看过一些机器人演示:台面干净,物料摆得整齐,机械臂伸过去,一次成功,视频到这里结束。真实的车间不这样运行。灯管的色温会变,工件表面会反光,上一道工序留下的毛刺偶尔没清掉。演示回答的是“能不能做到”,部署要回答的是“每天八小时、连续几个月,能不能一直做到”。
这两件事之间,隔的不是算法的一次跃迁,而是一长串琐碎的工作。
把速度调低,是一种主动选择
接触过现场调试的人会注意到一个现象:同一套动作,在展台上跑得飞快,进了产线反而被调慢。不是硬件不行,而是慢下来之后,系统才有余量去确认“到位了没有”“夹住了没有”“下一步会不会撞上”。加速度降一档,视觉识别的曝光时间就能拉长,误判跟着减少;节拍损失几秒,换来的是不需要人一直盯着。
这类取舍很少出现在宣传材料里,因为不好看。但工程判断往往就藏在这些不好看的地方——把不确定性换成时间,再用时间换稳定。
意外清单比功能清单更长
一个机器人真正进入工位之前,通常要先写一份“出错怎么办”的清单:
- 抓取失败,是重试还是报警,重试几次之后放弃;
- 急停被按下,恢复后从哪一步继续,工件要不要重新定位;
- 来料尺寸在公差范围内波动,夹爪的闭合行程怎么自适应;
- 有人从旁边经过,是降速、暂停,还是维持原速继续。
最后一条尤其棘手。人机共处同一空间时,安全通常靠限速、力控和区域划分来保底,但真正让流程顺畅的,往往是动线设计——人走的路线和机械臂的工作范围尽量少交叉,交接点放在双方都够得到、又不互相干扰的位置。这些属于产线规划,不属于机器人本身,却直接决定了它好不好用。
成熟度藏在失败里
我判断一台设备是否可用,更愿意看它出错时的反应。是停在原地等指令,还是不明所以地继续动作;是给出一句能看懂的报错,还是只留一个闪红灯。一个动作成功一千次不足以说明问题,一次异常处理得当才说明系统想清楚了。
所以面对越来越热闹的演示,我习惯多问一句:这段视频拍了多少遍?中间失败的那些,是怎么处理的?答案通常比视频本身更有信息量。