演示视频里的动作往往很利落:转身、伸手、把箱子稳稳放进格子。镜头之外的部分很少被拍到——那扇门是半掩的,把手有点松,门槛高出地面两厘米。
让一台机器人完成一次动作,和让它连续一个月每天重复几百次,中间隔着的不是某个版本号,而是一堆没人愿意写进说明书的琐碎。前者可以靠一次成功的调参,后者只能靠时间磨。
抓没抓住,它自己并不清楚
视觉负责给出位姿,夹爪负责闭合,动作看起来就完成了。但物体有没有在指间滑移、是不是卡在边缘、包装里其实是半袋空气——这些信息不在图像里。深度相机遇到透明塑料、镜面金属、软塌塌的织物,返回的点云会安静地错下去,不报错,只是偏了几毫米。几毫米在演示里看不出来,在产线上就是一次停机。
所以真正管用的做法常常不太聪明:多加一路触觉,多测一次电流,夹具闭合后停半秒再看一眼。工程上把这叫冗余,实际上是用笨办法换确定性。
退让比用力更难教
位置控制的目标是“到达”,力控的目标是“到达但不伤害”。碰到墙、碰到人、碰到一个比预期更硬的零件,硬顶下去的结果是电机过载或者零件变形。对人来说退一步是本能,对机器来说,退让要先知道自己“感觉到了什么”,再决定松多少。这条反馈链越长,延迟越大,动作就越容易抖。
这也是不少演示只能在空旷处进行的原因。一旦旁边站了人,动作幅度、速度、停止距离都要重新算。安全不是加个急停按钮就完事,它会把整条动作规划重新约束一遍。
长尾藏在缝隙里
结构化场景里,动作可以被穷举;一旦进入有人走动、物品随意摆放的环境,组合就变成无穷。业界的应对方式并不浪漫:缩小场景、加装导轨和护栏、把任务切成几段、留一个人在旁边兜底。听起来是妥协,但正是这些妥协让设备真的能开起来。
数据是另一道坎。真机试错成本高,仿真便宜却和现实有落差,遥操作能采到高质量轨迹但难以规模化。三者各补一块,谁都替代不了谁。很多人形机器人演示里那些流畅动作,背后是大量示教和有限场景的反复调试,换个房间就得重来。
停机的账,买的时候没人算
采购决策常常盯着单机价格和节拍,而决定能不能用下去的是可用率:坏了多久能修好,备件在不在手边,现场有没有人会重启和标定。一台设备每周停两小时,一年下来就是一百多个小时,这笔账在报价单上看不见。
于是有些项目最终的形态很朴素——不是一台什么都能干的通用设备,而是几台只做一件事、但做得住的专机。形态之争说到底不是技术路线之争,而是场景边界之争:场景越确定,专用越划算;场景越模糊,通用才有意义,代价是效率和可靠性要慢慢还。
有些活不该递过去
判断后果、处理意外、面对一个从没见过的状况——这些环节上,人退场得太早并不算进步。与其追求“完全无人”,不如把边界划清楚:哪些动作交给机器,哪些判断留给人,交接处怎么设计得不容易出错。
机器人真正的门槛,可能从来不在那一次漂亮的抓取,而在第两千次抓取时,它仍然知道自己抓到了什么、周围有没有人、下一步该不该停。