小米机器人开始打螺丝

据小米技术官方微博发布内容，近日，小米机器人正式上岗汽车工厂“实习”。

据介绍，使用五指灵巧手工作的小米机器人在压铸车间自攻螺母上件工站中连续自主运行3小时，双侧同时安装成功率为90.2%，同时满足了最快76秒的产线生产节拍要求。

小米表示，这是小米人形机器人在智能制造领域稳定应用的第一步。

在该任务中，机器人连续从自动送钉设备中精准抓取自攻螺母，并放置在自攻拧紧的定位工装上，配合滑台输送和自攻工位的自动定位锁定，实现汽车一体化压铸后地板零件自攻螺母的自动化自攻拧紧作业。

一个值得探讨的问题是：为什么在自攻螺母安装这样的任务中，小米选择了五指灵巧手，而不是传统的螺丝刀或简单的夹爪？

这是因为机器人面对的任务需要同时应对多种复杂挑战：螺母本身带有不规则的花键结构且每次抓取姿态不固定，安装过程要求毫米级的精细对准和可靠贴合，还要克服定位销磁吸力带来的动态干扰。

相关示意图 小米官微

传统的二指夹爪难以稳定抓取此类异形零件，刚性螺丝刀也缺乏柔性调整和实时力控的能力。而灵巧手凭借多指包络的自适应抓取、多关节微调的精确定位以及触觉反馈的实时力控，能够一次性满足这些综合要求。

相关示意图

同一双灵巧手还能胜任后续多种装配任务，无需频繁更换工具，有利于提升产线整体节拍和实现任务泛化。

值得一提的是，小米机器人还通过TacRefineNet模型，让机器人拥有了触觉感知的能力。这使得机器人能通过触觉进行精细操作。

资料显示，难度最高的环节集中在自攻螺母的安装过程，需要确保其与定位销轴的精确对准和可靠贴合。

而自攻螺母内侧的花键结构，每次抓取不固定的手内姿态，以及定位销轴上磁吸力带来的拉扯影响，都大幅增加了装配难度。

为支撑复杂工况下的稳定作业，小米团队还采用了三大技术：

端到端数据驱动控制：基于VLA大模型Xiaomi-Robotics-0，结合强化学习技术，避免繁琐规则编程，使机器人快速适配不同工况，并从真实交互中持续学习，保障长时间稳定运行。

其技术亮点包括：通用VLA基座模型（统一动作空间与跨本体预训练，增强任务理解与空间感知泛化能力）、VLA+RL联合训练框架（降低遥操作数据依赖）、触觉信息融合（提升密集接触场景的稳定性）。

多模态协同感知：融合视觉、触觉与关节本体感知信息，协同判断作业状态，降低复杂工况下的误判率。

全身运动控制混合架构：结合优化控制与强化学习，依据稳定性指标选择性执行策略。优化控制器基于二次规划与零空间投影，实现四级优先级控制（平衡、安全、任务约束等），单次求解耗时小于1ms；强化学习控制器通过大规模并行仿真训练，使机器人掌握极端干扰下的平衡策略，可零样本迁移至真实场景。

尽管取得突破，自攻螺母安装仍面临典型失效问题：因花键结构、姿态不固定导致的对齐精度不足易引发旋拧卡滞；环境干扰或视角受限可能影响贴合状态判断，导致花键贴合不紧密、安装不到位等。

小米表示，这些只是小米人形机器人迈出在汽车制造场景规模化应用的第一步。然而，面向更大范围的产业化部署，仍需系统性突破"生产节拍和合格率"这一核心瓶颈。

为实现更大范围产业化，团队正推进料箱搬运、前徽标安装等其他典型工站的部署验证，重点突破移动操作的全身高效协同、灵巧手提升作业效率等关键技术，系统性解决“生产节拍与合格率”核心瓶颈。

为此，小米还在其他很多典型工站开展了实际部署与验证工作，目前正稳步推进中，相关进展将在后续向大家汇报。

近期，人形机器人集体走上汽车产线。

2月27日，宝马集团正式宣布，首次将“物理人工智能”（Physical AI）引入其欧洲生产体系，在德国莱比锡工厂启动了人形机器人试点项目。

宝马此举是将人形机器人技术整合到现有汽车量产流程的开端，并旨在探索其在电动汽车高压电池和零部件生产中的更多应用潜力。

摩根士丹利曾预测，到2050年，人形机器人市场规模可能达到5万亿美元（约合34.26万亿元人民币）。

此前，丰田汽车也已宣布将在加拿大工厂引入人形机器人，而奔驰、奥迪、现代、福特等车企也均有类似的合作或试点计划，汽车制造已成为人形机器人商业化落地的前沿战场。

有观点认为，机器人进厂是产业从“表演”向“生产力”跃迁的必然选择，直接契合并定义着产业发展的终极方向。

当前人形机器人虽在舞台展示了运动与交互能力，但核心矛盾仍是商业化不清晰、技术难替代人类工作，而工业场景作为最现实、最稳定、最容易变现的市场，其分拣、装配、上下料等需求直指生产力本质。

产业界已明确机器人的终极定位应是“生产力”，而工业场景的复杂操作正是检验和提升操作智能的最佳试验场。