在石器时代，石磨主要用来制作各种刀、石斧和其他工具。在青铜时代，中国作为早采用铜冶炼的国家，掌握了先进的铸造后处理技术。锉刀用于弥补铸造缺陷，使铸件表面光滑，并使和工具更加锋利和抛光.进入铁器时代后，出现了旋转式磨具，为后续的机械打磨提供了参考。随着铁器和旋转工具的出现，以及蒸汽机出现后次工业革命的到来，制造材料主要是铸铁。虽然铸造产品发生了变化，但打磨方法仍然采用手工打磨。西门子在1866年开发了发电机，为机械打磨提供了技术支持。1914年，美国3M公司开发的砂纸产生了一种用于铸件后处理的新打磨工具。发展随后进入铸件后处理中人工与机械打磨相结合的时期，一直延续至今。

为了弥补传统打磨方法的不足，提高铸件的打磨效率和精度，研究人员在判断和预测方面结合了智能传感装置和人工智能算法。主要成果包括基于图像视觉的打磨方法、激光传感、数据驱动的打磨预测、2.5D局部特征信息、设计模型与3D点云的比较等。

手工打磨可以根据实际情况，其中一道工序完成后需要进行观察和测量，实时对比图纸和尺寸后调整后续打磨策略。随着机器视觉的广泛应用，可以实现仿人打磨策略的实时反馈和智能规划。在人工智能技术的支持下，视觉传感器在广泛的智能应用中得到了应用，对促进打磨过程的改进起到了积极的作用.视觉传感器具有非接触检测、精度高、重复性强、速度快、稳定性好、成本低等优点

自动检测打磨过程中焊缝的打磨终点，监控打磨焊缝的几何变化。对大量实验打磨数据进行端到端处理的深度学习方法可以获得良好的材料去除预测结果.为了提高抛光机器人的精度，张等将声传感与XGBoost算法相结合，对砂带抛光中的材料去除进行预测，平均百分比误差为4.373%。

在预测打磨过程中的材料去除时，基于模型的方法主要关注打磨过程中的基本参数；因此，基于模型的方法产生高精度的材料去除结果。然而，许多因素影响打磨材料的预测。以神经网络为代表的数据驱动方法为处理和分析提供了解决方案。