從它石智航的世界紀錄里，我看到了具身大模型落地干活的希望

具身機器人，終于能干“細活”了。

作者丨高景輝

編輯丨馬曉寧

今年上海AWE展會的現(xiàn)場，最火的關(guān)鍵詞莫過于“機器人”。無論是人形機器人跳舞、搏擊，還是四足機器人爬坡、越障，都賺足了現(xiàn)場觀眾的目光。

但與一眾靠表演出圈的機器人展位不同，它石智航在展臺現(xiàn)場有一場別開生面的儀式——3月12日上午，吉尼斯世界紀錄認證官在它石智航展位，為其頒發(fā)了“機器人在一小時內(nèi)裝配亞毫米級線束最多次數(shù)”的吉尼斯世界紀錄證書。

在3月10日，它石A1機器人在1小時內(nèi)，完成了超百次0.5mm2的精細柔性線束完整裝配任務(wù)，最終以超過挑戰(zhàn)要求次數(shù)50%以上的最終成績，拿下了這項中國具身智能在工業(yè)精密操作領(lǐng)域的首個吉尼斯世界紀錄。

這項挑戰(zhàn)，素來被稱作工業(yè)自動化界的 “哥德巴赫猜想”，需要攻克柔性線束易變形難建模、亞毫米級接口對位精度要求嚴苛、插拔力控容錯率極低、長時重復(fù)作業(yè)穩(wěn)定性難保障等多個長期困擾行業(yè)的難題。

而它石智航之所以能挑戰(zhàn)成功，主要歸功于它石自研的通用具身大模型「AWE3.0」。該模型的能力具有“走出溫室、落地干活、通用泛化”的特點，在亞毫米級精度操作、柔性物體感知控制、長程任務(wù)穩(wěn)定執(zhí)行、跨場景遷移等方面都實現(xiàn)了突破。

這意味著，這項世界紀錄的誕生不是一次偶然，而是技術(shù)進步下的必然，同時也揭示了一項令人興奮的事實：具身機器人面向真實產(chǎn)業(yè)場景的 “干活” 能力，終于迎來了里程碑式的突破。

01

工業(yè)自動化界哥德巴赫猜想，被它石解決了

過去幾年，大眾對機器人的認知，大多來自各類出圈的名場面：能完成高難度跑酷、整齊舞蹈的人形機器人，能爬樓梯、翻越障礙的四足機器人……這些令人驚嘆的表現(xiàn)，本質(zhì)上考驗的都是機器人的“l(fā)ocomotion（運動）”能力。

運動能力的核心，是機器人對自身硬件結(jié)構(gòu)的精準控制，哪怕是動態(tài)環(huán)境下的避障與動作調(diào)整，本質(zhì)上也是對自身運動軌跡的優(yōu)化，大多基于預(yù)設(shè)的動作模型與場景邊界完成優(yōu)化。但對工業(yè)場景而言，真正能轉(zhuǎn)化為生產(chǎn)力的，是“manipulation（操作）”能力。

這兩種能力的難度有著本質(zhì)區(qū)別。如果說運動能力是機器人“管好自己的身體”，那操作能力就是讓機器人“改變外部世界”，后者需要的技術(shù)遠比前者復(fù)雜，就像行走對于絕大多數(shù)動物都很簡單，但能使用工具的只有靈長類等少數(shù)幾個物種。

這也是為什么，當前已經(jīng)實現(xiàn)規(guī)模化落地的工業(yè)機器人，大多只能完成碼垛、上下料等簡單的剛性物體操作，面對需要精細控制、柔性適配的復(fù)雜工序，始終難以突破。而線束裝配，正是工業(yè)自動化領(lǐng)域公認最難啃的硬骨頭之一，甚至被稱作工業(yè)自動化界的 “哥德巴赫猜想”。

什么是線束裝配？通俗來說，就是工業(yè)場景里的“極限穿針引線”。機器人需要拿取極易變形的柔性線束，將插頭精準穿過端子，再插入間隙同樣為亞毫米級的對應(yīng)接口中，全程必須滿足嚴苛的精度與力控要求，才算一次有效裝配。

