“非人类员工”进汽车零部件工厂打工：抓零件练了1.5万次

15台机器人已参与超6万件零部件生产，真机数据回流成落地关键。

在杭州萧山兆丰股份的汽车零部件工厂里，有15个“非人类员工”在工作。10月15日，第一财经记者进入厂区时，这些人形机器人正在不同工位上抓取零部件，完成上料。

机器人弯腰、伸手、扭转手臂、抓取、起身、移动到产线边，又弯腰放下，整个过程30多秒。兆丰股份与乐聚机器人将上料作为人形机器人进厂的第一个应用场景。这个环节看起来简单，但记者了解到，实际部署起来却没那么容易。

人形机器人在工厂里学会上料后，未来要学习的还有很多。手抓零件做了1.5万次训练 大约一年前，兆丰股份与乐聚机器人成立合资公司，合作内容涉及机器人训练等。兆丰股份董事长孔爱祥告诉第一财经记者，最初他以为人形机器人像手机一般，买来拆开、充电，插上就能用，部署时却发现不是这样。

“机器人一开始站不了，摔跤，拿也拿不住，光是手抓零件就做了约1.5万次训练，反复调整力度、算法模型。”孔爱祥说，之所以先做上料场景，是因为简单，就像小孩要先从不会说话学会说话，从不会拿东西到能拿东西。乐聚机器人常务副总裁柯真东也看到人形机器人在真实环境中完成任务的难度。

他说，在标准可控的环境中，通过数据驱动将一个技能做到95%以上的成功率非常简单，但工厂环境变化多端，有人的穿行、机器的作业噪声、光照变化等带来的不确定性，要通过修正数据集等方式来提升成功率。

现在这15台乐聚夸父人形机器人上料已经达到98%的作业成功率，可抓取内径80到120毫米的小型零件，适配15个工位，覆盖10余种零件，累计运行了约1000个小时，参与完成超6万件零部件生产。孔爱祥告诉记者，他希望一年甚至半年内将单次机器人上料时间压缩至15秒，同时增加可抓取物料的类型。

如果一年后机器人单次任务能快到15秒，参照人工的成本，大约部署3到4年可以看到投资回报。他还希望人形机器人下一步能带上相机、探头去巡检，用相机拍下图片、建模型，判断产品是否合格，借此做到黑灯工厂。

兆丰股份总经理孔辰寰则告诉记者，有一线工程师提出想法：生产换型通常需要工程师在上班时间花2~3小时调设备，如果能让机器人在非开工时间完成20多个岗位的设备调校，一天能多出2~3小时生产时间，能更清晰地看见ROI（投资回报率）。

更长远看，孔辰寰预计，AI制造将变成智能体调度的问题，有多种技能包可以丢给机器人，让机器人在循环调度中完成各种岗位的工作，届时经济价值将更加凸显。需要真机数据回流 业界讨论人形机器人进厂打工的话题至少有一年多的时间。相比工业机器人，人形机器人被认为适合柔性生产，可以更灵活地完成一些工作。

但到目前为止，人形机器人尚未大规模进厂替代人类工人，仍在小批量测试、应用。这背后是机器人跨入真实作业环境后的“智力”进化尚未跃迁，真机训练数据匮乏是一个重要原因。开放原子开源基金会副秘书长李博向第一财经等媒体表示，训练具备通用泛化能力的具身模型通常需要千万小时级真实物理交互数据，而全球合规可用的这类数据目前仅约50万小时。

各类数据中，仿真数据可规模化生成，但跨不过从仿真到现实落地的鸿沟，真实工业数据是具身智能落地的基础。“用无本体数据、仿真数据只能把模型训练到30~60分的水平，训练场真机数据可以训练到80分左右。而要逼近90分，必须靠真实场景部署回流的数据。”

OpenLET技术委员会主任王松解释，产线中的油污、特殊光照、人员穿行、异常摆放在实验室中无法人为制造，但却很重要。

从准确率层面，乐聚机器人CEO常琳向记者表示，预训练阶段基础模型用到各种数据，强调泛化性，但准确率偏低，可能只有30%~40%；中训练环节的垂类模型是真机数据的天下，可用上千小时的训练场真机数据来训练；后训练阶段可以加几百小时的真机数据进行模型学习，将准确率提升至95%左右。常琳称，要在95%的基础上提升则要用到真机的数据回流。

兆丰股份近日将汽车行业零部件上料真机作业回流数据集捐赠给开放原子开源基金会OpenLET社区。据王松介绍，人形机器人在兆丰股份工厂上料场景稳定运行后，可规模化采集数据，单月采集真实作业数据超4万条。孔辰寰认为，未来1到2年真机高质量数据集需求将迎来爆发。

另一些业内人士近期也关注到真机数据、工业数据开放的重要性。10月12日，在中国国际工业博览会开幕式现场，宇树科技创始人王兴兴表示，对机器人真正部署至物理世界的成功率而言，真机数据仍然非常关键。中国工程院院士、之江实验室主任王坚则呼吁制造业企业将工业数据开放给机器人企业，称目前AI距离工业界的数据还比较远，这类数据仍锁在每个企业的“抽屉”里。