在汽車制造領域，小米機器人團隊近期取得了引人矚目的新突破。其研發(fā)的機器人已在真實汽車工廠環(huán)境中，于自攻螺母上件工站成功完成連續(xù)3小時的自主穩(wěn)定作業(yè)，雙側同時安裝成功率高達90.2%，且完全契合產(chǎn)線最快76秒的生產(chǎn)節(jié)拍要求。

該任務對機器人要求極高，需連續(xù)從自動送釘設備精準抓取自攻螺母，再準確放置于自攻擰緊的定位工裝，最終配合完成汽車一體化壓鑄后地板零件的自攻擰緊作業(yè)。其中，自攻螺母的精準安裝環(huán)節(jié)難度最大。螺母內(nèi)側的花鍵結構，以及每次被抓取后手內(nèi)姿態(tài)的不確定性，再加上定位銷軸磁吸力的干擾，讓機器人的“精準對位”面臨巨大挑戰(zhàn)。

為攻克這些難題，研發(fā)團隊創(chuàng)新采用端到端數(shù)據(jù)驅動的控制方法。以機器人的VLA大模型Xiaomi-Robotics-0為基礎，融入強化學習技術。這種聯(lián)合訓練框架，極大增強了模型在操作任務理解、空間感知等方面的泛化能力，使機器人能從真實物理交互經(jīng)驗中不斷學習，快速適應不同下游工況。

在作業(yè)過程判斷上，團隊融合視覺、觸覺以及關節(jié)本體感知等多模態(tài)信息協(xié)同作業(yè)。例如抓取任務中，單獨依賴視覺易受光照變化或遮擋影響，單獨依賴觸覺又可能被非預期接觸干擾。多模態(tài)融合感知有效降低了復雜工況下狀態(tài)誤判概率，顯著提升了任務執(zhí)行的穩(wěn)定性。

機器人的全身運動控制采用融合優(yōu)化控制與強化學習的混合架構。優(yōu)化控制器能在毫秒級內(nèi)求解，嚴格滿足平衡與安全約束；強化學習控制器則通過在仿真環(huán)境中模擬上億次極端擾動場景，讓機器人學會在干擾下保持平衡，并實現(xiàn)零樣本遷移部署到真實機器人上。

盡管在自攻螺母上件工站中，機器人仍會因螺母花鍵對齊精度不足等問題出現(xiàn)典型失效案例，但這是小米人形機器人在汽車制造場景規(guī)?；瘧玫闹匾徊?。目前，小米還在其他多個典型工站進行了實際部署與驗證，后續(xù)將陸續(xù)公布相關進展。