机器人明明看懂了任务，为什么还会卡在最后几毫米？

把插头插进接口，对人几乎不用解释；机器人却会卡在最后几毫米。它知道该怎么做，只是还不能稳定地把这件事做对。从知道到做到，中间隔着的不是一段控制程序，而是一整套行动机制。

---

WRC观察

把一个插头插进接口，对人来说几乎不需要解释。看见接口，对准方向，稍微调整角度，再用合适的力量推进去。但对机器人来说，最难的地方可能恰恰发生在最后几毫米。它已经认出了插头，也知道任务是“插进去”，甚至规划出了大致正确的动作。可只要位置偏了一点、角度歪了一点，或者施加的力量不合适，插头就可能卡在接口外面。

这时，机器人不是“不知道答案”。它是知道应该做什么，却还不能稳定地把这件事做对。这正是具身 AI 进入真实工作时最容易被低估的难题。

在数字世界里，“理解正确”和“输出正确”之间已经存在距离。到了物理世界，中间还多了一整段真实行动。机器人需要把目标变成空间位置，把位置变成运动轨迹，再把轨迹变成关节、手指和力量的连续控制。最后，它还要判断动作是否真的产生了预期结果。所以，一个机器人完成任务，至少包含三种不同的“正确”。

第一种是理解正确：它要知道哪个是目标物体，任务要求是什么，哪些东西不能碰。第二种是动作正确：它要走到合适位置，用合适角度接近，控制速度和力量，避开障碍。第三种是结果正确：零件是不是已经放进夹具？杯子有没有滑落？包装有没有被压坏？

理解可能是对的，动作看起来也基本正确，最终结果仍然可能不合格。这也是为什么“机器人看懂了”与“机器人会工作了”之间，还有很长一段距离。

最后几毫米，不只是精度问题

很多人会把这种失败理解成机械精度不够。精度当然重要，但真实问题比“差了几毫米”更复杂。摄像头看到的位置，未必就是机械手真正到达的位置；物体可能被遮挡，也可能在抓取时轻微移动；金属、塑料、纸盒和软包装的摩擦与变形不同；同一种零件用久以后，也会出现磨损和公差变化。

机器人还必须处理接触。手指碰到物体以后，是继续用力，还是已经抓紧？插头遇到阻力，是角度不对，还是已经到底？纸杯能承受多大力量，塑料袋的重心又在哪里？这些都不能只靠“看见”解决。它还需要触觉、力觉、运动控制、本体结构和夹具共同工作。模型知道“轻轻拿起杯子”是什么意思，不代表机器已经知道这一只杯子此刻应该用多大力量。

因此，今年世界机器人大会的技术讨论里，受到关注的不只有 VLA 和世界模型，也包括灵巧手、触觉、力控、视觉定位和双臂协同。机器人应用赛同样把视觉识别、定位、力控反馈、双臂协同和作业流程放在一起考察。这说明行业正在面对一个更现实的问题：最后几毫米不是某一个模型、某一只手或者某一种传感器单独完成的，而是整条技术链必须同时对上。

一次成功，为什么很难变成长期成功

单次任务还有另一层欺骗性。假设机器人顺利抓起一个箱子，这只能证明它在当时的光线、位置、重量和摆放方式下成功了一次。真实工作会不断改变条件：下一只箱子可能更软，胶带会反光，标签遮住边缘，托盘位置发生偏移，旁边还多了一件物品。对人来说，这些变化往往只是随手调整。对机器人来说，它们可能意味着输入已经离开训练和调试时熟悉的范围。

VLA 等模型试图让机器人把视觉、语言和动作连接起来，提高对新物体、新指令和新环境的适应能力；世界模型则试图帮助它预测行动之后会发生什么。这些方向已经带来明显进步，但不能把“泛化能力提高”写成“机器人已经能够适应任何现场”。研究测试中的新物体、新背景和新任务，仍然有明确范围。真实企业里的异常没有固定题库，也不会在每次失败后自动把场景恢复到起点。

