21世纪经济报道记者 林典驰 杭州报道
在兆丰机电的杭州工厂送料台前，一台轮式机器人用夹爪抓起零件，转身准确放到产线上。即便记者将料框里的零件重新挪了位置，机器人也能重新识别，抓住目标零件，继续上料。
这个小小的变化，曾经让刚进厂的机器人犯难。彼时，零件放在固定位置，机器人可以抓取；一旦工人改变摆放位置，它就可能找不到目标。经过反复采集数据、调整算法，如今它已经具备智能识别的能力，能够应对工作中的偶发事件。
10月15日，乐聚机器人与兆丰机电联合发布“具身智能+汽车零部件上料解决方案”。15台人形机器人已经进入兆丰产线，承担从取料、转运到上料的任务。据双方披露，单次完整上料循环控制在40秒以内，机器人上料时间大概为35秒，上料成功率稳定在98%，累计运行约1000小时，协助生产超过6万个零部件。
机器人开始干活了，但距离工厂期望的效率还有差距。兆丰机电董事长孔爱祥希望，未来能将上料时间压缩至15秒左右。对于这批先行进入产线的机器人，他坦言，最初没有计算采购成本，首先要把应用打通，同时也看到了人形机器人能力泛化的潜力。
人形机器人进入工厂后，怎样才能持续创造生产价值？21世纪经济报道记者实地走访并采访发现，乐聚正在真实产线中寻找答案：提高作业效率和可靠性，用持续回流的数据改进模型，并探索上料之外的更多任务。如何将这些反复磨合的经验转化为可以复制的能力，让更多工厂愿意使用和付费，成为乐聚推进人形机器人商业化的下一道考题。
上料被选作切入口，首先是因为它相对简单、重复性高。但对机器人而言，工厂并不是一个只需反复执行同一动作的地方。
在兆丰产线，机器人需要从料框中识别零件，完成抓取和转运，再把零件放到对应位置。放置之前，它还要确认目标位置是否已经有料，跟上后续产线的节奏。任广杰介绍，团队最初解决的是零件摆放规则、位置固定的抓取问题，随后才逐步处理摆放不规则、不同工位衔接等问题。
这些看似细小的变化，构成了实验室与车间之间的距离。
乐聚智能常务副总裁柯真东接受21世纪经济报道记者采访时表示，在相对干净、可控的实验室环境中，团队可能在一个月内就把某项作业的成功率提高至98%。但进入真实工厂后，零件大小不一，表面划痕会改变光线反射，油污会影响识别和抓取，不同工人的码放方式、厂房每天的自然光照也在变化。
许多问题只有部署后才会出现，无法在研发阶段逐一预见。团队需要针对新情况补采数据，再调整模型。
柯真东说，过去近一年，双方联合团队不断训练、补充数据、上线试验，有时发现原有模型无法解决问题，还要推翻后重新训练。效率的改善并非每天都能向前推进一点，而是反复试错后的阶段性提升。
这也意味着，机器人能抓住零件，只完成了进厂的一部分工作。它还要接入工厂的制造执行系统，接收供料任务，与前后工序衔接。工位空间、设备运行状况乃至光线方向，都必须被纳入方案设计。
当前，效率仍是双方共同面对的考题。乐聚在发布会上介绍，目前一次上料约需35秒，目标是15秒左右。孔爱祥希望，通过减少多余动作、继续训练，未来半年到一年能接近这一目标。
比速度更长久的考验是可靠性。孔爱祥告诉记者，目前机器人已经能进行8小时作业，但连续工作一天、一个月，与持续使用十个月、一年，是不同的概念。
因此，一年的验证期看似漫长，但更为重要的是验证作业的可靠性。乐聚与兆丰团队都清楚，现阶段追求通用人工智能并不现实。人形机器人能否进入工厂，最终还要回到制造业自身的生产逻辑。
“机器人进厂需要工厂已有的技术和数字化基础。就像人有电工、机械工、操作工、检验员之分，机器人进入车间，也要先把场景和任务划分清楚，逐项实现。”孔爱祥强调。
这并非兆丰第一次尝试自动化。孔爱祥回忆，公司从2013年前后开始推进工厂自动化改造，引入机械臂和自动化设备，过程伴随着较大投入，也涉及整套生产系统的调整。
兆丰机电吃到了自动化的“甜头”，帮助公司有力应对行业的价格竞争、提升了制造效率，这也使孔爱祥更愿意接受新鲜事物，包括人形机器人。
但这套经验，也让他对人形机器人的适用边界有更清楚的判断。事实上，在这种固定位置、点对点的重复送料场景中，机械臂是传统方案。但在产线变化、零件移动等偶发情况下，机械臂能力就显得不足。另外，引入乐聚的人形机器人，兆丰机电看中的是未来可以移动、切换任务，在不同工序中均具备自主作业的可能性。
