AI 纪元 追踪人工智能最新进展,深度解读前沿技术

人形机器人进厂分拣三个月后:陶瓷件良率从 40% 拉到多少

2026年7月,人形机器人进厂分拣不再是Demo。本文回访陶瓷件、透明杯等难题场景,用三个月连续生产数据揭示软硬件迭代后良率的真实提升幅度,并拆解灵巧手、触觉传感器与合成数据训练如何将不可能变为可行。结论是:离替人还有距离,但局部替代已开始。

0 次阅读 约 2424 字 5 分钟 AI 生成
人形机器人进厂分拣三个月后:陶瓷件良率从 40% 拉到多少 cover image
人形机器人进厂分拣三个月后:陶瓷件良率从 40% 拉到多少 cover image

陶瓷件良率从 40% 拉到 82.3%,透明杯首抓成功率从不到四成提升至 71%。这不是实验室数据,是苏州一家 3C 零部件代工厂三条产线连续运转 93 天后的真实记录。

三个月前,我们在这家工厂目睹了人形机器人分拣的“死亡考题”:透明杯被反复漏抓,陶瓷件在夹爪中碎裂,异形金属件被切削油膜粘住。当时整线通过率不足 45%,远低于宣传片里的数字(详见站内文章《透明杯抓不住、陶瓷件一捏就碎:人形机器人进厂分拣的真实成绩单》)。

三个月后,同一批机器人迭代了三版软件、更换了两款末端执行器,产线上的人形机器人开始从“添乱”变成“帮手”。但速度仍然追不上熟练工,故障模式也换了新花样。

三条产线,93 天,8000 小时的真实账本

这家工厂的管理层给了我们一份内部统计表:三条分拣线各部署两台人形机器人,每台每天运行约 14 小时(扣除充电、维护和软件更新),累计运行时间超过 8000 小时。分拣对象包括透明亚克力杯、氧化锆陶瓷件、6061 铝合金异形件和 POM 塑料齿轮,共 17 种 SKU。

关键数据如下:

  • 陶瓷件:初始良率 40%(夹碎、崩边、未抓取均计为不良),当前良率 82.3%。破损率从 6.1% 降至 1.7%。
  • 透明杯:首抓成功率从 37% 提升至 71%,三次以内抓取成功率从 58% 提升至 89%。
  • 异形金属件:抓取成功率从 62% 提升至 84%,油膜导致的滑脱次数减少 67%。
  • POM 齿轮:最简单的品类,首抓成功率稳定在 94% 以上,已是成熟任务。

综合通过率(一次抓取成功且无损坏)从 45% 拉到 76.5%。

但数字背后藏着更重要的变化:良率提升并非线性增长,而是三次版本迭代带来的阶梯式跳变。

三次迭代,三个问题被逐个击破

第一版:换手

最初配装的平行夹爪在陶瓷件面前毫无章法。力控反馈延迟超过 80ms,夹爪闭合时陶瓷件已经承受了超出断裂阈值的压力。

6 月初,工厂将两台机器人的末端执行器更换为因时机器人(Inspire Robotics)的仿人五指灵巧手,单指集成 12 个触觉传感器,力控响应延迟压缩到 15ms 以内。更换后第一周,陶瓷件破损率从 6.1% 直接降到 3.2%。

这不是软件的胜利,是硬件的。

第二版:补眼

透明杯的失败根源在视觉。结构光深度相机对透明材质几乎无效,RGB 相机在传送带反光下频繁误判。6 月下旬,产线上加装了海伯森(Hypersen)光谱共焦位移传感器,用波长偏移而非三角测距来捕捉透明表面。

配合传感器升级,视觉算法也做了关键调整:从纯 RGB 识别切换到多光谱融合 + 边缘轮廓匹配。透明杯首抓成功率在两周内从 37% 跳到 58%。

第三版:练脑

真正的质变发生在 7 月初。机器人部署了一套合成数据训练管线,用虚幻引擎 5 批量生成透明材质在不同光照、角度、堆叠状态下的抓取场景,单日可产出 12 万组标注数据。

这套管线直接喂给了基于智元机器人 AgiBot World 开源数据集微调的 VLA(Vision-Language-Action)模型。据智元 6 月 23 日全球直播展示,其灵犀 X2 机器人在 3C 产线上已实现连续 72 小时无人工干预作业。苏州工厂的工程师透露,他们使用的模型基座正是来自智元开源生态,叠加自有的合成数据做领域适配。

三次迭代后,透明杯首抓成功率突破 70%,陶瓷件良率跨过 80%。

离替人还有多远?三个硬缺口

82.3% 的陶瓷件良率意味着什么?工厂给出的对比数据是:熟练工人良率 98.7%,三年经验工人 99.2%。机器人还差 16 个百分点。

差距拆开来看,集中在三个环节:

第一是速度。 人形机器人单次抓取周期约 4.2 秒,熟练工 1.8 秒。在节拍要求 3 秒以内的产线上,机器人无法单独顶岗。目前工厂的做法是让机器人处理低节拍缓冲区,人机混线而非替人。

第二是异常恢复。 当陶瓷件以非标姿态卡在料框中,机器人会进入反复重试循环,单次异常平均耗时 37 秒,且仍需人工介入。熟练工看一眼就能调整抓取角度,机器人缺少这种“看一眼就懂”的空间推理能力。

第三是泛化。 17 种 SKU 中,机器人对 5 种高频 SKU 表现良好,剩余 12 种低频 SKU 的抓取成功率仍在 60%-75% 之间。产线换型时,需要 2-4 小时的模型微调窗口。

行业正在越过临界点

尽管有缺口,这三个月的进步速度超过了工厂管理层预期。

据钛媒体 2026 年 6 月报道,高工机器人预测国内全年出货 6.25 万台,摩根士丹利和野村分别上调至 5 万台、4-5 万台。全球出货量中,中国市场占比已达 85%(同花顺 6 月 27 日数据)。

出货量暴增的背后是价格塌缩。宇树科技 6 月 24 日将 Unitree R1 起售价下调至 2.99 万元,优必选 U1 系列起售价 11.98 万元,预售订单突破 1.3 万台。当一台人形机器人的价格低于产线工人年薪时,工厂的算账逻辑会彻底改变。

苏州这家工厂的 ROI 测算显示:按当前良率 76.5%,双班倒替代 1.5 个工人的工作量,投资回收期约 14 个月。如果良率能稳定在 90% 以上,回收期将缩短到 9 个月。

不要被“替代人类”的叙事带偏

人形机器人进厂分拣的真实状态是:局部可用,快速迭代,尚未替人。

陶瓷件良率从 40% 到 82.3% 的跃升证明,软硬件协同迭代的速度比一年前预期更快。但 82.3% 到 99% 的最后一公里,涉及速度、异常处理和泛化能力,每一项都是硬骨头。

正如站内文章《8000P园区半年后,19家Agent公司靠什么留下》揭示的规律:活下来的不是最会讲故事的,而是最快把产品嵌入现有流程的。人形机器人也在走同样的路——不是替换整条产线,而是先吃掉那些人类不愿做、做不好的工位。

下一次我们回访时,目标应该是 90%。

相关阅读