ROBOT INDUSTRY

在工業(yè)自動化的深水區(qū)，一場靜默而深刻的變革正在發(fā)生。隨著具身智能的光環(huán)逐漸褪去，其內(nèi)核挑戰(zhàn)越發(fā)清晰：如何讓機器人在真實、復雜的物理世界中，同時掌握靈活應(yīng)變的智慧與穩(wěn)如磐石的精準能力，這被行業(yè)視為必須征服的“南北極”。

2023年以來，以大模型為代表的認知智能實現(xiàn)驚人跨越，其浪潮自然涌向物理世界，催生了具身智能的空前熱度。資本與人才密集涌入，各類機器人公司如雨后春筍般涌現(xiàn)，但行業(yè)很快在具身智能“如何實現(xiàn)”的路徑上產(chǎn)生分野：是依賴人類遙控的“增強四肢”，還是追求完全自主的“原生智能”？在喧囂之下，商業(yè)化正從技術(shù)演示轉(zhuǎn)向?qū)φ鎸崍鼍暗膬r值驗證與耐力比拼。

北京中科慧靈機器人技術(shù)有限公司（以下簡稱“靈寶”）成立于2023年，是中國科學院自動化研究所孵化的創(chuàng)新型高科技企業(yè)，專注于通用人形機器人和具身智能的研發(fā)與應(yīng)用，聚焦“具身操作智能”這一核心方向深耕、發(fā)展。面對場景需求呈現(xiàn)出的“柔性交互”與“高精操作”兩極分化，靈寶并未選擇單一側(cè)，而是確立了同時征服“南北極”的“靈寶策略”，旨在為工業(yè)、特種等領(lǐng)域提供前所未有的自動化解決方案。

1

錨定VLA技術(shù)路徑的主航道

面對行業(yè)的路徑分化，靈寶堅定地選擇了名為“基于視覺-語言-動作模型（VLA）的通用操作智能”的主航道。靈寶脫胎于中國科學院自動化研究所，在視覺感知、多模態(tài)融合、工業(yè)視覺伺服等領(lǐng)域擁有數(shù)十年扎實積累，這為構(gòu)建VLA模型所需的“眼睛”（識別）、“大腦”（決策）和“小腦”（控制）提供了得天獨厚的基礎(chǔ)。

靈寶具身操作中心負責人周明才指出，當前行業(yè)競爭的關(guān)鍵分水嶺，已從完成炫酷演示轉(zhuǎn)向構(gòu)建能夠泛化、進化、應(yīng)對開放場景的通用操作能力。遙操作雖能實現(xiàn)高難度演示，但其擴展性差、泛化成本高且始終需要人力在環(huán)上；而純粹的端到端模型則對數(shù)據(jù)、算力及“世界模型”的要求極高，距離工業(yè)落地尚遠。因此，VLA路線恰是尋求兩者平衡與突破的關(guān)鍵。

圖1 靈寶具身操作中心負責人 周明才

更為關(guān)鍵的是，靈寶堅持了一條從機器人本體、底層驅(qū)動、運動控制到操作導航算法的全棧自研道路。這一選擇被周明才視為VLA技術(shù)能否真正落地的“生死線”。他解釋道，如果沒有全棧自研能力，VLA模型訓練得再好，在落地時也可能因底層控制延遲、傳感器噪聲或本體剛性不足而導致“手眼不協(xié)調(diào)”，最終無法在真實物理世界精準執(zhí)行。全棧自研使得靈寶能夠從最底層的控制實時性、傳感器數(shù)據(jù)融合，到上層模型訓練與部署，進行一體化的深度優(yōu)化與迭代，而這種軟硬件協(xié)同進化的能力，甚至能反過來倒逼和優(yōu)化硬件本體的設(shè)計。

面對國內(nèi)傳感器等核心零部件領(lǐng)域“百花齊放”的現(xiàn)狀，靈寶的全棧自研模式構(gòu)成了獨特的“穩(wěn)定器”和“放大器”。

作為穩(wěn)定器，公司自研底層軟件算法，對核心零部件的需求是清晰的功能與性能定義，而非綁定特定品牌，從而擁有強大的供應(yīng)鏈彈性，可通過軟件適配快速切換優(yōu)質(zhì)供應(yīng)商。