这种需求与兆丰的业务有关。兆丰机电总经理孔辰寰介绍，公司部分海外销售订单具有小批量、多品种特点，有些订单起订量只有250套或300套。高度自动化产线适合品种相对单一的大批量生产，而订单频繁切换，会提高排产、工装换型和设备调校的要求。
如果机器人能够适应不同零件、不同工位，并在任务之间切换，工厂才有机会减少针对每个任务重复改造的投入。不过，眼下这套方案的主要任务仍是上料，跨工序调度的价值还在持续发掘。
另一股更现实的推动力来自用工难。即便操作工工资并不低，重复性强、体力消耗较大的岗位仍难吸引年轻人。
据记者了解，现阶段工厂还需要一名工程师照看约四台机器人，在出现异常时辅助处理。
值得一提的是，现阶段人形机器人还很难以投资回报率来衡量，未来随着作业效率的提升以及机器人的升级迭代，投资回收期可能为三年。这15台乐聚机器人的常态化运行，首先服务于场景打通，形成业界首个可复制的具身智能实景实训示范项目。从实验室走向工厂生产，机器人还要经过概念验证、小批量订单阶段，再逐步复制推广。
兆丰工厂承担了应用试验场的角色。用现阶段投资回报率衡量并不合适，机器人的潜力还没被完全挖掘。眼前的15台机器人既要完成生产任务，也让双方有机会积累开发经验，并探索对外提供方案的可能性。
数据是部署机器人另外一项重要积累。记者在现场看到，作业数据回传屏幕记录着机器人抓取、放置产生的数据。任广杰介绍，采集量会随产线生产情况变化，目前每天约有800至1200条数据。按当前数据产能测算，单月采集量可超过4万条。
这类数据的价值，在于它来自真正运行的产线。零件抓取失败、意外掉落、位置偏差，也会被保留并分类，供后续训练使用。油污、光照变化和不规则摆放等问题，由此有机会转化为模型下一轮改进的依据。任广杰谈到，除了持续补充数据，还需要配合算法及其框架的优化。
此次发布中，双方宣布向开放原子开源基金会OpenLET社区捐赠汽车零部件上料真机作业回流数据集，相关数据后续分批上架开源，涉及抓取、移动、转腰、放置、重试等技能。
“具身智能的规模化落地从来不是单个企业的孤军奋战，必须依托开放协同的生态体系，才能走得更快更远。”开放原子开源基金会副秘书长李博表示。
有业内人士告诉记者，开放数据可以帮助一些团队开发演示应用、开展研究，但对于其他厂商直接在自己的机器人上训练模型、进入工厂部署，仍然不够。
简而言之，开源数据能提供起点，帮助开发者减少重复采集，但机器人本体、工艺要求和部署条件不同，后续仍需要适配。不同机型与不同公司的人形机器人，在实际部署的时候不一定适配。
对乐聚而言，开放数据也意味着把工厂遇到的问题交给更多开发者研究。对于机器人行业而言，单靠一家企业难以覆盖大量工业场景，开源数据将积累更多的原子能力，当原子能力越多，模型可调用复用的技能上限就越高，机器人才能进入更多场景。
在跨过了概念验证关后，乐聚下阶段的重点将是把现场经验沉淀为可以复用的工具。
据乐聚介绍，目前上料技能已被拆分为30余个基础模块，通过模块组合，开发周期可从数月缩短至数周；多机调度平台支持将标准技能同步到多台设备，部署时间可从天级缩短至小时级。前者着重减少重新开发的工作量，后者解决多台设备重复部署的问题。
“当前方案已经具备一定适应能力，向类似汽车零部件工厂迁移时，有机会获得客户认可。”柯真东告诉记者。
工厂内部的新任务，也在重新定义机器人可以创造的价值。
孔辰寰介绍，公司几位一线工程师提出过一个需求：生产型号切换后，即便工装已经更换，多个工位仍需要逐一确认点位、调校设备，通常由三名工程师花费两至三个小时完成。如果机器人未来能提前接收任务，在正式开工前完成这部分工作，产线就有机会更早投入生产。
他提供了一个更具体的经济性思路。机器人除了分担人工操作，还可以接入工厂的工业互联网，成为生产制造调节的一环，为工厂增加有效生产时间，从而提高效率。
巡检和质量检测，也是乐聚机器人在兆丰工厂规划中的方向。孔爱祥希望，机器人在现场采集图像、发现异常，再与工厂已有的数据和算力系统联动。这些能力能否实现，同样取决于机器人与整套工厂系统的配合。
对于乐聚而言，下一步需要突围的方向已经明确：进一步提升上料速度和稳定性，攻克更多工业场景，让更多的工厂愿意为这套方案付费。
