自2015年“中国制造2025" 战略提出以来，国内外类似的装备智能化的概念很多，大家主要关心的是信息化与传统制造业结合所行生出来制造业转型升级的机会，大家把这次机会认为是制造业的智能化开级，并把它的重要性等同于第四次工业革命。

有关智能制造的分类方法和解读体系很多，总体看般从技术逻辑上，将智能制造或者说智能化的工业场景分为三大环节:环境感知、行为决策、运动执行控制。

其中环境感知主要是通过各种传感器获取环境实时数据，并对数据进行初步分析判断，比如无人驾驶的各种感知传感器，智能识别摄像头、毫米波雷达，激光雷达、超声波传感器等，机器人场景的多维力传感器、多维力传感器、振动传感器、工业摄像头等。

行为决策环节主要是获得环境信息后做行为的决策判断，如无人驾驶里面的决策环节，得到交通工况数据后，判断分析，告诉车要执行什么动作。运动控制环节主要是主机通过自身的动力系统执行具体动作。

环境感知和行为决策是近些年随着智能

化的升级衍生出来的新机会，运动控制偏主机的内部控制，相对比较成熟，但也有为适应智能化的方向衍生出的新的技术需求。执行环节之前的设备已经做的不错，感如和决策环节随着技术进步，机会越来越多。

通常采用试验设计获得科学的加载载荷表，利用回归分析得到相关或独立变量之间的函数关系。最终所获得的校准矩阵很大程度上取决于载荷表和回归分析方法。成熟的测力实验室都有自己的一套标准和程序来获得并处理这些数据，有时具体从事校准工作的人可能并不知道校准流程背后所发生的数据计算过程。

上个世纪40年代，一些加载方法和载荷表就开始应用于多分量天平的校准过程。 NASA兰利研究中心 应用的是单元载荷表,很多机构目前仍然还在使用这种加载方式。对于六自由度校准设备，OFAT方法从施加纯净的单分量载荷开始，然后再施加15组组合载荷, 可能大约需要6至8周时间。然而对于四自由度的校准设备很多组合载荷无法实现，加载点数被大大减少了

为了提高校准效率，德国达姆施塔特工业大学的Ewald等研制了全自动校准系统.多维力传感器系统大大提高了校准的加载效率，但是该校准设备方案实现起来很复杂，由于采用了力发生器和力传感器的组合来进行校准，加载的方向性、系统误差等很大程度上取决于各种传感器，因此从某种程度上增加了系统误差。目前ETW采用了这种校准系统，在代校准系统的基础上进行了很多改进。