工作效率逼近人工，灵巧手进工厂了！

智东西
作者 周加琦
编辑 漠影

机器人的手正在变得越来越灵活。

抓取物品、拧螺丝、操作工具……越来越多过去需要人手完成的动作，如今灵巧手也能做到。

但真正进入工厂，情况就不一样了。

目前，工业自动化仍主要依靠夹爪完成特定工序，灵巧手的应用也多集中在单项操作。如何让同一只灵巧手适应不同工具，连续完成一整套工作流程，仍然是一项挑战。

智东西10月29日报道，今天，在智元创新日灵巧操作分论坛上，临界点现场连线卧龙希尔工厂，展示其最新工业POC成果：通过“机械臂+灵巧手”的组合，连续完成包含72个步骤的灵巧手性能测试流程。

这套流程涉及上下料、扫码、抓取螺丝枪、拧卸螺丝、按压按钮等多种操作。一期验证数据显示，任务成功率达到98%，单次作业仅需8.5分钟，已经接近人工约8分钟的作业节拍，并可连续运行8—12小时。

同时，临界点还推出了全新遥操作与数据采集一体手套OmniGlove Pro，能够同步采集人手动作与触觉信息，并已完成操作数据在机器人真机上的Replay验证。

此次工业POC与数采新品的亮相，也进一步展现了临界点围绕灵巧手本体、数据、模型与实际部署构建的全链路技术布局。

一、72步连续操作，作业效率接近人工

在卧龙希尔的灵巧手性能测试工位上，一只灵巧手正在给另一只灵巧手做测试。

仔细看，两只手的分工完全不同。安装在机械臂末端的手，负责完成整套操作；传送带上等待检测的，则是临界点即将出厂的灵巧手产品。

临界点模型算法总监吴铭东表示，临界点正在用自家的灵巧手，测试自家的灵巧手。

机械臂带动末端灵巧手抓取待测“手”，将其放置在检测设备上，随后扫码识别信息。紧接着，灵巧手抓起旁边的螺丝枪，对准螺丝孔，将待测产品固定在检测工位。放回工具后，机器人按下启动按钮，开始进行性能测试。

测试完成后，灵巧手又会按下停止按钮，再次拿起螺丝枪，卸下固定螺丝，将待测产品放回传送带。

这套流程涉及待测灵巧手的柔性装配、使用螺丝枪拧卸螺丝，以及测试设备的仪表盘操作三类不同操作，分别考验了其复杂物体抓取与定位、精细力控及工具操作、按键交互能力等能力。

整套流程包含72个操作步骤，全部由一台机械臂搭配一只灵巧手自主完成。

据现场介绍，临界点之前尝试过使用夹爪，但拧螺丝时的反作用力容易导致螺丝枪脱手。如果将工具固定在机械臂末端，又无法兼顾抓取产品、操作仪表盘等任务。因此，临界点选择使用五指灵巧手，无需更换末端，就能连续完成不同类型的操作。

吴铭东透露，工位一期POC的任务成功率达到98%，机器人最长能够连续不间断作业12小时。

并且机器人全自主完成整套72步测试流程仅需8.5分钟，而人工完成同样的工作约需8分钟。两者仅相差30秒，机器人单次作业耗时比人工仅高出约6.25%。

这意味着，一台机械臂搭配一只灵巧手，已经能够以接近人工的作业节拍，连续完成抓取、装夹、拧卸螺丝及设备操作等不同任务。相比直接部署整台人形机器人，采用“机械臂+灵巧手”的组合，也有助于控制设备投入成本。

据了解，临界点计划于年内推动该方案正式并线上岗，进一步检验其在真实生产中的长期稳定性和部署成本。

对于这一应用场景，智元副总裁、临界点CEO乔天杰的观点是，一双手在产线上装配着下一双手，这就是临界点的未来。

二、亚毫米级精准对位，受干扰还能自主恢复

这些看似普通且容易的操作，真正交给机器人执行，却有不少技术难点。

首先是螺丝枪的精准对位。在实际操作中，螺丝枪批头需要准确进入螺丝帽，对位精度要求达到亚毫米级。即使是经验丰富的工人，也需要不断调整工具的位置和角度，才能确保准确对位。

