工作效率逼近人工，靈巧手進工廠了！

作者 | 周加琦 編輯 | 漠影 機器人的手正在變得越來越靈活。抓取物品、擰螺絲、操作工具……越來越多過去需要人手完成的動作，如今靈巧手也能做到。但真正進入工廠，情況就不一樣了。目前，工業自動化仍主要依靠夾爪完成特定工序，靈巧手的應用也多集中在單項操作。如何讓同一只靈巧手適應不同工具，連續完成一整套工作流程，仍然是一項挑戰。10月29日報道，今天，在智元創新日靈巧操作分論壇上，臨界點現場連線臥龍希爾工廠，展示其最新工業POC成果：通過“機械臂+靈巧手”的組合，連續完成包含72個步驟的靈巧手性能測試流程。這套流程涉及上下料、掃碼、抓取螺絲槍、擰卸螺絲、按壓按鈕等多種操作。

一期驗證數據顯示，任務成功率達到98%，單次作業僅需8.5分鐘，已經接近人工約8分鐘的作業節拍，並可連續運行8—12小時。同時，臨界點還推出了全新遙操作與數據採集一體手套OmniGlove Pro，能夠同步採集人手動作與觸覺信息，並已完成操作數據在機器人真機上的Replay驗證。此次工業POC與數採新品的亮相，也進一步展現了臨界點圍繞靈巧手本體、數據、模型與實際部署構建的全鏈路技術佈局。一、72步連續操作，作業效率接近人工 在臥龍希爾的靈巧手性能測試工位上，一隻靈巧手正在給另一隻靈巧手做測試。仔細看，兩隻手的分工完全不同。

安裝在機械臂末端的手，負責完成整套操作；傳送帶上等待檢測的，則是臨界點即將出廠的靈巧手產品。臨界點模型算法總監吳銘東表示，臨界點正在用自家的靈巧手，測試自家的靈巧手。機械臂帶動末端靈巧手抓取待測“手”，將其放置在檢測設備上，隨後掃碼識別信息。緊接著，靈巧手抓起旁邊的螺絲槍，對準螺絲孔，將待測產品固定在檢測工位。放回工具後，機器人按下啟動按鈕，開始進行性能測試。測試完成後，靈巧手又會按下停止按鈕，再次拿起螺絲槍，卸下固定螺絲，將待測產品放回傳送帶。

這套流程涉及待測靈巧手的柔性裝配、使用螺絲槍擰卸螺絲，以及測試設備的儀表盤操作三類不同操作，分別考驗了其複雜物體抓取與定位、精細力控及工具操作、按鍵交互能力等能力。整套流程包含72個操作步驟，全部由一臺機械臂搭配一隻靈巧手自主完成。據現場介紹，臨界點之前嘗試過使用夾爪，但擰螺絲時的反作用力容易導致螺絲槍脫手。如果將工具固定在機械臂末端，又無法兼顧抓取產品、操作儀表盤等任務。因此，臨界點選擇使用五指靈巧手，無需更換末端，就能連續完成不同類型的操作。吳銘東透露，工位一期POC的任務成功率達到98%，機器人最長能夠連續不間斷作業12小時。並且機器人全自主完成整套72步測試流程僅需8.

5分鐘，而人工完成同樣的工作約需8分鐘。兩者僅相差30秒，機器人單次作業耗時比人工僅高出約6.25%。這意味著，一臺機械臂搭配一隻靈巧手，已經能夠以接近人工的作業節拍，連續完成抓取、裝夾、擰卸螺絲及設備操作等不同任務。相比直接部署整臺人形機器人，採用“機械臂+靈巧手”的組合，也有助於控制設備投入成本。據瞭解，臨界點計劃於年內推動該方案正式併線上崗，進一步檢驗其在真實生產中的長期穩定性和部署成本。對於這一應用場景，智元副總裁、臨界點CEO喬天傑的觀點是，一雙手在產線上裝配著下一雙手，這就是臨界點的未來。

