【环球网科技综合报道】在2026世界人工智能大会上，具身智能仍是行业关注度最高的赛道之一。当多家人形机器人产品以高动态表演吸引公众目光时，小米机器人仿生操控负责人游洋威却以《进厂手记》为题，分享了团队让人形机器人走进工厂产线的真实探索。
从深耕运动控制算法十年，亲历行业从传统规划控制向大模型驱动的具身智能转型，到推动技术在小米自有工厂落地验证，游洋威和团队的研发轨迹，折射出国内具身智能产业从概念演示向价值落地的务实转向。
技术路线取舍：从单点炫技到场景价值
当前人形机器人领域存在差异化技术方向：一类主打高爆发力的动态表现，被业内称为“运动员型”机器人；另一类则面向真实作业场景，兼顾成本、负载与续航能力。在游洋威看来，两类产品在电机选型、能耗控制、本体设计上各有侧重，“运动员型”机器人虽视觉冲击力强，但用于工业场景的能效比与适配性不足。
“我们的目标是打造能落地、能创造实际价值的机器人，而非只为单点演示打造产品。”游洋威表示，团队从研发初期就锚定工业场景，选择更适配生产作业的技术路线。
大模型的兴起为具身智能拓展了能力边界。在通识理解、任务高层拆解层面，大模型已展现出显著优势，能够识别环境物体、理解自然语言指令并拆分作业步骤。但游洋威坦言，负责认知决策的“大脑”与负责精准执行的“小脑”，二者的深度融合仍是行业共性难题。底层运动控制多依赖仿真环境下的强化学习训练，与大模型的连接机制、数据融合规模目前尚无成熟方案，这也是决定机器人能否从“会回答”走向“会干活”的核心突破点。在他看来，大脑与小脑的协同落地，是当前具身智能领域最具价值的技术攻坚方向。
产线实战试炼：破解工程化落地难题
真实生产场景，是检验机器人技术成色的核心标准。目前小米人形机器人已在自有汽车工厂开展多工站试点，其中螺柱上件工站运行最为成熟：机器人从送钉机取件，放置到旋拧台架对应位置，配合设备完成汽车后底板的螺柱固定。经过持续迭代，该工站作业成功率已从90%提升至98%，持续向量产应用标准靠拢。
除螺柱上件外，团队还拓展了车标贴装、盖板排序、料箱折叠等多个试点场景，覆盖精密操作、大尺寸作业、柔性件处理等不同难度等级。以料箱折叠为例，该工序需要精准控制接触力、指尖灵活操作拉环，同时兼顾双臂协同与作业节拍，目前机器人已可实现连续作业，效率超过非熟练人工，但与熟练工人仍有差距。
“仿真环境里验证成功的算法，放到真实产线往往会遇到各种意料之外的问题。”游洋威介绍，与仿真环境的单一变量不同，真实工厂充满不确定性：料架位置变动、物料状态差异、各类突发异常，都对机器人的泛化能力、环境鲁棒性提出极高要求。工业场景对作业成功率、生产节拍、设备可靠性的硬约束，也倒逼团队从算法、硬件、系统全层面优化产品。
在他看来，人形机器人相比传统工业机械臂的核心优势在于柔性。传统机械臂部署调试成本高，换线适配周期长，而人形机器人可直接适配为人工设计的工位，无需对产线做大规模改造，一台故障可快速替换，新工位只需少量数据微调即可上岗，更适配多品种、小批量的柔性生产需求。同时，工厂的真实运营数据也会反向指导机器人本体设计，比如根据工业场景的负载要求、操作空间尺寸优化参数，避免冗余设计。
数据生态共建：突破产业发展瓶颈
高质量场景数据的匮乏，是当前制约具身智能规模化落地的核心瓶颈之一。游洋威坦言，工厂无法为采集数据专门停工，单独搭建测试场景成本高昂，如何低成本获取足量真实场景数据，是全行业共同面临的挑战。
团队的解题思路是打造具备强泛化能力的基础模型，让机器人像工人一样，具备基础作业能力后，只需通过少量数据微调即可适应新工站。“就像普通人进厂，不需要掌握所有技能，培训半天就能上手特定岗位。”游洋威打比方道。
针对业内“千万Clips数据将催生具身智能关键突破”的判断，游洋威认为这一预期偏乐观，但仍是行业值得努力的方向。他表示，人形机器人的任务复杂度、环境多样性高于自动驾驶，数据量级的临界阈值目前尚未明确，行业仍需在真实场景中持续积累。
开源生态建设被视作破局的重要路径。游洋威表示，开源数据集与模型能够大幅降低研发门槛，吸引更多研究者参与技术攻关，单靠一家企业难以支撑全行业的技术突破。据介绍，小米近期已开源Xiaomi-Robotics-U0具身生成模型，通过生成式方式扩充数据样本，以更低成本提升数据多样性，助力行业共同突破数据瓶颈。
产业长期展望：行稳致远静待价值释放
对于当前国内人形机器人的产业发展阶段，游洋威给出了清晰判断：整体处于类似自动驾驶L2的早期阶段，机器人可在人工看护下完成部分作业，但完全脱离人工监管仍不现实，无论技术成熟度还是普及程度都尚处早期。
针对市场热议的“量产元年”“行业泡沫”话题，他认为，具身智能的长期愿景足够广阔，能够改造的产业场景众多，会持续吸引人才与资源投入，虽可能出现阶段性波动，但长期发展方向确定。对于落地节奏，游洋威明确表示，工厂场景因环境结构化、约束条件清晰、安全规则明确，将先于家庭消费场景实现规模化落地。消费场景的长尾问题更多、安全要求更高，落地周期会更长。
谈及小米的差异化优势，游洋威表示，小米兼具硬件供应链整合能力、大模型技术积累与自有工厂场景资源，能够独立完成“技术研发-场景验证-数据反哺”的闭环迭代，这也是团队能够快速推进工业场景试点的重要基础。
从实验室里一次次调试的行走测试，到产线上一个个工位的稳步落地，人形机器人的产业化之路，正在务实的场景探索中逐步推进。当越来越多企业将研发重心从舞台表演转向产业实处正规手机股票配资论坛，具身智能也将逐步深度融入实体经济，为制造业智能化升级注入新的动力。（心月）
凯丰资本提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
推荐资讯
