在汽車制造領域，小米機器人團隊近日取得了一項引人矚目的技術突破。在真實的汽車工廠環境中，小米機器人成功完成了自攻螺母上件工站的復雜任務，展現了其在精密操作和高效生產方面的強大能力。

該任務要求機器人連續從自動送釘設備中精準抓取自攻螺母，并將其準確放置在自攻擰緊的定位工裝上，最終配合完成汽車一體化壓鑄后地板零件的自攻擰緊作業。其中，自攻螺母的精準安裝是整個流程中難度最高的環節。由于螺母內側存在花鍵結構，且每次被抓取后的手內姿態不固定，再加上定位銷軸的磁吸力干擾，機器人的“精準對位”面臨巨大挑戰。

為了應對這些復雜情況，小米研發團隊采用了端到端數據驅動的控制方法。基于其自主研發的VLA大模型Xiaomi-Robotics-0，團隊結合了強化學習技術，構建了一個聯合訓練框架。這一框架不僅增強了模型在操作任務理解和空間感知等方面的泛化能力，還使機器人能夠從真實的物理交互經驗中持續學習，從而快速適配不同的下游工況。

在感知層面，團隊融合了視覺、觸覺以及關節本體感知等多模態信息，協同判斷作業過程。例如，在抓取任務中，僅依賴視覺容易受到光照變化或遮擋的影響，而僅依賴觸覺則可能被非預期接觸干擾。多模態融合感知有效降低了復雜工況下的狀態誤判概率，顯著提升了任務執行的穩定性。

在運動控制方面，小米機器人采用了融合優化控制與強化學習的混合架構。優化控制器能夠在毫秒級內求解，嚴格滿足平衡與安全約束；而強化學習控制器則通過在仿真環境中模擬上億次極端擾動場景，使機器人學會了在干擾下保持平衡，并實現了零樣本遷移部署到真實機器人上。

在實際測試中，小米機器人在自攻螺母上件工站中實現了連續3小時的自主穩定運行，雙側同時安裝成功率達到90.2%，并滿足了最快76秒的產線生產節拍要求。盡管仍會因螺母花鍵對齊精度不足等問題出現典型失效案例，但這一成果標志著小米人形機器人在汽車制造場景規模化應用邁出了重要一步。

據悉，小米還在其他多個典型工站進行了實際部署與驗證，相關進展將在后續陸續公布。這一系列技術突破不僅為汽車制造行業帶來了新的可能性，也為智能機器人在復雜工業場景中的應用提供了寶貴經驗。