利用自身高速高精度的特点，协作机器人通过模仿人的创造性复杂动作来提高生产效率。当前协作机器人对人动作的模仿主要来自部署人员的长期调试，缺少通用的解决方案，无法快速部署。基于此，提出了一种无锚的基于RepVGG网络的孪生网络协作机器人目标跟踪算法。该算法由孪生网络模块、分类回归模块和机器人执行模块组成。孪生网络模块使用改进的RepVGG网络代替主流的ResNet作为骨干网络用于图片特征的提取，在不损失精度的前提下提高整个网络的运行速度，降低算法对硬件的要求，对专用深度学习芯片更加友好；分类回归模块通过引入中心度分支来提高跟踪框的中心点预测精度；机器人执行模块采用尺度惩罚和宽高比惩罚以平滑跟踪框，保证协作机器人的动作流畅。实验结果表明,平均速率相比替代ResNet骨干网络前提高了14 FPS，实现了实时跟踪的效果。
