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

首页

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

AI科技评论

2026-10-07

导读：具身智能从实验室走向真实工厂、迈向精密制造。

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

机器人走进车间，亲手制造组装自身所需的零件，这并非玩笑，而是具身智能落地的核心命题。若机器人能自主操作CNC机床完成工件抓取、上料及加工，将形成“机器人造机器人”的正反馈闭环，大幅降低制造成本。

然而，精密制造对精度要求极高：工件与卡盘间隙仅0.5毫米，且面临反光金属表面、无纹理外形等视觉挑战。实验室演示需跨越公差、节拍、良率三道关卡才能真正进入工厂。2026年9月29日，在IROS 2026会议上，至简动力强化学习负责人冯宗宝分享了如何通过600条真实轨迹训练，实现机器人自主照看两台CNC机床的技术方案。

用机器人造机器人：弥合实验室与工厂的鸿沟

至简动力作为一家全栈具身智能公司，通过自研多模态模型、闭环数据飞轮、模块化硬件平台及SimpleClaw开放平台，致力于解决这一难题。其硬件产品线涵盖轮式机器人i7 Pro、轮式人形机器人iX、模块化力控机械臂及数据采集手套，旨在通过规模化人类演示数据提升机器人在精密CNC操作上的能力上限。

针对CNC操作中的动作生成、记忆与选择问题，至简动力提出了三种互补方法：SimpleWAM用于从多模态观测中生成动作片段；DRAM（Delta规则循环关联记忆）处理长时序上下文；DPE则通过独立训练的评估器对候选动作打分，保持策略冻结。

真实工厂难题：精度与感知的双重挑战

精密CNC操作面临三大难点：

首先，工件与卡盘间隙仅0.5毫米，容错空间极小；其次，反光表面和微弱纹理导致视觉对位困难；最后，关键接触界面往往不可见，要求系统在视觉信息不完整时仍能保持全程精度。

为此，系统架构需具备强视觉编码器以应对弱纹理，利用头部与腕部相机提供多视角以支持长程接近，并结合接近感知条件化以实现精密接触。

具体应对方案：多模态融合与记忆增强

SimpleWAM：统一的世界动作模型

SimpleWAM核心理念为“训练时从丰富未来监督中学习，推理时直接预测动作”。训练阶段，视频DiT、3D DiT和动作DiT联合重建未来视频帧、3D状态与动作片段；推理阶段，仅输入当前图像、3D状态和语言指令，直接输出动作片段。

特征提取采用共享冻结编码器保留密集图像token，通过独立查询读取各视角，再经门控平衡全局上下文与局部线索。测试显示，该融合方法在标称试验中成功15次，远超基线方法。

DRAM：长时序记忆模块

为应对长任务中的上下文需求，引入DRAM模块。它利用固定大小的关联矩阵存储历史上下文，在不修改骨干架构前提下附加于预训练策略之上。冻结的SimpleWAM骨干提取特征，DRAM读取相关历史，动作DiT结合两者生成动作，并通过Delta规则更新记忆。

力觉反馈与DPE评估器

针对视觉缺失的接触信息，系统利用力与力矩进行补充：一方面通过接近感知条件化调整状态输入，另一方面利用实时阻抗控制器稳健执行。此外，DPE（Delta Policy Evaluation）使用单独训练的评估器对候选动作打分，仅更新评估器而保持动作器冻结，有效避免策略漂移，提升了任务成功率并减少执行步数。在精密CNC插入任务中，该组合方法实现了100%的成功率。