控制领域的新理论和新方法。
4.智能控制系统
智能控制系统的任务是根据机器人的作业指令程序及从外部、内部传感器反馈回来的信号，经过知识库和专家系统去辨识、应用不同的算法、分析、决策，发出控制指令，支配机器人的执行机构去完成规定的运动和功能。
如果机器人不具备信息反馈特征，则为开环控制系统;具备信息反馈特征，则为闭环控制系统。根据控制原理可分为程序控制系统、适应性控制系统和人工智能控制系统。根据控制运动的形式可分为点位控制和连续轨迹控制。
如何分析处理这些信息并做出正确的控制决策，这需要专家系统的支持。专家系统解释从传感器采集的数据，推导出机器人状态描述，从给定的状态推导并预测可能出现的结果，通过运行状态的评价，诊断出系统可能出现的故障。
按照系统设计的目标和约束条件，规划设计出一系列的行动，监视所得的结果与计划的差异，提出解决系统正确运行的方法。人工智能系统与传统控制方法相结合，完成整个闭环控制过程。这里需要大量的知识、规则、算法、模式识别等技术的支持。
5.机器人的学习能力
随着对机器人需求的不断提高，机器人所面临的环境通常无法预知，非结构化环境成为主流。在动态多变的复杂环境中，机器人如果要完成复杂的任务，其学习能力就显得非常重要了。
在这种情况下，机器人应当根据所面临的外部环境和任务，通过学习不断地调节自身，在与环境交互的过程中抽取有用的信息，使之逐渐认识和适应环境。通过学习可以不断提高机器人的智能水平，使其能够应对一些意想不到的情况，从而弥补设计人员在设计过程中可能存在的不足。
因此，学习能力是机器人系统中应该具备的重要能力之一，它为在复杂多变环境下机器人的环境理解规划与决策等行为提供了有效保障，从而改善整个机器人系统的运行效率。
6.接入工业互联网的能力
智能机器人和所有智能产品一样，未来都要成为工业互联网的一个终端，因此智能机器人要具有接入工业互联网的能力。
用信息物理融合系统CPS的原理，构建通信模块，对内与智能控制系统集成，采集机器人的所有运行状态，对外通过标准现场总线和以太网卡接入互联网，实现机器人之间，机器人与物流系统、其他应用系统之间的集成，实现物理世界与信息世界之间的集成。
智能物联系统打破传统物理世界和信息系统的界限，将数据变成及时而有用的信息，让用户充分享用虚拟和现实世界的各种资源。
