至简动力冯宗宝 IROS 2026 演讲：在 0.5 毫米间隙下让机器人照看 CNC 机床，仅用 600 条真实轨迹训练
来源雷峰网查看原文
速览
- 至简动力在 IROS 2026 展示机器人自主照看两台 CNC 机床的落地案例
- 核心难点是 0.5 毫米间隙、反光弱纹理工件与不可见的接触界面
- SimpleWAM 训练时用未来视频、3D 状态与动作联合监督，推理时直接出动作
- DRAM 以固定大小关联矩阵附加长时序记忆，不改动也不重训骨干
- DPE 冻结动作器、只更新评估器，避免策略漂移并减少执行步数
- 精密 CNC 插入任务成功率 100%，训练数据仅 600 条真实轨迹
- 融合方法在标称试验中成功 15 次，优于 π0.5 SFT 基线的 8 次
- 至简动力自研多模态模型、数据飞轮、模块化硬件与 SimpleClaw 平台
2026 年 9 月 29 日，在美国匹兹堡举行的机器人学顶级会议 IROS 2026 现场，至简动力（Simplexity Robotics）强化学习负责人冯宗宝在一场 Tech Talk 中，介绍了公司如何让一台机器人自主照看两台 CNC 机床，完成工件的抓取、上料、插入、取出与放置。这一任务的难点在于工件与卡盘之间的间隙只有 0.5 毫米，且工件表面反光、纹理微弱、外形相似，关键接触界面并不总是可见。至简动力给出的方案由三部分组成：SimpleWAM 统一世界动作模型负责从多模态观测生成动作片段，DRAM（Delta 规则循环关联记忆）用固定大小的记忆矩阵补充长时序上下文，DPE 用单独训练、保持策略冻结的评估器对候选动作打分。在精密 CNC 插入任务上，这套组合方法取得 100% 的任务成功率，训练仅使用 600 条真实机器人轨迹。冯宗宝强调，实验室基准测试的成功与工厂级精度之间存在清晰鸿沟，真实场景还要过公差、节拍、良率三道关。
关键事实
- 演讲时间为 2026 年 9 月 29 日，地点为美国匹兹堡 IROS 2026 现场，演讲者为至简动力强化学习负责人冯宗宝
- 任务目标是让一台机器人自主照看两台 CNC 机床，完成抓取、上料、插入、取出与放置
- 工件与卡盘之间的间隙仅 0.5 毫米，几乎没有留给对位误差的空间
- 训练仅使用 600 条真实机器人轨迹
- 在精密 CNC 插入任务上，组合方法取得 100% 的任务成功率
- 在标称试验中，融合方法成功 15 次，Query-concay 为 0 次，π0.5 SFT 基线为 8 次
本站视角
这条消息最值得关注的不是「100% 成功率」这个数字本身，而是它出现的场景：CNC 精密插入，而不是实验室里的抓取摆放。对国内做具身智能落地的团队来说，这是一个明确的信号——竞争焦点正在从「模型能不能动」转向「能不能在公差、节拍、良率约束下稳定干活」。0.5 毫米间隙、反光弱纹理、接触界面不可见，这三条约束几乎覆盖了工业场景中最难的一类视觉-力控耦合问题，谁先把这类任务跑通，谁就更接近真实的付费客户。 我们的判断是，至简动力这套方法里最有价值的部分是 DPE 的设计思路：动作器在机器人上始终保持冻结，只用一个单独训练的评估器对候选动作打分，并用成功与失败的 rollout 更新评估器。这直接针对的是具身智能落地中一个常见痛点——用评估器反馈去更新动作器容易导致策略漂移，线上表现越跑越差。把「提出动作」和「选择动作」解耦，工程上更容易维护，也更适合工厂这种不允许频繁重训的环境。DRAM 用固定大小关联矩阵附加长时序记忆、不改动也不重训骨干，同样是一个偏工程实用主义的选择。 需要提醒的是，原文给出的对比数据只有标称试验中的 15 次、0 次、8 次这一组，样本量很小，且全部来自至简动力自己的演讲，没有第三方复现，也没有给出节拍、良率、连续运行时长等工厂真正关心的指标。100% 的任务成功率是在什么任务定义、多少次试验、什么判定标准下取得的，原文没有交代。因此，这更适合被看作一份「实验室精度如何转化为工厂精度」的方法论参考，而不是可以直接对标采购的产线能力证明。对中文开发者而言，SimpleWAM、DRAM、DPE 这三个模块的拆分方式值得借鉴；但如果你正在评估具身智能供应商，建议把问题直接问到节拍、良率和连续运行稳定性上，而不是停留在成功率数字。
背景与影响
CNC（计算机数控）车床、铣床是制造机器人关节、卡盘、精密结构件的核心设备。如果机器人能自主照看这些机床，完成工件的抓取、上料、插入、取出与放置，机器人工业就可能形成「机器人越多、造机器人的能力越强、成本越低」的正反馈闭环。但这类零件恰恰是对精度要求最苛刻的一批：工件与卡盘间隙往往只有 0.5 毫米，金属表面反光、纹理微弱、零件外形高度相似，关键接触界面还常常不可见。这意味着实验室里漂亮的演示必须先过公差、节拍、良率三道关。至简动力是一家全栈具身智能公司，自研多模态模型把理解与生成统一在一起，配套闭环数据飞轮、统一模块化硬件平台和 SimpleClaw 开放平台。其硬件产品线包括轮式机器人 i7 Pro、轮式人形机器人 iX、两种配置的模块化力控机械臂（分别搭配 Dexter 灵巧手和夹爪），以及用于规模化采集人类演示的数据采集手套。本次演讲基于现场英文演讲整理，雷峰网在不改变原意的基础上对口语表达和技术术语做了重新梳理。
本文由 AI 辅助整理自公开信源，事实部分以原文为准；「本站视角」一节为编辑部判断，欢迎指正。版权归原作者所有，如有异议请联系我们。