为了重复测试，工位使用的是可反复使用的防脱螺丝，螺丝在孔位中会产生毫米级的晃动，进一步增加了对位难度。

与此同时，螺丝枪本身较大、较重，连接线缆也会产生牵拉，拧紧时还有反冲力。即使灵巧手握持螺丝枪的姿态只偏差1毫米，也可能导致枪头偏移3—4毫米。而在此次工业POC中，临界点的灵巧手已经能够自主完成这一精细操作。

在现场，临界点还通过人为制造干扰，展示了机器人的自主纠偏和失败恢复能力。

工作人员在机器人拧螺丝时推动机械臂，使螺丝枪偏离原本的位置。可以看到，机器人并没有停止作业，而是自主调整位置和姿态，重新找到螺丝孔，继续完成拧紧操作。

另一项测试中，工作人员人为调整工装底座，使螺丝孔位发生偏移，导致螺丝只拧入一部分。机器人通过拧紧力和视觉信息识别出操作失败，随后重新对准孔位，再次拧紧螺丝，最终完成任务。

为了应对这些复杂情况，临界点采用了真机强化学习与智能体系统相结合的方案。

其中，强化学习让机器人能够根据视觉、触觉反馈实时调整动作，提高精准对位和抗干扰能力。临界点披露，经过真机强化学习训练后，机器人拧螺丝的速度比遥操作快4倍以上，对位动作也更加直接。

对于已经发生的操作失败，临界点则通过工业部署态智能体框架Omni-Maestro进行处理。该系统能够结合视觉、力矩及工位设备反馈判断任务是否完成，并在出现异常时重新执行，或回溯至出错步骤进行修复。

三、补齐高质量数据，加速“部署态”规模化

要让灵巧操作走向更多工业场景，推动“部署态”真正落地，高质量操作数据的获取是关键一环。

目前，Ego数据是具身智能规模化训练的一条重要路径。相比依赖机器人真机采集，通过记录人类日常操作获取数据，更容易扩大数据规模。

但传统Ego数据也有局限。这类方案主要依靠摄像头记录人手动作，再通过算法估计手部姿态，容易受到视觉遮挡等因素影响。同时，由于缺少触觉信息，也难以还原人手与物体接触时的状态。

针对此，临界点团队自研了数据采集手套OmniGlove Pro，并同步开启量产交付。

这款手套能够同时采集人手的位置、姿态及触觉信息，将其统一打包输出，为后续机器人操作提供数据支持。

具体来看，在动作采集方面，OmniGlove Pro每个指尖都有EMF磁场定位和IMU抗干扰融合技术，定位距离精度可达0.1mm！在触觉采集方面，这款手套配置了746个触觉感知点位，空间分辨率可达3mm，能够更准确地记录手部与物体的接触情况。

这些数据经过处理和跨本体动作重定向后，能够在机器人真机上Replay，完成与人类示范相同的任务。

临界点首席具身科学家黄碧丹将这类数据称为“真机Ready”的Ego数据。

这些数据，既有Ego数据的规模化优势，也有真机数据的高质量，更有人类操作的真实手感。三者结合，我们有望看到灵巧操作规划化部署进程的加速落地。

结语：灵巧手走向工厂，用实际表现说话

此次工业POC与OmniGlove Pro的发布，分别对应临界点在灵巧操作落地中的两个关键环节：前者通过真实工位验证灵巧手连续完成复杂任务的能力；后者则让人类操作数据能够更高效地用于机器人真机，进一步衔接数据采集与实际操作。

随着灵巧手逐步进入工业场景，能否在复杂工况下保持操作精度、以接近人工的节拍稳定作业，并将这些能力复制到更多场景，将成为其规模化应用的关键。