去年在一家小家电厂的装配线上，我看到一台六轴机械臂停在料箱前，夹爪捏着一只塑料外壳，迟迟没放下。工程师解释，不是算不出位置，而是那批外壳的卡扣有轻微变形，视觉给不出足够确定的姿态。工程师伸手进去把件摆正，机器接着干。
这个场面大致概括了机器人落地时的真实处境：动作本身不难，难的是消化现实世界那些说不清的毛边。
力气早就够用，麻烦在别处
搬运、焊接、喷涂这类任务，在结构化产线上已经跑了很多年。负载、节拍、重复定位精度，工业侧积累足够。真正卡住扩展的，是任务的不标准化——来料批次有差异、包装软塌、反光和透明件、工位旁临时堆了东西。人处理这些几乎无意识，机器得把每一种偏差翻译成一个可判断的分支，而分支会随场景组合而膨胀。
长尾任务与那一点成功率
分拣、插接、理线、装配柔性件，这些在视频里看着流畅的动作，在产线上要面对另一套评价：连续运行多久不出错，出错之后能不能自己恢复，换一批料要不要重新示教。成功率从九成推到九成九，再从九成九往上，每一点都要付出不成比例的调试与数据成本。不少项目不是做不出来，是算不过账。
力觉与触觉：把“别碰坏”变成可计算的事
视觉回答“在哪里”，力觉回答“用了多大劲”。插孔、卡扣压合、抓取易碎件，关键都在接触瞬间的反馈。六维力传感器、关节力矩反馈、阻抗控制，这些手段在实验室里已经成熟，装到产线上还要考虑标定漂移、线缆布置、防护等级。仿真到现实的落差也集中在这里：摩擦、形变、间隙，仿真里可以设参数，车间里只能一遍遍试。
演示与产线之间隔着一段路
展会上流畅的演示，通常由熟悉系统的人在受控环境里跑。产线要的是二十四小时、换班、灰尘、电压波动，以及一个能在报警后五分钟内把设备恢复的现场人员。可维护性、备件、故障提示是否说人话，这些不上台面的东西，往往决定一套系统能不能留下来。
人在回路里，未必只是过渡
共享工位上的安全策略、急停与限速、人机交接的动线设计，属于工程问题。另一面是知识：老师傅知道某个件要斜着送进去才不刮伤，这类经验目前更多靠拖动示教、动作捕捉一点点录进去。把人当成机器人成熟之前的临时补丁，可能低估了现场经验的份量。
回到开头那台停在料箱前的机械臂。它后来加了一个小夹具，专门对付那批变形外壳，产线没有再停。这个改动谈不上优雅，也谈不上通用，但它把问题收窄到了一个能被解决的范围内。眼下的机器人叙事里，通用性被反复提起，而实际推进往往来自这种收窄。收窄不是退让，是把不确定性一点点换成确定性。