车间里，机械臂伸向料框，视觉给出一个坐标，末端下降，指尖刚碰到零件边缘，力传感器读数跳了一下，程序立刻回退，重新定位。旁边看的人常说“就差一点点”，操作这台设备的工程师知道，这一点点要磨很久。
演示视频里的机器人动作流畅，前提往往被剪掉了：工件固定、位置已知、失败了可以重来。真实产线上，来料堆叠，表面反光，姿态每次都不一样，视觉给出的位姿带着误差，传到末端又被放大。抓取难的不是把物体拿起来，而是在不确定的位置上判断什么时候可以动手。
眼睛和手，不在同一个时间尺度上
视觉一帧一帧地出结果，几十毫秒才更新；力控环路快得多，接触瞬间的变化在毫秒级就要响应。两者对不齐，缝合起来就成了策略问题：下降阶段信视觉，接近阶段逐渐让位给力觉，接触之后主要靠力的反馈判断是否夹稳。所谓手眼协调，落到代码里常常是一串阈值和切换条件。
这些阈值没有通用解。工件软一点，接触力要收；工件重一点，加速度要压；同一套参数换一种来料就得重调。现场工程师的大量时间，花在把“能跑”调成“稳定能跑”上，而不是写新算法。
节拍和稳妥，是一笔要算的账
常见的几处取舍，大多不在算法层：
- 接近速度放慢，定位更容易收敛，但节拍被吃掉；
- 夹持力加大，打滑减少，薄壁件却可能变形；
- 增加确认环节，误抓下降，循环时间上升。
这不是算法聪明与否的问题，而是产线愿意为容错付多少时间。有些工位宁可慢，因为一次掉件要停机清场；有些工位必须快，因为下游在等。同一个抓取动作，放在不同位置，答案就不一样。
示教也常被误解。工人示范一遍，机器人照着复现，但示范里没有被记录下来的部分：手上用了多大力，遇到卡滞时怎么微调。于是不少团队把注意力从轨迹转向约束，不再规定每一帧怎么走，而是规定不能越过什么。约束写起来更抽象，却更耐得住来料变化。
慢下来，未必是能力不足
人机共处时，机器人停顿、减速、绕行，容易被当成反应迟钝。实际上那多半是安全策略在工作：检测到人进入某个范围，速度就降下来。判断一台机器人是否适合某条产线，往往不取决于它成功的那一次，而取决于它失败时怎么收场，能不能自己退回来，能不能报警并留下记录，能不能让旁边的人知道它此刻要做什么。
至于泛化，我倾向于保守看待。结构化环境里的重复动作，工程上已相当成熟；非结构化环境里，靠的仍是数据覆盖和容错设计，而不是某个模型突然开窍。把机器人放进一个它没见过的场景，先做的事应该是让它慢，而不是让它快。