首页 / 资讯详情
至简动力冯宗宝：在间隙仅 0.5 毫米的真实场景下，实现机器人造机器人 | IROS 2026
摘要
具身智能从实验室走向真实工厂、迈向精密制造。 作者丨邓哲敏 编辑丨齐铖湧 你有没有想过，机器人也可以走进车间，亲手造出组装一台机器人所需要的零件？这听起来像个玩笑，实际却是具身智能最硬核的落地命题。机器人的关节、卡盘、精密结构件，无一不是靠 CNC（计算机数控）车床、铣床一道道加工出来的。如果机器人能自主照看这些机床，完成工件的抓取、上料、插入、取出与放置，那么机器人工业将被机器人自己反哺——机器人越多，造机器人的能力越强、成本越低，形成正反馈闭环。但要实现这一点，比想象中难得多。造机器人所需的零件，恰恰是对精度要求最苛刻的一批：工件与卡盘之间的间隙往往只有 0.5 毫米，反光的金属表面、几近无纹理的外形、高度相似的零件，都在挑战机器人的视觉、触觉与全程精度。实验室里再漂亮的演示，到了这里都得先过公差、节拍、良率这三道关。2026 年 9 月 29 日，美国匹兹堡，机器人学顶级会议 IROS 2026 现场，一场 Tech Talk 正面回应了这一命题：如何让一台机器人自主照看两台 CNC 机床，在 0.5 毫米的间隙下完成上述全部操作，且仅用 600 条真实机器人轨迹完成训练。演讲者是至简动力强化学习负责人冯宗宝。这不只是一次技术演示，更是一份关于实验室精度如何转化为工厂精度的参考答案。以下是冯宗宝在 IROS 2026 现场演讲的精编稿，基于现场英文演讲整理，雷峰网在不改变原意的基础上，对口语表达和技术术语进行了重新梳理。▎From Laboratory to Factory: Why Real-World CNC Lathe Manipulation Breaks Current Robot Learning Pipelines主讲人：冯宗宝，至简动力（Simplexity Robotics）强化学习负责人01用机器人造机器人本次分享从一个制造目标说起——用机器人来制造机器人。CNC 操作看起来可能很简单，但要让它在真实工厂里稳定可靠，是完全不同的问题。它揭示了实验室基准测试的成功与工厂级精度之间那道清晰的鸿沟。今天，我将展示我们如何努力去弥合这道鸿沟。至简动力是一家全栈具身智能公司。我们自研的多模态模型，把理解和生成统一在一起；一套闭环的数据飞轮，让我们能够持续改进这些模型；统一的模块化硬件平台，让它们运行在真实的机器人上；SimpleClaw 平台则给开发者提供了一个构建与部署机器人应用的开放平台。在硬件侧，我们有四条产品线。i7 Pro 是我们的轮式机器人，iX 是我们的轮式人形机器人。我们还提供两种配置的模块化力控机械臂，这里分别展示了搭配 Dexter 灵巧手和夹爪的形态。最后，我们的数据采集手套帮助我们规模化采集人类演示，为机器人学习提供数据。所以，我们的方法连接起三个部分：我们全栈自研，从硬件、软件到模型；数据采集手套让规模化采集人类演示成为可能；多模态模型把理解与生成统一在一起。目标是从这些数据中学到更多，抬高机器人在精密 CNC 操作上的能力天花板。本次分享聚焦三个互补的方法：SimpleWAM 从多模态观测中生成动作片段；DRAM，即 Delta 规则循环关联记忆，用固定大小的记忆矩阵处理长时序上下文；DPE 用一个单独训练的评估器对候选动作打分，同时保持策略冻结。三者合起来，分别解决了我们 CNC 系统中的