在汽车制造领域，小米机器人团队近期取得了引人瞩目的新突破。其研发的机器人已在真实汽车工厂环境中，于自攻螺母上件工站成功完成连续3小时的自主稳定作业，双侧同时安装成功率高达90.2%，且完全契合产线最快76秒的生产节拍要求。
该任务对机器人要求极高，需连续从自动送钉设备精准抓取自攻螺母，再准确放置于自攻拧紧的定位工装，最终配合完成汽车一体化压铸后地板零件的自攻拧紧作业。其中，自攻螺母的精准安装环节难度最大。螺母内侧的花键结构，以及每次被抓取后手内姿态的不确定性，再加上定位销轴磁吸力的干扰，让机器人的“精准对位”面临巨大挑战。
为攻克这些难题，研发团队创新采用端到端数据驱动的控制方法。以机器人的VLA大模型Xiaomi-Robotics-0为基础，融入强化学习技术。这种联合训练框架，极大增强了模型在操作任务理解、空间感知等方面的泛化能力，使机器人能从真实物理交互经验中不断学习，快速适应不同下游工况。
在作业过程判断上，团队融合视觉、触觉以及关节本体感知等多模态信息协同作业。例如抓取任务中，单独依赖视觉易受光照变化或遮挡影响，单独依赖触觉又可能被非预期接触干扰。多模态融合感知有效降低了复杂工况下状态误判概率，显著提升了任务执行的稳定性。
机器人的全身运动控制采用融合优化控制与强化学习的混合架构。优化控制器能在毫秒级内求解，严格满足平衡与安全约束；强化学习控制器则通过在仿真环境中模拟上亿次极端扰动场景，让机器人学会在干扰下保持平衡，并实现零样本迁移部署到真实机器人上。
尽管在自攻螺母上件工站中，机器人仍会因螺母花键对齐精度不足等问题出现典型失效案例，但这是小米人形机器人在汽车制造场景规模化应用的重要一步。目前，小米还在其他多个典型工站进行了实际部署与验证，后续将陆续公布相关进展。