作為放大器，靈寶以技術(shù)共創(chuàng)伙伴的身份與供應(yīng)鏈深度合作。例如，在與3D視覺傳感器廠商的合作中，靈寶將自身先進的深度感知算法與廠商硬件深度結(jié)合，僅用一個融合了深度感知的四目相機，便替代了原本需要兩個獨立相機的方案，在提升性能的同時降低了成本，實現(xiàn)了與供應(yīng)鏈的協(xié)同進化與相互賦能。

2

征服南北極——柔性交互與高精操作

在靈寶的技術(shù)體系中，“柔性交互”與“高精操作”并非割裂的概念，而是必須被同一系統(tǒng)攻克的兩大極點，二者共同定義了新一代工業(yè)自動化的能力邊界。

圖2 CASBOT 02表演擊鼓

“柔性”的核心是應(yīng)對“不確定性”。以制鞋行業(yè)為例，機器人面臨的反光皮革、深色吸光布料、流水線上隨機堆疊的鞋體，以及鞋底鞋面各類柔性材料帶來的多變摩擦力，使得任何一套固定參數(shù)策略都束手無策。傳統(tǒng)自動化需要為各種可能性編寫海量“if-else”規(guī)則，過程繁瑣且無法泛化。

對此，靈寶的VLA模型通過“預(yù)訓練+微調(diào)”的組合拳來應(yīng)對：首先，利用海量互聯(lián)網(wǎng)視頻與仿真數(shù)據(jù)進行預(yù)訓練，讓模型建立起對物體、場景和基礎(chǔ)物理常識的“通識”理解；其次，通過創(chuàng)新的“真機在線強化學習ConRFT”方法進行快速微調(diào)，僅需在現(xiàn)場采集幾十條到上百條數(shù)據(jù)，就能讓機器人安全地探索并習得針對當前特定產(chǎn)線的“肌肉記憶”，實現(xiàn)從“冷啟動”到“快速適應(yīng)”的躍遷，從而有效應(yīng)對極致的多品種、小批量、快換線的柔性生產(chǎn)需求。

而“高精操作”，則是在確定性環(huán)境下挑戰(zhàn)系統(tǒng)精度、響應(yīng)與協(xié)同能力的極限。周明才將其比喻為一場精密的“協(xié)同作戰(zhàn)”，其成敗不能單靠VLA模型，而需依賴多模態(tài)控制系統(tǒng)的深度融合。

在這一體系中，VLA模型負責根據(jù)自然語言指令進行任務(wù)分解與宏觀規(guī)劃，視覺伺服則在其劃定的范圍內(nèi)，基于實時視覺反饋進行毫米甚至亞毫米級的精確定位與閉環(huán)糾偏。當機器人與環(huán)境發(fā)生接觸、視覺可能被遮擋時，高精度力控與力位混合控制會立即接管，通過感知接觸力的細微變化來實時調(diào)整位置與姿態(tài)，實現(xiàn)“以力覺補視覺”。因此，高精操作的成敗關(guān)鍵不僅在于硬件提供的靜態(tài)精度上限，更在于操作過程中多模態(tài)感知與控制的在線、實時、自適應(yīng)補償能力。

圖3 CASBOT W1執(zhí)行模擬礦區(qū)的裝藥炸礦高危作業(yè)任務(wù)

為了將這套協(xié)同系統(tǒng)從理論變?yōu)楝F(xiàn)實，靈寶在工程化層面進行了大量創(chuàng)新。自主研發(fā)的QDepth-VLA，如同一位“專注而魯棒的觀察者”，它通過一個輔助分支進行深度估計，并利用量化監(jiān)督增強模型對三維空間的幾何理解，使得模型即使僅輸入普通的RGB圖像，也能在面對噪聲、反光和局部遮擋時，魯棒地估計出對操作至關(guān)重要的深度信息——這項技術(shù)正是在礦山井下惡劣環(huán)境的倒逼下誕生的。

