近来全球机器人市场正处于人工智能(AI)这一巨浪之中。正如ChatGPT打破了数字世界的语言壁垒,如今机器人基础模型(RFM)正在跨越物理世界的边界。移植了生成式AI智能的Figure、Skild AI等硅谷技术企业展示的华丽演示视频,让人产生机器人似乎马上就能替代人类全部劳动的幻想。但在乐观前景背后隐藏的产业现场的冷酷真相,要求更为复杂而精细的技术答案。
超越仿真,进入第一人称视角影像时代
近来美国Skild AI以超越仿真(Sim2Real)的新战略令业界惊讶。其核心不只是在虚拟世界中学习,而是利用海量的第一人称视角(Egocentric)影像。即通过没有动作标签的大规模影像先学习世界的物理法则与因果关系,再对1小时以下的实际动作数据进行微调(Fine-tuning),从而最大化机器人的泛化性能。
这种方法为陷入数据Kia状态的机器人领域提出了重要突破口。但仍不得不提出一个问题:“在按照数据所示方向动作之后,机器人能否自行判断实际作业是成功还是失败?”
比99%成功率更重要的“失败识别(Anomaly Detection)”
我们通常以“成功率(Success Rate)”评价机器人性能。近来随着模仿学习(Imitation Learning)或VLA(Vision-Language-Action)模型的发展,达到95%以上成功率的案例不断增加。在此我们也可以追求99%的成功率。但在产业现场真正重要的是,机器人能否自行识别剩余1~5%的失败。
基于模仿学习的AI机器人所陷入的最大陷阱是“连自己已经失败这一事实都不知道,仍继续动作”。在机器人工程学中这被称为OOD(Out-of-Distribution,分布外数据)问题。真正的物理AI的目标不是埋头于99%的成功率,而是确保100%检测失败(Anomaly Detection)并立即执行应对方案(Fallback)的可靠性。若无法确保这一点,AI机器人只会成为让工厂生产线停摆的最危险变量。
决定“Last 1mm”的系统0:4kHz的精密控制
近来Figure AI等全球企业将机器人的大脑区分为“系统1(直觉执行)”和“系统2(逻辑推理)”。但在实际产业现场的精密作业中,需要比这更根本的层级。笔者愿称之为“系统0(System 0)”。
如果依赖视觉信息的系统1以100~200Hz的水平将机器人引导至物体附近,那么决定作业成败的最后1毫米(Last 1mm)则属于排除视觉、依赖触觉与力觉的系统0领域。在这里,纽罗美卡所强调的4kHz(每秒4000次运算)实时控制技术大放异彩。
这一层级超越单纯的精密控制,是阻抗控制(Impedance Control)、强健控制(Robust Control),以及无需传感器也能敏感感知外力的无传感器顺应控制(Sensorless Compliance Control)等融合而成的结晶。系统0如同脊髓反射,同时执行保护人与机器人免受外部碰撞的“安全控制”,以及将零件嵌入看不见的狭窄缝隙的“精密作业”。近来在CES 2026现场引人注目的Sharpa的CraftNet同样强调这种“Last 1mm”的控制技术是作业成功的核心,这与纽罗美卡走过的道路一致。
机器人手与零样本(Zero-shot)的目标
即使机器人的“大脑”与“神经”完成,最终执行作业的仍是“手(Hand)”。当前的机器人手与视觉智能相比,物理交互能力显著落后。真正的物理AI应具备即刻处理未经学习物体的“零样本(Zero-shot)”能力。
近来国内外在抓取与放置(Pick-and-place)领域的零样本演示不断出现,但这只是开始。我们应追求的目标是超越抓取,使装配、插入、焊接等所有复杂技能都能以零样本实现的RFM的完成。为此,必须伴随解决模仿学习所具有的数据可扩展性(Scalability)瓶颈现象的创新战略。超越单纯的YouTube视频或研究生实验室水平的VLA实现,如何高效获取真实粗糙产业领域的数据并与控制层融合,是韩国的课题。
硬件平台,韩国机器人产业的生存战略
如今机器人产业已进入制造“大脑(Software)”的公司与制造“身体(Hardware)”的公司分工化的时代。如果美国的大型科技企业抢占了通用大脑,那么我们就应抢占能让该大脑最好运作的“可信赖的硬件平台”。
笔者强调的“产业用人形机器人”正是答案。以谐波减速器为基础保证0.1mm以下的作业精度,同时取得协作机器人认证、可在无安全围栏的现场投入使用的人形硬件,在全球范围内也十分罕见。对全球AI企业而言,纽罗美卡的机器人将成为移植其高度化大脑的最完美“身体”。
AI技术越是趋于高水平均衡,胜负之处便越会回到“物理(Physical)”。要让人工智能这一华丽的大脑作为实际产业的肌肉发挥作用,就必须伴随在看不见的地方以四千分之一秒为单位检测并修正失败的系统0的精密性。在跨越数据之海、通往100%可靠性的道路尽头,有着韩国机器人产业的未来。






