工业机器人自动生成轨迹的方法主要包括以下几种：
1. 基于视觉的轨迹生成方法：这种方法主要依赖于机器人的摄像头或其他传感器来获取环境信息，然后通过图像处理和模式识别技术来生成轨迹。例如，可以使用计算机视觉算法来检测目标物体的位置和运动状态，然后根据这些信息来生成机器人的运动轨迹。
2. 基于机器学习的轨迹生成方法：这种方法主要依赖于机器学习算法来预测机器人的运动轨迹。例如，可以使用深度学习模型来训练机器人的运动轨迹预测模型，然后根据输入的目标位置和速度等信息来生成相应的运动轨迹。
3. 基于控制理论的轨迹生成方法：这种方法主要依赖于控制理论来设计机器人的运动轨迹。例如，可以使用PID控制器来实现机器人的运动轨迹控制，然后根据输入的目标位置和速度等信息来调整控制器的参数，从而生成相应的运动轨迹。
4. 基于优化算法的轨迹生成方法：这种方法主要依赖于优化算法来求解机器人的运动轨迹问题。例如，可以使用遗传算法、粒子群优化算法等来求解机器人的运动轨迹优化问题，然后根据求解结果来生成相应的运动轨迹。
5. 基于模糊逻辑的轨迹生成方法：这种方法主要依赖于模糊逻辑来处理机器人的运动轨迹不确定性问题。例如，可以使用模糊逻辑控制器来实现机器人的运动轨迹控制，然后根据输入的目标位置和速度等信息来调整控制器的参数，从而生成相应的运动轨迹。
6. 基于神经网络的轨迹生成方法：这种方法主要依赖于神经网络来处理机器人的运动轨迹非线性问题。例如，可以使用卷积神经网络、循环神经网络等来处理机器人的运动轨迹特征提取问题，然后根据提取的特征来生成相应的运动轨迹。
总之，工业机器人自动生成轨迹的方法有很多种，每种方法都有其优缺点和适用场景。在实际工程应用中，可以根据具体的需求和条件来选择合适的轨迹生成方法。
