小米汽车工厂的机器人近日在总装车间物流区解锁了两项新技能：中控台侧盖板排序与料箱折叠回收，且两项任务的完成成功率均突破90%。这一进展标志着小米机器人从年初自攻螺母上件工站的“实习”阶段，正式向更复杂的柔性制造场景迈进。此前，该机器人已在自攻螺母工站实现双侧作业成功率98%，仅比人工操作低1个百分点，距离“转正”标准仅一步之遥。
中控台侧盖板作业对机器人提出多重挑战。由于盖板具有大尺寸、不规则、柔性特征，且需在三排料箱中精准抓取远端物件，机器人需协调全身自由度保持平衡。例如，当抓取最内侧盖板时，机械臂需同时调整腰部、肩部与腕部关节，避免因动作幅度过大导致倾倒。为解决盖板与料架接触时的钩挂问题，研发团队开发了主动柔顺控制策略，通过末端力传感器实时感知阻力变化，自动调整推压力度与方向，确保放置过程平稳流畅。
在操作细节上，机器人展现出类人化的精细调整能力。抓取盖板后，系统会驱动双机械臂协同作业：一手固定盖板边缘，另一手调整握持角度，使柔性材质在手中保持最佳姿态。这一过程依赖仿生灵巧手的本体感知技术，通过指尖压力分布数据反推盖板空间方位，将放置误差控制在毫米级。测试数据显示，经过优化后的操作流程使单次作业时间缩短15%，同时降低料架碰撞风险。
料箱折叠回收工站则聚焦于多关节协同与空间推理能力。机器人需先抠开料箱拉环——这一动作要求指端施加恰到好处的力度：过轻无法开启，过重则可能损坏卡扣。研发团队通过模拟人类指尖触觉，为机械手配置了高精度压力反馈模块，配合动态路径规划算法，使开环成功率提升至92%。在叠放环节，双臂需同步完成抓取、旋转、对齐动作，确保三个料箱堆叠后偏差不超过2毫米。更复杂的是多机器人协作场景：当四台机器人同步推送料箱组时，系统通过中央调度算法统一协调运动轨迹，避免出现节拍错位或路径冲突。
为保障作业安全，研发团队设计了三级应急机制。基础层通过360度环境感知系统实时监测障碍物，中级层启用运动轨迹预判算法规避潜在碰撞，终极层保留人工远程接管权限。在近期测试中，某台机器人因料箱卡扣变形导致折叠失败，系统立即触发警报并暂停周边设备运行，工作人员通过5G网络接管操作，仅用8秒便完成故障排除。
尽管已取得突破，研发团队仍关注到效率优化空间。当前机器人处理折叠料箱第二面时，需额外调整料箱方向使卡扣朝前，而熟练工人可直接盲操拉环。针对这一差异，团队正升级仿生手的触觉反馈单元，通过增加温度与纹理传感器，帮助机器人识别卡扣位置而无需视觉辅助。初步实验表明，改进后的机械手在暗光环境下完成拉环操作的耗时，已缩短至人工操作的1.2倍。
