小米机器人这次把实验室里的功夫搬到了汽车工厂里。大家早就知道咱们之前搞出来的那个基于触觉的抓取微调模型TacRefineNet，还有那个Vision-Language-Action大模型Xiaomi-Robotics-0。这两个技术把机器人变得既聪明又灵活，还补上了触觉感知这块短板。 可真到了车间干活，现实的鸿沟就出现了：生产节奏要快，产品合格率也要高。在实验室里试错没关系，工厂可是分秒必争。咱们得把“学徒工”变成“正式工”，这是个大考验。 这次在真实工厂的自攻螺母上件工站里，小米机器人连续自己跑了3个小时。结果双侧同时安装的成功率达到了90.2%，而且把产线生产节拍控制在了最快76秒。 机器人是这样干活的：它先从自动送钉设备里精准抓起螺母，放到定位工装上，配合滑台和拧紧动作，把地板零件上的螺母拧好。最麻烦的就是要让螺母跟定位销轴对齐，这中间有很多干扰因素。 比如花键结构让螺母每次抓握姿态都不一样，还有磁吸力拉扯的影响。这次实验里我们碰到了各种对齐不准的情况。 技术上我们用了端到端的数据驱动方法，把VLA大模型和强化学习结合在一起。这样机器人能适应不同的环境，还能在实际操作中不断学习进步。 感知方面，咱们用了视觉、触觉和关节感知的多模态信息来判断状态。 控制方面是用优化控制和强化学习混着来。优化控制器能快速处理优先级任务，强化学习则是在仿真里学了各种应对极端情况的策略。 之前试过花键对齐不准会导致卡住，现在虽然成功率很高，但实际场景下还是有风险。 这只是第一步，要想大规模在汽车制造中应用，还得解决更多难题。我们现在正在其他典型工站上进行试点验证，后面的进展会接着跟大家汇报。