星海图R1 Pro机器人正在叠纸盒，它只有两个夹爪，纸盒随时可能回弹，它不能先“处理数据”后“执行”，必须边想边做；一组延锋机器人围坐一圈正在装配喇叭套件，它们用灵巧“手”上料、嵌合、打包，在流水线上实现多机协同；夸父机器人用吸盘“手”稳稳吸住纸箱，快速“搬砖”。
8月20日，科技日报记者在2026世界机器人大会现场看到，机器人在制造行业的应用场景被悉数搬到展厅。从展台到产线，这些人形机器人距离大规模应用还有多远？记者现场采访了相关专家。
第一问：与传统工业机器人相比，人形机器人有哪些优势？
当前传统工业机器人已经广泛应用于生产一线，它们在焊接车间、涂装环节等特定领域稳定高效，但在机器人工程师眼中，那些机械臂或坐标机器人与大会展厅里的“智能物种”是截然不同的。
“传统工业机器人面对的环境相对结构化，工件位置基本固定。它针对一个特定的任务去编程并完成特定轨迹，通俗地说，一个机器人只能做一件事。”跨维（深圳）智能数字科技有限公司工程师马辰告诉记者，人形机器人则增加了“泛化”能力，同一台机器人可以在不同场景下完成不同的任务。
能够处理柔性材质也是人形机器人的新增技能。在机器人大会现场，灵宝CASBOT 02抓取柔软的鞋舌物料，调整姿态后精准对准鞋底模具的槽位完成放置。“这是鞋服制造场景下典型的鞋舌柔性物料操作。”中科慧灵机器人技术有限公司副总裁詹伟刚告诉记者，相较于形态稳定的刚性零部件，鞋舌这类柔性物料在被抓取、受力、移动过程中会持续形变，机器人需要实时感知物料状态变化，完成抓取、转运、对位、放置、微调一整套连续动作。
第二问：人形机器人并未批量应用，还有哪些短板？
相较去年以机器人热舞、拳击、球赛等为主的展示，今年机器人大会上的工业应用占比明显增加，汽车零部件安装、货物搬运、流水线协作等工业场景展示不一而足。但当记者询问这些机器人是否装配应用于大规模产线时，往往得到的是否定回答。
“由于机器人是通过大模型的赋能对环境进行感知、理解任务以及规划轨迹，目前来看，在精度方面，还是直接定位的传统机械臂能做到的精度更高，可以理解为这是它增加泛化能力的代价。”马辰说，算法工程师也一直在逐步迭代优化，比如探索将VLA（视觉—语言—动作）模型简化为VA（视觉—动作）模型，提升算法效率和精度，让手机装配流水线上的机器人能快速精准定位。
机器人动作的连贯流畅性问题也是短板之一。现场观众表示，看到机器人工作时抖动和停顿，会为它们捏一把汗。
“机器人传统的思维架构是‘先算完再动’，这在实际操作时会导致停顿与抖动。”星海图（北京）人工智能科技股份有限公司技术人员周波涛告诉记者，为了保持机器人在精细操作中的稳定性，算法工程师将控制“思考”和“动作”的模型进行了解耦，使得机器人可以边推理边执行。
这一转变使得机器人能够完成将平展纸板折叠成立体纸盒的连续任务。周波涛说，在这个过程中，初始任务往往会被纸板形变、回弹等复杂情况打断，算法的升级使得这台折纸盒标杆机器人实现99.9%的准确率，让机器人在自主调整策略的同时，保持动作连贯流畅并能高精度长程操作。
弹性物体操作是机器人进入真实生产环境的关键能力之一。在3C电子、服装制造、食品加工等行业中，大量任务涉及柔性、易变形物料，打通这一赛道，将拓展机器人进入生产一线的领域。
第三问：人形机器人如何更快实现工业应用？
“对工业落地来说，机器人‘能抓取’只是基础，更关键的是要能依据作业中的状态变化，进行动作的动态修正，并将一系列时序关联的子动作组装为一套完整可交付的工业任务。”詹伟刚表示，不同工业工序对机器人感知、操作、执行能力要求差异很大，公司正不断为机器人丰富各类实际工况，并有针对性地持续完成模型、数据集以及操作策略的适配迭代，持续强化机器人跨场景连续作业能力。
“有场景才能定义硬件。”深圳市大寰机器人科技有限公司副总裁王柏棠说，目前行业内的技术路线各有所长，但工业化场景是多元的，哪些技术路线更适配，需要几个典型场景应用来明确目标和方向。在他看来，当一个工业场景的应用跑通了之后，就会得到更广泛的应用，不断倒逼技术向明确的方向迭代和完善，未来大概3年就有望出现比较清晰的产业路径、技术参数甚至标准体系等产业化脉络。