對工業(yè)生產(chǎn)而言，這是一道繞不開的剛需工序——小到手機、電腦等 3C 產(chǎn)品，大到汽車、飛機、高鐵，幾乎所有帶電的工業(yè)產(chǎn)品，都離不開線束裝配。

但就是這道基礎(chǔ)工序，長期以來幾乎完全依賴人工，因為其背后的技術(shù)難點，幾乎戳中了傳統(tǒng)工業(yè)機器人的所有能力盲區(qū)。

首先是柔性物體的不可控性，線束沒有固定形態(tài)，拿取、移動過程中隨時會發(fā)生彎曲、扭轉(zhuǎn)，無法像剛性零件一樣精準建模，傳統(tǒng)機器人根本無法預(yù)判和應(yīng)對這種隨機形變。其次是亞毫米級的極致精度要求，接口間隙達到亞毫米級，需要視覺定位、力覺感知、軌跡規(guī)劃實現(xiàn)微米級的協(xié)同，稍有偏差就會導(dǎo)致裝配失敗，甚至損壞元器件。

同時，這項工序?qū)α氐钠胶庖髽O高，插拔過程中，力度過小無法完成裝配，力度過大則會撞壞端子，必須在極窄的范圍內(nèi)實現(xiàn)力度的精準控制。更重要的是，工業(yè)生產(chǎn)需要的不是一次兩次的成功，而是長周期重復(fù)作業(yè)的穩(wěn)定性，一小時內(nèi)上百次重復(fù)操作，如何控制誤差累積、避免動作卡頓抖動，對機器人的控制系統(tǒng)是極致考驗。

也正因如此，線束裝配行業(yè)長期面臨著招工難、人力成本高、人員流失快的困境 —— 即便是熟練工人，也需要經(jīng)過 3-6 個月的專業(yè)培訓(xùn)才能上崗，而高強度、高重復(fù)度的工作屬性，讓行業(yè)年輕工人的流失率居高不下。

它石 A1 機器人這次的挑戰(zhàn)，證明了這個困擾行業(yè)多年的難題，終于迎來了可落地的智能解法。更關(guān)鍵的是，本次挑戰(zhàn)的場景是對真實工業(yè)線束場景的1:1復(fù)刻，而非為了沖紀錄定制的特殊環(huán)境，這意味著這項技術(shù)能力，具備直接走進工廠生產(chǎn)線的落地基礎(chǔ)。

02

它石細活背后，是AWE模型持續(xù)進化

要完成這樣高難度的連續(xù)精密操作，從來不是靠單一硬件的升級，而是需要一套完整的、能適配真實工業(yè)場景的具身智能體系。它石智航的核心底氣，正是由首席科學(xué)家丁文超博士日前正式發(fā)布的全球首個能干活的通用具身大模型AWE3.0。

機器人要完成精準操作，第一步是要真正 “看懂” 并 “預(yù)判” 所處的世界，而不是像傳統(tǒng)視覺方案一樣，一幀一幀地重新理解畫面。AWE3.0 繼承并優(yōu)化了兼顧實時性與精度的世界表征能力，通過自研的世界分詞器，將視覺、觸覺、本體感覺等多模態(tài)傳感器輸入，轉(zhuǎn)化為結(jié)構(gòu)化的緊湊世界狀態(tài)，為機器人構(gòu)建了一個持續(xù)更新的4D “數(shù)字化世界沙盤”。這個沙盤不會隨著畫面幀的切換重置認知，而是能持續(xù)保留對場景的理解，不僅能精準感知物體的位置與形態(tài)，更能預(yù)測其運動和相互作用的結(jié)果，提前規(guī)劃動作路徑。

在線束裝配的過程中，這意味著機器人能實時預(yù)判線束的形變，同步調(diào)整動作，而非等偏差出現(xiàn)后再被動修正。數(shù)據(jù)顯示，AWE的空間描述精度超過行業(yè)基準21%，推理速度達到行業(yè)基準的2.21倍，有效解決了工業(yè)場景對精度與實時性的雙重剛需。

