故障率从 10% 到 0.5%：一只灵巧手的进厂考试

一只灵巧手拿起螺丝枪，为另一只待出厂的灵巧手完成性能测试。这是临界点在 10 月 29 日智元创新日灵巧操作分论坛上，通过跨城连线展示的一个生产测试工位。

在绍兴临界点卧龙联合生产制造基地，机器人需要完成上料、扫码、装夹、拧固、启动测试设备和下料等 72 个操作步骤。据公司披露，一期 POC 验证的任务成功率为 98%，单轮作业耗时 8.5 分钟，熟练人工完成同一任务需要 8 分钟；设备可连续作业 8 小时。

从工位验证到正式接入产线，这套方案还要继续推进。公司预计，该工位于年内完成产线并线。

分论坛后，临界点 CEO 乔天杰、具身首席科学家黄碧丹、模型算法总监吴铭东接受了 42 号电波等多家媒体的采访。

「我们要落地是要做一个班次，而不是一个步骤。」吴铭东说。在他的判断里，连续作业中存在平行夹爪难以完成的环节，这为灵巧手提供了机会，也对它的可靠性和控制能力提出了更高要求。

临界点的选择是分步推进：用中低自由度产品进入早期部署，同时向操作算法和数据采集延伸，希望让客户更容易用好这双手。但从单个工位走向更多场景，操作能力能复用多少，数据采集和交付成本能降到什么程度，仍需要更多部署结果来回答。

以下内容根据现场速记整理，问题顺序有所调整和合并，回答删减了重复和口语表达，不改变原意。

从一个动作到一个班次，客户需要怎样的手？

问： 工业里已经有成熟的夹爪，客户在哪些任务上还需要灵巧手？

吴铭东： 工业部署两三年前就有人开始做，一方面算法有卡点，另一方面很多任务用夹爪做不了。

核心原因是，我们要落地是要做一个班次，而不是一个步骤。一个班次里总会存在一些步骤，是二指或者平行夹取式末端做不了的，需要灵巧手，或者用灵巧手更容易铺开。

用夹爪做不同场景，每个场景都做一种定制方案，容易形成数据孤岛。我们认为，用灵巧手做不同项目，数据会更容易复用。

乔天杰： 夹爪和灵巧手不是非此即彼的关系。夹爪已经发展了几十年，在工业场景里能做哪些事，相对比较确定。还有一些夹爪干不了的事情，需要灵巧手来做。

灵巧手进入真正的部署态需要一个过程，所以我们提出低、中、高三档产品。比如 20 个主动自由度以上的手，灵巧度和拟人性已经很高，但可靠性达到工业落地的要求还需要时间。

在这之前，我们用中低自由度的手，解决一部分原来夹爪干不了的事情。它们的可靠性、稳定性已经达到初步部署的要求，我们采取的是分层、逐步递进的路径。

分论坛上展示的卧龙工厂多步骤工序，就是需要机械臂与灵巧手协同完成的工作。

问： 从更长远看，三指和五指会一直并存吗？

乔天杰： 我们认为从终局看，还是五指。一个原因是，人类工具是为人手设计的，多出来的手指在很多情况下可以起支撑作用。

更重要的是数据驱动。无论互联网数据、第一人称采集数据，还是手套采集的数据，都是五指形态。我们认为，五指灵巧手更符合当下的数据驱动范式。

过程中可能会有三指等中间形态。随着模型能力成熟、数据越来越多，我们认为五指还是终局。

问： 从今年到明年，你们准备先进入哪些场景？

乔天杰： 部署态是机器人和灵巧手从唱歌、跳舞、实验室走向真正生产力的一跳，但肯定要循序渐进。

我们会先从简单场景、简单任务做起，再到简单场景里的复杂任务，最终再到复杂场景、复杂任务。工业场景先锚定打螺丝、柔性插接、上下料、异形物抓取等传统夹爪不太好做、需要灵巧手做的任务。

这些任务也是目前技术能力能够达到的，泛化要求相对没有那么高，先从这里入手。

我们会并行推进工业和商用服务两条路径。工业场景相对规则，但对节拍、鲁棒性要求更高；商用服务在这些方面的容忍度会高一些，任务却可能更多样。两条路一起往前推进，最终可能汇合，去解锁更有挑战的任务。

