2026 年 7 月 14 日，小米机器人部门在小米汽车工厂的自攻螺母工作站跑通了双工位操作，双侧成功率定格在 98%。这比人类熟练工的通过率仅低 1%，意味着这套机器人系统即将从“试跑”转为工厂里的“永久员工”。
除了螺母，团队把这套能力推到了汽车总装车间的物流区，新上的两个工作站数据是实打实的：中央控制台侧面板分拣站做到了 90% 完成率，托盘折叠与回收站也稳定在 90%。
这次落地的难点在于工业场景里长期存在的柔性操作问题。以前机器人只能做标准件，现在要处理大尺寸、形状多变的不规则面板。我们具体做了四件事来破局：
第一，平衡全身运动控制和广域稳定操作。以前全身动的时候手很难稳，这次在全身动的前提下把作业范围拉大了，稳定性也保住了。
第二，用上人机协作和仿生手触觉。机器人双手配合着干，手掌里还塞了仿生灵巧手的触觉感知，能实时调整手指姿态去捏那些难搞的零件。
第三，末端力觉感知的主动柔顺控制。末端有了力觉反馈，机器人就能自己“感觉”到阻力，自动调整用力大小，对付钩挂、卡滞这些复杂情况不再像以前那样容易报错。
第四，多机器人协同和节拍匹配。在托盘折叠站，工厂的数字系统把几个机器人连在一起，状态同步、节奏对齐，不再是一个一个单机干活。
看数据就能知道这步跨得有多远。98% 的双工位成功率说明效率已经跟人类熟练工贴得差不多了，大规模替代人工的门槛算是跨过去了。
更重要的是，应用范围从单一动作的“点”扩展到了面板分拣、托盘折叠这些非结构化场景的“面”。以前人形机器人只能在实验室里做重复动作，现在直接插进了汽车制造的核心工艺环节。
这一套组合拳——仿生手触觉感知加末端力觉主动柔顺控制，再配合数字系统的多机协同——验证了以触觉和力控为核心的具身智能路线。以前大家还在争论要不要做纯视觉，现在工业现场的柔性问题要靠触觉和力控去解，这条路算是走通了，行业里已经有可复制的方案了。