看懂了物體的位置，還需要理解交互的邏輯。線束裝配的核心難點，從來不止是 “看得準”，更是 “控得住力”。傳統(tǒng)的機器人方案里，視覺定位和力控往往是分離的模塊，很難實現(xiàn)深度協(xié)同，而AWE3.0在統(tǒng)一的模型架構(gòu)內(nèi)，實現(xiàn)了空間理解與物理推理的深度融合。

一方面，憑借持久、視角一致的世界表征，系統(tǒng)能在視角變化下保持穩(wěn)定的空間理解，精準鎖定接口的三維位置；另一方面，世界狀態(tài)集成了觸覺與接觸信息，使模型能精準推理接觸動力學(xué)，基于預(yù)測的接觸結(jié)果生成動作，而非依賴被動的反應(yīng)式控制。就像熟練的產(chǎn)業(yè)工人，眼睛看準位置的同時，手上已經(jīng)預(yù)判了插拔需要的力道，一氣呵成完成裝配，這正是具身智能感知-推理-行動閉環(huán)深度融合的體現(xiàn)。

真實的工廠環(huán)境，永遠不可能和實驗室的訓(xùn)練場景完全一致。生產(chǎn)線的布局、設(shè)備的安裝角度、工位的光照條件，都會發(fā)生變化，傳統(tǒng)工業(yè)機器人往往需要為每一個工位做定制化調(diào)試，落地成本高、周期長，這也是精密操作自動化難以規(guī)模化推廣的重要原因。

而AWE3.0實現(xiàn)了決策邏輯的重要升級，基于它石全視角通感決策OSD（Omni-Sense Decision），模型推理不再直接依賴有限的相機視角，而是基于構(gòu)建的世界狀態(tài)進行決策。哪怕面對訓(xùn)練中從未見過的全新視角，系統(tǒng)也能通過對世界狀態(tài)的推理，生成穩(wěn)定的執(zhí)行動作。在RLBench基準測試中，這種能力讓機器人在未見視角下的任務(wù)成功率提升了 3倍，大大降低了場景適配的成本，讓機器人真正具備了規(guī)模化工業(yè)應(yīng)用的泛化能力。

AWE3.0 的精細操作能力，離不開它石WIYH數(shù)據(jù)集的爆發(fā)式增長——目前該數(shù)據(jù)集已積累超百萬小時的具身數(shù)據(jù)，覆蓋了六大類工業(yè)操作的接觸模式。基于這些數(shù)據(jù)，它石打造了視覺-觸覺世界動作框架 OmniVTA，讓AWE3.0能以30Hz的頻率產(chǎn)生細粒度動作，實時感知接觸狀態(tài)的變化并快速響應(yīng)調(diào)整。正是這種極致的感知與控制能力，讓機器人能駕馭柔性線束的亞毫米級裝配，攻克了傳統(tǒng)機器人無法突破的精細操作壁壘。

值得一提的是，在成立之初，它石智航就提出了“Human-centric”（以人為中心）的數(shù)據(jù)采集新范式，填補了具身智能所需的高質(zhì)量、可泛化、大規(guī)模真實世界數(shù)據(jù)的空白，為具身基座模型實現(xiàn)Scaling Law提供了關(guān)鍵語料。丁文超博士日前在發(fā)布AWE模型時也解釋，“什么樣的數(shù)據(jù)才能讓機器人真正懂物理世界？我們認為Human Centric數(shù)據(jù)才是唯一解，而不是用遙操或仿真數(shù)據(jù)得到一個頭重腳輕、不能在真實復(fù)雜環(huán)境用的VLA模型。”