问： 客户为什么主动找来？你们怎样筛选项目？

乔天杰： 找上来的伙伴很多。一方面，一些客户希望做全自动化的工厂；另一方面，有些车间环境比较恶劣，人不适合长时间工作，人员流动率很高，比如高温，或者有有毒有害气体的环境。

我们也会筛选客户，先挑比较通用的任务，把它从 0 到 1 跑通。比如打螺丝，先把这个原子能力做出来，再让伙伴基于它做垂直领域的集成。

不可能所有客户过来都接。与目前主线比较契合的客户，无论我们自己做，还是让伙伴做，都会更快。

进入现场，先过可靠性和接触控制两道关

问： 从部署初期到现在，可靠性发生过怎样的变化？

乔天杰： 很多人提到过，灵巧手的寿命可能只有两三周。很大一部分原因是，灵巧手过去主要在实验室和科研场景使用，很多问题发现不了，硬件迭代速度也比较慢。

我们的做法是把真实部署先做起来。卧龙的工业部署、珠海长隆的商用服务部署都已经落地。最早期灵巧手刚装上整机的时候，故障率可能接近 10%。随着产品不断迭代优化，现在故障率已经降到 0.5% 以下。故障率降不下来，进入部署态，售后就先崩了。

另外，我们的研发团队以汽车 Tier 1 背景为主，有一套车规级的研发体系来支撑稳定量产。

问： 关于常态化运行，目前有没有可以说明工作时长的例子？

乔天杰： 珠海长隆已经常态化部署了。我们的手从 9 月底开始部署，到现在差不多一个月，目前也都在正常、稳定地工作。

当然，这不代表现在的手已经稳定到完全不会出现任何问题。过程中也会保持快速迭代，把产品越做越好。

问： 绳驱、直驱和连杆，哪条路线更适合工业场景？可靠性主要卡在哪里？

乔天杰： 现在还没有完全收敛，各自优缺点都比较鲜明，要结合场景来看。

冲击比较大的场景，可能更适合绳驱，因为它比较柔顺，抗冲击能力比较强。需要精细控制的任务，直驱每个指节可以独立控制，可能更合适。

像我们目前进入部署态的 OmniHand，还是用连杆方案，因为它目前的可靠性、鲁棒性已经可以达到我们对部署态的门槛要求。我觉得直驱和绳驱未来一两年，随着技术发展，也会逐步达到这样的要求。

对直驱来说，需要把电机和齿轮做得非常小，做小之后安全裕量就会比较小，工业场景里可能发生崩齿、磨损等问题。但这些问题在逐步克服，寿命相对之前已经有很大提升。

绳驱则有绳子的蠕变问题，还有那么多线要穿来穿去，线数也是很头疼的问题。

要达到工业级，至少需要十几万次到上百万次以上的寿命，可能保障至少半年到一年左右不坏。

目前直驱和绳驱大概在 10 万次左右的量级，应该还差一个数量级。同时价格也比较贵，用到工业上也没有那么合适。

从科研角度看，用直驱的人会更多一些，因为每个关节独立，对控制和算法比较友好。绳驱通过较长的绳索控制，里面的非理想特性会更多。

问： 为什么灵巧手公司还要自己做算法？上层大模型能不能直接补上操作能力？

黄碧丹： 大模型能够理解文字指令，但在与物理世界交互，尤其需要多根手指协作时，我认为它目前的能力还是很弱的。

这也是我们为什么提出双层具身接触智能架构。首先，机器人本身得有使用灵巧手的能力，能够实现多指协同，根据触觉形成底层闭环，然后才能让上层大模型很好地调用它。

我认为这部分能力在行业里还很缺失。至少最近几年，我不认为它会那么快成为大模型前进的核心方向。所以这部分工作是灵巧手公司需要完成的，也是我们的核心业务重点：让手拥有多指协同和触觉闭环控制的能力，让大模型或者客户能够用好它。