二、亞毫米級精準對位，受干擾還能自主恢復 這些看似普通且容易的操作，真正交給機器人執行，卻有不少技術難點。首先是螺絲槍的精準對位。在實際操作中，螺絲槍批頭需要準確進入螺絲帽，對位精度要求達到亞毫米級。即使是經驗豐富的工人，也需要不斷調整工具的位置和角度，才能確保準確對位。為了重複測試，工位使用的是可反覆使用的防脫螺絲，螺絲在孔位中會產生毫米級的晃動，進一步增加了對位難度。與此同時，螺絲槍本身較大、較重，連接線纜也會產生牽拉，擰緊時還有反衝力。即使靈巧手握持螺絲槍的姿態只偏差1毫米，也可能導致槍頭偏移3—4毫米。而在此次工業POC中，臨界點的靈巧手已經能夠自主完成這一精細操作。

在現場，臨界點還通過人為製造干擾，展示了機器人的自主糾偏和失敗恢復能力。工作人員在機器人擰螺絲時推動機械臂，使螺絲槍偏離原本的位置。可以看到，機器人並沒有停止作業，而是自主調整位置和姿態，重新找到螺絲孔，繼續完成擰緊操作。另一項測試中，工作人員人為調整工裝底座，使螺絲孔位發生偏移，導致螺絲只擰入一部分。機器人通過擰緊力和視覺信息識別出操作失敗，隨後重新對準孔位，再次擰緊螺絲，最終完成任務。為了應對這些複雜情況，臨界點採用了真機強化學習與智能體系統相結合的方案。其中，強化學習讓機器人能夠根據視覺、觸覺反饋實時調整動作，提高精準對位和抗干擾能力。

臨界點披露，經過真機強化學習訓練後，機器人擰螺絲的速度比遙操作快4倍以上，對位動作也更加直接。對於已經發生的操作失敗，臨界點則通過工業部署態智能體框架Omni-Maestro進行處理。該系統能夠結合視覺、力矩及工位設備反饋判斷任務是否完成，並在出現異常時重新執行，或回溯至出錯步驟進行修復。三、補齊高質量數據，加速“部署態”規模化 要讓靈巧操作走向更多工業場景，推動“部署態”真正落地，高質量操作數據的獲取是關鍵一環。目前，Ego數據是具身智能規模化訓練的一條重要路徑。相比依賴機器人真機採集，通過記錄人類日常操作獲取數據，更容易擴大數據規模。但傳統Ego數據也有侷限。

這類方案主要依靠攝像頭記錄人手動作，再通過算法估計手部姿態，容易受到視覺遮擋等因素影響。同時，由於缺少觸覺信息，也難以還原人手與物體接觸時的狀態。針對此，臨界點團隊自研了數據採集手套OmniGlove Pro，並同步開啟量產交付。這款手套能夠同時採集人手的位置、姿態及觸覺信息，將其統一打包輸出，為後續機器人操作提供數據支持。具體來看，在動作採集方面，OmniGlove Pro每個指尖都有EMF磁場定位和IMU抗干擾融合技術，定位距離精度可達0.1mm！在觸覺採集方面，這款手套配置了746個觸覺感知點位，空間分辨率可達3mm，能夠更準確地記錄手部與物體的接觸情況。

這些數據經過處理和跨本體動作重定向後，能夠在機器人真機上Replay，完成與人類示範相同的任務。臨界點首席具身科學家黃碧丹將這類數據稱為“真機Ready”的Ego數據。這些數據，既有Ego數據的規模化優勢，也有真機數據的高質量，更有人類操作的真實手感。三者結合，我們有望看到靈巧操作規劃化部署進程的加速落地。結語：靈巧手走向工廠，用實際表現說話 此次工業POC與OmniGlove Pro的發佈，分別對應臨界點在靈巧操作落地中的兩個關鍵環節：前者通過真實工位驗證靈巧手連續完成複雜任務的能力；後者則讓人類操作數據能夠更高效地用於機器人真機，進一步銜接數據採集與實際操作。

隨著靈巧手逐步進入工業場景，能否在複雜工況下保持操作精度、以接近人工的節拍穩定作業，並將這些能力複製到更多場景，將成為其規模化應用的關鍵。