當然，一次裝配成功不難，難的是一小時內(nèi)上百次連續(xù)操作都能保持穩(wěn)定與流暢。工業(yè)生產(chǎn)最怕的，就是機器人動作卡頓、軌跡抖動，不僅會影響產(chǎn)品良率，長期作業(yè)還會出現(xiàn)嚴重的誤差累積。針對傳統(tǒng)機器人異步推理導(dǎo)致的動作不連續(xù)問題，AWE3.0提出了隱空間重用再細化動作策略（RTR），通過“預(yù)判+微調(diào)”的機制，在隱動作空間中保留上一動作的剩余部分，并用新推理的潛在動作進行微調(diào)，有效消除了動作塊切換時的跳變與卡頓。

測試數(shù)據(jù)顯示，這項技術(shù)讓機器人的動作軌跡抖動降低超過45%，讓動作執(zhí)行更連續(xù)、更絲滑。同時，結(jié)合世界對齊的隱動作空間，系統(tǒng)不僅能實現(xiàn)毫米級的執(zhí)行精度，還具備從接近失敗的狀態(tài)中自動恢復(fù)的能力，哪怕線束出現(xiàn)意外形變，也能及時調(diào)整修正，保障了長周期作業(yè)的穩(wěn)定性與一致性。

03

它石智航的一小步，具身智能落地的一大步

它石智航這一項吉尼斯世界紀錄的背后，并不只是技術(shù)參數(shù)的突破，而是整個具身智能行業(yè)發(fā)展方向的重要校準，是中國高端制造業(yè)智能化升級的關(guān)鍵一步。

從技術(shù)維度看，這次突破重新定義了具身智能的核心價值。長久以來，全球具身智能行業(yè)都陷入了“炫技誤區(qū)”，各家企業(yè)紛紛比拼機器人的運動極限，卻忽略了具身智能的終極使命——成為能替代人工、創(chuàng)造價值的生產(chǎn)力。

它石這次的挑戰(zhàn)，恰恰回歸了這個最樸素的本質(zhì)。超百次有效裝配，是可重復(fù)、可驗證、可交付的工業(yè)化能力，標志著中國的通用具身大模型，已經(jīng)真正實現(xiàn)了從“理解世界”到“改造世界”的跨越，讓具身智能的發(fā)展，從“比誰更能演”轉(zhuǎn)向了“比誰更能干”。更值得一提的是，這項技術(shù)填補了行業(yè)的用工缺口。機器人接過這些重復(fù)性工作，恰恰能緩解行業(yè)用工壓力，推動制造業(yè)向更高附加值的方向升級。

從產(chǎn)業(yè)維度看，這次突破為制造業(yè)的共性痛點提供了真實解法。線束裝配是制造業(yè)的基礎(chǔ)共性工序，小到手機、電腦等3C產(chǎn)品，大到汽車、飛機、高鐵，每一件工業(yè)產(chǎn)品的生產(chǎn)都離不開這道環(huán)節(jié)。這個千億級的賽道，長期被人工依賴的痛點困住，自動化率始終處于極低水平。

從宏觀維度看，這次突破是中國新質(zhì)生產(chǎn)力在高端制造領(lǐng)域的具象化體現(xiàn)，更是中國在全球具身智能賽道搶占制高點的重要標志。

從實驗室的技術(shù)突破，到工廠里的落地實干，從來都是科技產(chǎn)業(yè)最難跨越的一道鴻溝。它石智航用一項吉尼斯世界紀錄，證明了中國具身智能已經(jīng)跨過了這道鴻溝。當機器人真正學(xué)會了“干細活”，當通用具身大模型真正走進了千行百業(yè)，我們終將看到，科技創(chuàng)新如何真正驅(qū)動產(chǎn)業(yè)變革，為中國制造業(yè)的高端化、智能化升級，注入源源不斷的新動能。

未經(jīng)「AI科技評論」授權(quán)，嚴禁以任何方式在網(wǎng)頁、論壇、社區(qū)進行轉(zhuǎn)載！

公眾號轉(zhuǎn)載請先在「AI科技評論」后臺留言取得授權(quán)，轉(zhuǎn)載時需標注來源并插入本公眾號名片。