来源：环球网

【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，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）