# 小米具身智能机器人新工站“实习”：双侧螺母上件成功率达98%
近日，小米旗下具身智能机器人在其最新搭建的工业工站中完成了一次高难度“实习”任务——**双侧螺母同步上件**，并实现了 **98% 的装配成功率**。这一数据不仅标志着小米在具身智能领域的工程化落地迈出关键一步，也为工业场景中精细化操作机器人的量产可行性提供了有力佐证。
## 技术突破：从“抓取”到“精准装配”的跨越
传统工业机械臂在单一平面或固定姿态下的螺母拧紧已较为成熟，但**双侧螺母同步上件**要求机器人同时协调两套执行机构，在动态环境中完成对准、定位、旋入等动作，对视觉感知、力控反馈及双臂协同能力提出了极高挑战。小米机器人此次采用的**端到端具身智能模型**，通过融合实时3D视觉与柔顺力控算法，能够在零件位姿存在微小偏差时自主调整抓取角度和施加扭矩，从而将装配成功率提升至接近工业级标准。98%的良率意味着每100次操作中仅出现2次失败，在实验室环境已具备初步替代人工的潜力。
## 行业意义：具身智能从“可用”向“好用”进阶
相较于此前多数具身机器人停留在“展示级”任务（如开门、叠衣服），小米此次工站“实习”直接对标3C电子、汽车零部件等精密装配场景，其核心价值在于**验证了端到端学习模型在工业产线上的泛化能力**。传统自动化产线依赖精密夹具和视觉引导的固定程序，而具身智能机器人通过“实习”积累数据，可逐步适应零件公差、光照变化和偶然干扰，这种**自适应能力**正是未来柔性制造的关键。同时，98%的成功率表明算法对误差的容错机制已形成闭环，为后续在真实产线中逐步提升节拍（Cycle Time）奠定了基础。
## 挑战与展望：从“实习”到“上岗”的最后一公里
尽管成绩亮眼，但距真正取代人工仍需克服多项痛点：一是**动态工况下的实时响应**——产线上的零件来料姿态、振动干扰远复杂于实验室；二是**零样本迁移能力**——当前模型可能需针对不同批次零件重新微调；三是**成本与可靠性**的平衡——高精度力控传感器与边缘计算单元的单机成本仍需压缩。可以预见，小米若能将此次“实习”数据反哺至下一代模型，并结合其智能工厂的柔性产线规划，有望在2025年前后实现小规模试产。具身智能机器人从“会做”到“做得快、做得稳”，或许就藏在这98%背后的每一次失败与修正之中。