问： 具体做任务时，怎么决定用学习策略，还是经典的感知、规划、控制方案？

黄碧丹： 要具体场景具体分析。比如搭积木，整个环节涉及很多部分，我们用的是比较经典的感知、规划、控制方案。

感知这一块，我们选用数据驱动的方案，是因为实测发现，它对光照的鲁棒性和准确度更高。我们测过其他方案，测完后做了这个选择。

路径规划也同步测试了在线和离线方案。在当时的现场测试里，我们发现在线方案对环境的适应性更强，但对光照的敏感度也更高；离线方案相对稳定，但会牺牲一些在线适应性。最后根据需求选择了离线方案。

到底用学习方案还是经典方案，我们都根据现场测试和所需效果，用数字来选择。

问： 算法怎样反过来影响硬件设计？

黄碧丹： 比如设计最新款手的时候，一开始就会考虑触觉应该布在哪里。

我们会在仿真或者真实样机上不断测试，手在闭合、抓取和操作物体时，哪些地方最可能碰到物体，就在那里布高精度触觉传感器。很少碰到的地方，则从成本角度考虑要不要布。

我们的手也适配视触觉。它的好处是分辨率高，能够检测物体表面的精细纹理，所以我们把它装在最需要这种能力的指尖。

但我们这套视触觉方案依赖相机模块，很难放在手的其他部位。为了实现全手触觉覆盖，我们在其他部位用了不同的触觉方案。

指尖的重要性最高，但手掌其他区域也很重要。我们会参考过去的研究和实际测试，判断操作时哪些区域更常与物体接触，让这些区域能够获取触觉信息，形成有效闭环。

戴着手套的人类，成了机器人老师

问： 手套和自家灵巧手，在设计之初有没有一起考虑？

乔天杰： 有。我们的灵巧手外面本身就有一层手套，交给客户时是带手套一起用的。

如果灵巧手的手套和数采手套看起来完全一样，用采出来的数据训练我们的手，优势会更明显。这一块在最初产品定义时就一起考虑了，包括触觉的分布，也尽可能保持一致。

问： 为什么选择柔软的织物手套，而不是刚性的外骨骼？

黄碧丹： 外骨骼的一个好处，是手部和指尖定位精度可能更高。刚性连接上可以装关节编码器，计算指尖位置。如果用来遥操作，它还可以提供一定的触觉反馈。

但它也有问题。一是佩戴不够舒适，硬质结构有重量，会影响真实操作体验；二是外形和人手差别比较大，采集第一人称视角数据时，画面里的人手覆盖了外骨骼，后续视觉处理会增加工作。

我们希望大规模铺到人的真实场景中，在不改变操作流程的条件下使用，柔软手套更容易推动。

软手套确实有拉伸、形变带来的精度问题。我们在指尖定位的基础上，增加了触觉传感器。我认为，定位与触觉结合，能够补偿接触操作中最后几毫米的误差，满足我们对高精度第一人称操作数据采集的需求。

问： 把人手动作映射到机器人手时，优先保留关节角度、指尖位置，还是操作效果？

黄碧丹： 这些都在我们的优化目标里，会涉及不同量之间权重的调整。

对操作来说，核心不是机器人模仿人手模仿得多像，而是达到被操作物体状态改变的效果。所以我们采用以物体为中心的重定向方式：把动作映射到机器人上之后，能够完成同样的任务，把这个作为最主要的权重，优化整个流程。

问： 怎样才算一条「真机 Ready」的数据？

黄碧丹： 这个概念是从真机遥操作数采里延伸出来的。比如一杯咖啡放在 A 点，采数据时把它拿起来放到 B 点；回放时，在同一个场景里，咖啡还是放在 A 点，机器人能够把它拿到 B 点，我们就认为这条数据质量相对够高。

往人手数据上延伸，也是一样的逻辑，只是中间需要转化：人手在这个场景里做了任务，机器人在相同场景条件下回放，也能够完成同样的任务。

这个过程针对数据本身的质量，以及中间的处理过程，不涉及后期训练和泛化能力。

「真机 Ready」不是纯硬件概念，而是数采手套加上数据处理管线之后，处理好的数据本身的质量概念。

我们并不是说，单靠推出手套，就能得到非常高质量的数据。它需要结合后期算法，让处理后的数据可以在真机上回放轨迹，达到和人手相同的任务效果。

我们在数据处理管线上做的事情，是尽量缩小人手数据到真机回放之间的成本。

问： 现在纯视觉的第一人称数据已经堆到了百万小时的量级，再加手套，数据质量的优势体现在哪里？

黄碧丹： 普通人类日常操作的场景，可能百万小时级别的数据就已经基本覆盖到了。在百万小时之上走到千万小时，收益并没有那么高。

所以跨过百万小时的量之后，方向应该是提高数据本身的质量。现在裸眼的第一人称数据，第一精度低，第二没有触觉信息、没有真实物理交互信息。加上数采手套以后，就能在这两个点上很好地补充，这也是为什么我们希望把百万小时的数据，做出一个更通用、效果更好的具身大模型。