同時，為了確保VLA模型從“直覺”走向“可靠”，靈寶構(gòu)建了完整的安全體系：ConRFT通過保留專家示教的行為克隆損失，為探索設(shè)定安全初始區(qū)，結(jié)合“人在回路”的實時干預(yù)機制作為安全護欄，并采用一致性策略確保策略切換平穩(wěn)。這種方法允許機器人在安全邊界內(nèi)進行有限探索，甚至發(fā)現(xiàn)優(yōu)于人類示教的新策略，同時將所有干預(yù)數(shù)據(jù)反哺模型。

3

場景驅(qū)動與漸進式通用的閉環(huán)進化

靈寶構(gòu)建了一個高效運轉(zhuǎn)的“數(shù)據(jù)-算法-場景”閉環(huán)系統(tǒng)，將每一次現(xiàn)場的成功與失敗都轉(zhuǎn)化為系統(tǒng)進化的養(yǎng)料。在客戶部署現(xiàn)場，機器人通過“機器人管理平臺”自動化收集海量操作數(shù)據(jù)，尤其是那些因反光、堆積、奇異形狀導致的“邊緣案例”；這些數(shù)據(jù)經(jīng)由平行的“具身操作開發(fā)平臺”處理，用于持續(xù)優(yōu)化VLA模型的感知泛化性與決策魯棒性。例如，針對制鞋廠綠色傳送帶嚴重反光的問題，靈寶進行的不是簡單調(diào)光，而是從成像端和算法端系統(tǒng)性地提升模型抗干擾能力，從而將具體問題抽象升維為通用挑戰(zhàn)的解決方案。

行業(yè)客戶在這個閉環(huán)中扮演著“共同定義者”與“極限考場”的雙重角色，與山東招金集團在礦山場景的合作尤為典型。從最初的井下巡檢，到客戶提出在掘進面進行炸藥裝填的極限需求，非結(jié)構(gòu)化地形、粉塵、高危場景的復雜性直接催生了技術(shù)形態(tài)的創(chuàng)新——結(jié)合四足移動底盤與手臂操作的“半人馬”形態(tài)機器人，并對VLA模型的多模態(tài)融合可靠性、極端視覺缺失下的推理能力及絕對安全優(yōu)先的決策邏輯提出了前所未有的要求。這些由真實痛點淬煉出的解決方案，最終被反哺至靈寶面向高危場景的標準產(chǎn)品庫中。

圖4 靈寶CASBOT亮相國際銅業(yè)協(xié)會（ICA）論壇

與消費電子玻璃蓋板龍頭藍思科技的戰(zhàn)略合作，則提供了一個在亞毫米級公差、萬級無塵環(huán)境下錘煉“高精操作”能力的頂級考場。雖然在此類場景中，VLA模型當前主要承擔高層規(guī)劃，極致精度仍依賴視覺伺服與力控的緊密協(xié)同，但由此收集的高價值、高精度數(shù)據(jù)，正為未來將更多精細控制能力“內(nèi)化”到VLA模型本身積蓄力量，推動整個系統(tǒng)向更簡潔、更智能的架構(gòu)演進。

基于扎實的場景深耕，靈寶對“通用性”有著務(wù)實而清晰的漸進式定義。在橫向拓展層，通用性意味著“同一套VLA‘大腦’與開發(fā)平臺，能高效適配不同形態(tài)的機器人‘身體’”，即通過構(gòu)建標準化的感知-決策-控制接口，實現(xiàn)軟硬件解耦，讓技術(shù)體系能驅(qū)動從輪臂、四足到未來雙足人形的多樣本體，從而降低跨場景遷移成本。在縱向深化層，通用性則體現(xiàn)為“單臺機器人在一條產(chǎn)線上穩(wěn)定完成多工序復合任務(wù)”，例如在制鞋線上，連貫完成抓取、涂膠、貼合、初檢，以提升單站價值密度。

閱讀更多內(nèi)容，歡迎訂購《機器人產(chǎn)業(yè)》雜志。

點擊跳轉(zhuǎn)！圈內(nèi)人都在看的專家觀點