车间里，一只机械臂停在料箱上方。摄像头拍到零件互相压着，边缘反光。它没有立刻伸手，而是偏了一点角度，再拍一次。这几秒里发生的事，比多数演示视频更能说明今天的机器人走到了哪一步。
慢下来的那几秒
演示视频好看，是因为环境被安排过：物料单层摆放、光照稳定、背景干净。换到真实产线，来料堆叠方式每次不同，金属件反光，工位旁边有人走动。这些算不上故障，只是常态。
于是问题被拆成几层：能不能看见，看见之后能不能判断，判断错了有没有兜底。
- 看见，是视觉在杂乱堆叠里分出可抓取的表面；
- 判断，是评估从哪个位置下爪更稳，会不会碰倒旁边的件；
- 兜底，是抓空、滑落、卡住之后，系统怎么退回一个安全状态。
更常见的旧做法，是把不确定性挡在门外：固定工装、精确到毫米的定位、单层上料。代价是产线一旦换型，工装和程序都得跟着改。现在愿意让机器在现场多花几秒自己算，是因为换型的成本被推高了，柔性变得值钱。
边界不在技术那一侧
但并不是所有环节都值得让机器人自己判断。位置固定、节拍紧的重复工序，硬约束反而省事：调试简单，异常少，维护的人心里有数。让系统“聪明”起来，隐性成本会转移到调试、参数维护和责任划分上——出了问题，是视觉没识别对，还是工艺参数给错了？
这些账很难算清。所以在不少现场，人仍然站在旁边：不是去扶机械臂，而是决定“抓不起来的时候该怎么办”，以及在异常出现时把线停下来。技术能做和现场愿意让它做，中间隔着一段距离。
再回到那只停在料箱上方的机械臂。它多花的那几秒不是犹豫，而是一次现场计算；真正决定它能不能长期待在那儿的，往往不是算法本身，而是旁边那个人是否还愿意为它多看一眼。