问： 增加手套和触觉，会不会让采集成本更高？

黄碧丹： 成本是综合考量。如果只盯着数采硬件，加上手套，肯定比纯视觉的第一人称数据多了一个部件，看起来贵了一些。

但我们的判断是，采到更准确的手部数据，再加上触觉信息，很有可能不需要那么多低质量数据，也能训练出同样好的模型。这里涉及大量较低质量数据与少量高质量数据之间的成本权衡。

现在我们还没有办法给出非常准确的评估。

问： 手套适合大规模分发、甚至众包采集吗？使用成本主要在哪里？

乔天杰： 我觉得可以。手套穿上就能用。我们有研发工程师戴着手套测试，平时用鼠标、键盘也戴着，边工作边研发，我觉得这是一种很好的扩大采集规模的方式。

目前一个问题是外层触觉的寿命还没有那么高，用一段时间后需要更换；定位模块的使用寿命则比较长。所以我们把外面的触觉层和内层定位模块做成可拆卸的，触觉层坏了就换新的，这样整体性价比会更高。

临界点的新边界

问： 从卖硬件向操作算法延伸，会不会与整机客户竞争？

乔天杰： 我们觉得光做硬件肯定不行。灵巧手是一个软硬一体的产品，很多时候做成什么样，是由算法强烈影响的。做操作算法，可以反过来指导手怎么设计；有了好的本体，软硬协同迭代也会更快。

我们会向上做灵巧操作算法，但我们不认为这会和整机厂形成竞争。机器人涉及很多技术栈，除了作业智能，还有运动智能、交互智能等，那些不在我们的主要重心里。我们还是围绕灵巧手的软硬一体来做，同时向整机厂提供必要支持。

问： 垂直场景都由自己交付，还是交给集成商？

乔天杰： 我们认为，机械臂加手就是一个能干活的最小系统，所以也与很多机械臂公司建立合作。

垂直场景不可能全部自己做，有一些集成商伙伴可以用我们的手，加上其他厂商的机械臂，去做不同场景。比如电池场景，有些开发就是伙伴完成的。

机械臂的能力相对成熟，我们更多提供手相关的能力，把这些能力封装好，让他们调用得更快。

问： 从智元拆分后，独立性怎么体现？目前对智元订单的依赖有多大？

乔天杰： 当前智元订单占比大概在 60%—70% 之间。随着独立发展，外部需求越来越多，我们预期这个占比会进一步下降。

我们希望把手卖给智元之外的公司，通过整个行业分摊研发成本，这也是拆分的核心原因之一。

独立之后，也可以独立融资、独立发展，吸引更多人才。团队里有来自机器人、汽车、工业等不同领域的人。

问： 你预测一两年内价格可能下降一个数量级，这需要哪些条件？除了放量，怎样通过设计降本？

乔天杰： 现在价格确实还比较贵，一个重要原因是，数量还没有达到工业夹爪的级别。任何降本，即使设计上降得再多，也需要一定的量作基础。

如果主要用在科研教育市场，市场空间就那么大，厂家降价未必有那么大收益。这也是我们积极推进部署的原因：让灵巧手走出实验室，进入产线和商用环境，数量才可能有明显变化，带动供应链协同降本。

所以我预测，可能一两年内，灵巧手价格能够下降一个数量级。这与量和场景强相关。

还需要很多正向设计。只靠规模降本，总归有一个下限，再往下就要从设计里去抠。

比如设计手的外形时，考虑能不能一次成型。加工难度越低，成本就越低。灵巧手如果按材料称重，其实很便宜，主要成本在复杂的加工工艺上，比如微型轴承、电机绕线等。

我们需要通过设计降低工艺难度，减少加工过程中的人工成本，进而降低综合成本。