演示视频之外的九十分钟
如果你在夜里走过一间做过自动化改造的车间，多半会看到这样的画面：一盏灯下，机械臂按固定节拍抬起、旋转、放下，动作干净得像被剪过。可白天工程师们讨论的，往往不是这台设备有多利落，而是它旁边那条线为什么还站着三个人。
这中间的落差，是机器人话题里容易被跳过的一段。
难点不在动起来
把一台设备调通，和把一台设备放进生产节拍里，是两件事。前者偏技术，后者偏组织：来料公差、工装磨损、上一道工序偶尔的迟疑，都会在机械臂的节拍里被放大。演示环境里零件永远摆正，产线上它总有一点歪。
于是很多投入最后落在长尾上——不是那几个漂亮的主任务，而是剩下百分之几的边缘情况。抓取失败要重试，重试要有策略，策略要有人维护。这些工作不出现在宣传里，却决定了设备能不能真的顶下一个班次。
触觉这一环很沉默
视觉这些年进展明显，模型能从图像里认出物体、估计位姿。但装配、插拔、拧紧这类动作，靠的是力。力道轻了插不进，重了会压伤。力控传感器不是没有，问题是标定、漂移、不同批次零件手感不一致，都需要在现场一点点磨。这类经验很难写成通用模型，也很难跨场景迁移。
- 视觉告诉设备东西在哪
- 力觉告诉它还能不能再用力
- 而判断该不该停的，至今多半还是人
数据是隐形的成本项
现在谈机器人，绕不开学习型方法。但学习要样本，产线上的样本尤其贵——采集要停线，标注要懂工艺的人来做，采到的还可能是良品率很高、异常很少的偏斜数据。真正稀缺的异常，往往一年遇不到几次。这就构成了一个循环：越难采集的场景越需要自动化，越需要自动化的场景越难拿到数据。
边界在哪里
更值得说清楚的是它做不到什么。任务边界模糊、来料形态不定、需要现场权衡「这次先这样」的活儿，短期内仍然是人更划算。机器人擅长的是被定义清楚、重复次数足够多、出错代价可控的环节。把边界讲明白，比把能力说大更有用。
所以讨论自动化时，我倾向于先问一句：这条线上，哪一段是每天重复几百次、每次都差不多的？答案往往不在显眼的地方。找到了再谈设备，找不到，再好的机器也只是站在旁边看着。