小米人形机器人工厂作业成功率98%,逼近人类水平

小米人形机器人工厂作业成功率98%,逼近人类水平

1 分钟阅读•2026年7月15日•
Ryan O'Connor
Ryan O'Connor

小米的人形机器人现在能够在一条汽车装配线上以98%的成功率完成一项任务——仅比人类工人低一个百分点——这表明人形机器人正在跨越实际工厂部署的关键门槛。该公司的CyberOne机器人在小米的电动汽车工厂内工作了四个月,最新结果显示,它在重复性装配工作中正成为人类劳动力的可行补充。

如何达到98%的成功率

CyberOne人形机器人——一种设计得像人类一样行走和工作的双足机器人——被部署在小米电动汽车工厂的一个自攻螺母装载工位。经过四个月的迭代,其成功率从90.2%提升至98%,与人类工人的合格率差距缩小到仅一个百分点。自攻螺母装载任务包括拾取小型金属紧固件并将其插入螺纹孔——这是一项重复但精度要求高的操作,需要精细的运动控制和一致的放置。

小米汽车工厂内部,人形机器人与装配设备协同工作

这一改进得益于软件更新、更好的传感器集成以及优化的夹爪控制算法。据小米称,机器人的学习系统根据其触觉传感器和摄像头的实时反馈,不断调整其夹持力、手腕角度和插入速度。四个月内7.8个百分点的增长意味着部署准备度的显著加速。

新任务

小米为CyberOne增加了两项全新任务:中控台侧板分拣和零件箱折叠回收。两者均已达到90%的成功率。中控台侧板分拣工位尤其值得注意——它标志着人形机器人首次在汽车工厂中对柔性工件(在搬运过程中会弯曲、翘曲或轻微改变形状的零件)进行长时间连续操作。

分拣柔性零件比处理刚性零件(如金属螺母)困难得多。侧板必须在不损坏的情况下拾取、定向和放置,要求机器人实时调整其夹持力以适应零件形状的变化。在首次部署这种类型任务时达到90%的成功率,是一个强烈的信号,表明人形机器人能够处理在汽车总装中占很大比例的不可预测的软材料任务。

任务成功率人类成功率关键挑战
自攻螺母装载98%99%高速精密插入
中控台侧板分拣90%95%以上柔性工件处理
零件箱折叠回收90%95%以上可变的箱子几何形状

与人类比较

在98%的成功率下,CyberOne在螺母装载任务上实际上与人类工人可以互换。1个百分点的差距意味着每1000次操作中,人类会犯10个错误,而机器人会犯20个错误——考虑到机器人可以全天候24小时不间断运行,这一差异就变得微不足道了。

然而,在较新的任务上,人类仍然明显优于机器人。面板分拣和箱子折叠90%的成功率意味着每10次尝试中有1次失败,这在生产环境中需要人工干预或二次质量检查。小米的人类工人在这些任务上能达到估计95%以上的成功率,这反映了在处理可变、柔软或形状不规则材料方面的差距。

机器人的关键优势不在于原始精度——而在于一致性和运行时间。CyberOne不会疲劳,不需要换班,可以彻夜工作。对于一个三班倒的工厂,每条生产线每个班次用一台机器人替换一名人类工人,让机器人连续运行,即使每次操作精度略低,也能显著节省劳动力成本。

小米CyberOne人形机器人手部执行操作任务的详细视图

工厂自动化

小米的进步是更广泛趋势的一部分:人形机器人正从实验室演示走向实际生产线。Figure、特斯拉和Apptronik都展示了工厂部署,但小米公布的成功率为这些机器人部署后改进的速度提供了最详细的基准之一。

90.2%到98%的四个月轨迹表明,在连续部署12-18个月内,人形机器人的可靠性可能超过人类水平。这个时间线对制造商评估是现在投资于人形机器人还是等待下一代产品很重要。

作为参考,仓库自动化系统(使用更成熟的技术,如固定机械臂和传送带)通常需要99.5%以上的正常运行时间和低于1%的错误率。人形机器人在大多数任务上还未达到这一水平,但在特定的、定义明确的操作中,差距正在迅速缩小。中控台侧板分拣任务90%的成功率表明,即使是具有挑战性的“首次”任务,也能在几个月内达到实用可靠性。

买家

如果你正在评估工厂部署人形机器人,小米的数据提供了现实的基准期望:

  • 从简单、重复的精密任务开始——螺母装载、螺丝驱动、小零件插入。这些是人形机器人能最快达到95%以上成功率的任务。
  • 计划4-6个月的爬坡期——小米花了四个月从90%提升到98%。预算中要考虑到同样的学习曲线,包括传感器校准、软件调整和特定任务的夹爪调整。
  • 预计柔性材料存在差距——涉及柔软、可弯曲或可变几何形状零件的任务需要更长时间才能实现自动化。在首次部署的一年内,需要将人工监督纳入计划。
  • 考虑连续运行的优势——一台以95%成功率24/7运行的机器人,可能优于以99%成功率每天工作8小时的人类工人,特别是在产量比单次错误率更重要的高产量任务上。

小米CyberOne目前尚未对第三方销售,但小米的结果与任何在Robot Overflow上评估来自Unitree、Fourier或Agibot等平台的人形机器人的人直接相关。关键要点是:在合适的任务上实现98%的成功率,人形机器人不再是一个投机性技术——它们是一种可部署的工具,具有量化的可靠性曲线。

常见问题

小米的人形机器人在工厂中达到了多少成功率? CyberOne在自攻螺母装载工位达到了98%的成功率,经过四个月的迭代从90.2%提升而来。人类工人完成相同任务的成功率为99%。

小米机器人现在执行哪些任务? 三项任务:自攻螺母装载(98%成功率)、中控台侧板分拣(90%)和零件箱折叠回收(90%)。侧板分拣任务是人形机器人首次在汽车工厂中处理柔性工件。

小米机器人如何与人类工人比较? 在螺母装载任务上,98%对99%,机器人几乎与人类相当。在更新、更多变的任务上(95%以上对90%),人类更胜一筹。机器人的优势在于全天候不间断运行。

中控台侧板分拣任务为什么重要? 这是人形机器人首次在汽车工厂中对柔性工件进行长时间连续操作。柔性零件在搬运过程中会改变形状,需要自适应夹持和实时调整——比刚性零件更难。

机器人改进速度有多快? 四个月内从90.2%提升到98%——这个速度表明,在定义明确的任务上连续部署12-18个月后,人形机器人的可靠性可能超过人类。

这对工厂买家意味着什么? 从简单、重复的任务开始;预算考虑4-6个月的改进爬坡期;预计柔性材料存在差距;在计算ROI时考虑24/7运行的产量优势。

结论

小米的CyberOne已经证明,人形机器人在部署后几个月内就能在特定工厂任务上达到接近人类的可靠性。螺母装载98%的成功率以及柔性工件分拣任务的引入,标志着向实际工业用途的实质性进展。对于评估人形机器人的制造商来说,“实验室演示”和“生产工具”之间的差距正在迅速缩小——而且现在可以量化。

Boston Dynamics任命前亚马逊AI高管Rohit Prasad为首席执行官

Boston Dynamics任命亚马逊前高管Rohit Prasad为首席执行官,任命明日生效。此前,前任首席执行官Robert Playter卸任已近九个月。这一消息最先由Therobotreport报道。Prasad将接替临时首席执行官Amanda McMaster。Boston Dynamics表示,此次任命将加快其物理AI战略,结合机器人技术与先进AI,推动智能机器实现大规模商业化。

Playter于2月离任后,McMaster接任。Prasad是这家公司的第三任首席执行官;创始人Marc Raibert从公司1992年创立之初起领导公司,直至2020年。

加入Boston Dynamics之前,Prasad曾任亚马逊高级副总裁兼Alexa与通用人工智能首席科学家。在亚马逊任职的12年间,他参与了Alexa从早期阶段开始的开发,之后领导开发面向企业使用的Amazon Nova基础模型系列。在加入亚马逊之前,他在Raytheon BBN Technologies工作了近14年,负责机器学习研究及其在美国政府和商业领域的实际应用。

Prasad表示,他计划将智能机器人系统产品化,以提升工业和商业环境中的安全性、生产力和运营效率。他的经历涵盖消费级AI和企业基础模型;Boston Dynamics则表示,其战略是将先进AI与机器人技术相结合,推动智能机器实现商业化。

现代汽车集团副会长、Boston Dynamics董事会主席Jaehoon Chang表示,该公司的机器人技术、Prasad的AI产品经验,以及现代汽车集团在制造、物流和移动出行方面的能力,为构建并扩大物理AI规模奠定了基础。现代汽车集团于2021年从SoftBank Group手中收购了Boston Dynamics的控股权。

完成相关审批流程后,Prasad预计也将加入公司董事会。