类人机器人以90%的成功率和工业节奏担任关键岗位。了解其对电动车生产的影响。
小米真正投入生产线作业的项目
小米将其类人机器人项目带入电动车工厂，并选择了一个不容许错误的任务：在一个与压铸工艺（压铸件）相关的装配岗位安装自攻螺母。重点不仅是“拿起并放置”。这里的工业挑战在于满足节拍，保持重复性，并持续产能，而不需要操作员在每个周期中修正微小失误。
根据品牌公布的测试，机器人在该工作站自主工作了连续3小时，双侧同步安装成功率达到90.2%，并且满足生产线要求的76秒周期时间。在工厂现场，这个数据是“友好原型”与“量产候选”之间的分水岭。
当类人机器人能够维持生产节拍和高正确率数小时时，讨论已不再是美学，而是工厂的经济效益。
这一举措契合小米在汽车领域更广泛的战略，该战略此前曾在如XIAOMI VISION GT及品牌的欧洲布局等项目中探索性能与设计的想象。不同的是，现在的“下注”放在了最难令人印象深刻的地方：装配线。
为什么安装自攻螺母是机器人最头疼的事
理论上，看起来很简单：从自动送料器中取出螺母，放置到夹具上，并协调拧紧。在实际操作中，小米指出有三个复杂因素大大增加了失败的可能性：
- 毫米级对准以确保正确连接，尤其是在间隙紧密的接合处。
- 非固定的握持姿势，因为螺母可能以不同方向到达，需要最终操作人员调整。
- 磁干扰，可能会“拉动”或稍微偏移零件，影响装配定位。
对于关注电动汽车的读者来说，值得注意的是这种对节奏的痴迷让人联想到电动世界中的另一个瓶颈：时间。推动超快速充电竞赛的同样逻辑也出现在制造业中。一个例子是电池时间的争夺，正如我们在固态电池4.5分钟充电至80%中展示的那样。在工厂中，“分钟”变成了每个周期的“秒”。
拟人机器人背后的技术以及对抗特斯拉和小鹏的无声战争
赋予这项测试力量的是控制方法。小米描述了一个以数据为导向的端到端系统，基于一个大型VLA（视觉-语言-动作）模型，拥有47亿参数，名为Xiaomi-Robotics-0，并结合了强化学习。在实际层面上，这旨在减少对远程操作（人类指导机器人）的依赖，并加速对现实世界变化的适应。
除了视觉外，还引入了多模态信号以完善机器的“现实感知”：
- 视觉用于定位零件和夹具。
- 触觉用于感知接触、装配和微卡阻。
- 关节本体感觉用于理解全身的位置、用力和稳定性。
在运动控制方面，品牌提到了一种混合架构，结合了优化和强化学习。一个引人注目的细节是承诺将优化控制器的迭代时间控制在不到1毫秒，这是在工业环境中保持实时响应的关键条件。
而根据小米所说，“稳健性训练”包括在虚拟环境中模拟数亿次随机干扰，让机器人学会在扰动下保持平衡，并以最小调整将其转移到现实世界。这个环节至关重要，因为一个失去稳定性的人形机器人不仅会失败于任务，还会成为运营风险。
背景是竞争激烈的。特斯拉通过Optimus不断施压，并承诺短期内完成更复杂的任务，而小鹏则在加速大规模生产基地的计划。小米通过将人形机器人投入真实生产线，发出了一种激进的信号：人形机器人作为制造优势，不仅仅是一个并行产品。
这与行业的另一变化直接相关：电动车不仅是电池和电机，更是生产和规模化。如果你喜欢观察品牌如何重新设计策略以与巨头竞争，可以比较我们之前分析的意大利欧洲生产的SC-01及其小米DNA，以及针对电动车市场直接竞争的瞄准特斯拉Model Y且价格更低的跨界车型。
| 指标 | 实际意义 |
|---|---|
| 3小时自主操作 | 成为工业驾驶员的最低一致性要求，而不仅仅是演示 |
| 90.2%成功率 | 性能仍在提升，但已可测量且具可比性 |
| 76秒循环时间 | 与生产线节奏的兼容性，是规模化的必要条件 |
| VLA 4.7B参数 | 认知基础，用于泛化、解释及顺序动作 |
最后的信息很明确：小米不仅想制造电动汽车；它想制造未来工厂的运作方式。当CEO预测未来五年内“大量”人形机器人投入工作时，这不是科幻，而是要解决现代汽车工业最昂贵的瓶颈：高良率的循环时间。