在汽車制造領域，小米機器人團隊近期取得了引人矚目的新突破。其研發的機器人已在真實汽車工廠環境中，于自攻螺母上件工站成功完成連續3小時的自主穩定作業，雙側同時安裝成功率高達90.2%，且完全契合產線最快76秒的生產節拍要求。

該任務對機器人要求極高，需連續從自動送釘設備精準抓取自攻螺母，再準確放置于自攻擰緊的定位工裝，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環節難度最大。螺母內側的花鍵結構，以及每次被抓取后手內姿態的不確定性，再加上定位銷軸磁吸力的干擾，讓機器人的“精準對位”面臨巨大挑戰。

為攻克這些難題，研發團隊創新采用端到端數據驅動的控制方法。以機器人的VLA大模型Xiaomi-Robotics-0為基礎，融入強化學習技術。這種聯合訓練框架，極大增強了模型在操作任務理解、空間感知等方面的泛化能力，使機器人能從真實物理交互經驗中不斷學習，快速適應不同下游工況。

在作業過程判斷上，團隊融合視覺、觸覺以及關節本體感知等多模態信息協同作業。例如抓取任務中，單獨依賴視覺易受光照變化或遮擋影響，單獨依賴觸覺又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狀態誤判概率，顯著提升了任務執行的穩定性。

機器人的全身運動控制采用融合優化控制與強化學習的混合架構。優化控制器能在毫秒級內求解，嚴格滿足平衡與安全約束；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，讓機器人學會在干擾下保持平衡，并實現零樣本遷移部署到真實機器人上。

盡管在自攻螺母上件工站中，機器人仍會因螺母花鍵對齊精度不足等問題出現典型失效案例，但這是小米人形機器人在汽車制造場景規?；瘧玫闹匾徊?。目前，小米還在其他多個典型工站進行了實際部署與驗證，后續將陸續公布相關進展。