实验是在测能力上限，企业是在测可重复的下限。

而且，一个工作任务很少只有一个动作。机器人可能先识别物料，再移动到工位，调整姿态，抓取、搬运、放置，最后确认结果。每一步的小概率错误，都会沿着任务链继续累积。因此，企业不能只问某个动作的最高成功率，更应该问的是：连续完成一百个完整任务时，有多少次需要重试？多少次需要人工接管？失败以后平均多久恢复？最终交付了多少合格结果？这正是004留下的验收问题，在技术层的进一步展开。

真正稀缺的，不只是成功数据

要让机器人应对更多变化，数据是绕不开的基础。但机器人数据与普通图片和文本不同。一段“人拿起杯子”的视频，不一定包含机器人真正需要的信息。它还要知道手从哪里接近、关节怎样运动、用了多大力量、杯子有没有滑动，以及失败以后人做了什么调整。这些数据可以来自人类示范、遥操作、真实机器人运行，也可以通过仿真和合成方式扩充。每一种方法都解决一部分问题，也都有边界：遥操作可以把人的动作转成机器人数据，但遥操作完成任务，不等于机器人已经能够自主完成；仿真可以快速生成大量样本，但现实中的摩擦、反光、形变、磨损和偶发干扰很难被完整复制。

更容易被忽略的是失败数据。如果训练数据里只有“正确抓取”，机器人可能学会在熟悉条件下重复成功，却不知道物体滑落、抓偏或者被遮挡时应该怎么办。真正进入经营现场以后，失败、异常和人工纠正反而可能成为最有价值的反馈。但这里仍然要守住002已经建立的边界：

记录失败，不等于机器人会在现场自动学习。

这些记录是否能够进入下一轮改进，还要经过数据清洗、人工审核、标注、训练、测试和版本发布。企业也要知道，新版本改变了什么，是否需要重新验证，出现问题能不能回退。持续学习不是一句“越用越聪明”的宣传语，而是一套有成本、有风险、需要治理的工程机制。

真正的能力，是知道什么时候不能继续

机器人进入真实工作以后，最重要的能力未必是每次都坚持完成任务。有时，它更应该知道什么时候停下来：抓取不稳时降低力量，位置不确定时重新观察，连续尝试仍然失败时请求人工接管，遇到人员进入危险区域时立即停止。这不是“不够自主”。相反，能够识别自己的能力边界，是机器人进入经营现场的基本条件。

企业需要验收的也不只是成功率，还包括失败检测、降级运行、安全停止、人工接管和任务恢复。如果机器人每次遇到异常都需要工程师从头重置，它就很难成为一段可持续调用的工作能力；如果它不知道自己失败了，继续带着错误结果进入下一道流程，风险会更大。所以，真正成熟的机器人不是一台“从不犯错”的机器，而是一台在出错时能够被发现、被限制、被接回，并把过程完整记录下来的机器。

这会直接改变企业选择机器人任务的顺序。对于县域工厂、仓库、门店和服务企业，最适合先进入的往往不是最炫、最开放、最像人的任务，而是高频、重复、边界清楚、结果容易检验、异常能够人工接回的任务。先让机器人在一个清楚的工作包里稳定产生合格结果，再逐步扩大物体、环境和任务范围，比一开始追求“什么都会”更接近经营现实。

从 OPCBoss 的视角看，具身 AI 真正增加的，不只是机器对世界的理解能力。它还把数字判断带进了一个会产生力量、位移、损耗和安全后果的现实环境。

从知道到做到，中间隔着的不只是一段控制程序，而是一整套能够验证结果、处理异常、接受接管并留下责任记录的行动机制。

会行动，是进入经营现场的能力条件；能够稳定完成、验证结果并在失败时安全接回，才接近企业可用的工作能力。但即使一台机器人已经跨过最后几毫米，能够稳定完成限定任务，企业也还没有自动获得机器人能力。它仍然需要接入流程、系统、权限、安全、运维、数据和责任机制。这正是下一篇需要回答的问题：企业买了一台机器人，为什么还没有获得机器人能力？