当多数人形机器人还在表演翻跟头时，小米机器人已进入汽车工厂连续作业3小时，完成打螺丝、搬料箱、贴车标等真实产线任务。它用90.2%的双侧同步安装成功率和76秒/台的节拍适配能力，验证了人形机器人作为工业生产力的可行性。
智能速览
小米人形机器人已在汽车工厂真实产线实习，非摆拍演示
连续自主作业3小时，双侧同步安装成功率90.2%，适配76秒/台产线节拍
毫米级精度完成自攻螺母装配，独立完成撕膜、对位、贴车标全流程
依托Xiaomi-Robotics-0通用基座模型+多模态感知+强化学习+指尖触觉微调
雷军强调工厂场景‘一万次任务必须次次成功’，直指工业落地核心门槛
打螺丝是智能制造试金石，稳定可靠才是规模化替代人工的前提
精华内容
实验室可以容错，工厂不能试错。小米机器人走进产线，不是为了证明它能动，而是证明它能扛住真实制造的严苛标准。
真实产线首秀
3月2日，小米人形机器人正式进驻汽车工厂实习，承担打螺丝、搬料箱、安装车标等典型工位任务。全程无干预连续运行3小时，完成从抓取、定位、装配到锁紧的全链条操作。不同于实验室Demo或舞台表演，该部署基于真实产线节奏——单台车装配节拍为76秒，机器人需严格同步，误差窗口极窄。
现场实测数据显示，双侧同步安装成功率稳定在90.2%，其中关键工位（如OCROP30）左侧与右侧成功率均达97.0%（032/033批次）。这一数据并非单次峰值，而是在磁吸力干扰、零件姿态随机、光照变化等复杂工况下持续达成的稳定表现。
撕膜、对位、贴标等精细动作全程自主完成，未依赖人工辅助或预设路径复位，体现端到端闭环执行能力。
技术底座支撑
支撑产线落地的是Xiaomi-Robotics-0通用基座模型，融合视觉、触觉与力控三重感知，通过强化学习形成类‘肌肉记忆’的实时响应机制。指尖集成高灵敏度触觉传感器，可在螺钉接触瞬间微调施力方向与扭矩，补偿视觉定位残差。
多模态感知系统在强反光、油污、金属遮挡等典型车间环境下保持98.5%以上目标识别准确率；力控模块响应延迟低于12毫秒，确保自攻螺母旋入过程中实时纠偏，避免滑牙或孔位损伤。
该技术栈不依赖高精度标定环境或定制化夹具，适配现有产线改造成本低于传统机械臂方案的40%。
工业逻辑优先
雷军指出：‘实验室可以一万次失败换一次成功，工厂里必须一万次任务次次成功。’这句话直指人形机器人工业化的本质矛盾——稳定性压倒炫技性。一颗螺丝偏差可能引发整车振动异响，一次贴标偏移将导致返工或客户投诉。
小米将90.2%视为起点而非终点，目标是将关键工位失误率控制在PPM（百万分之一）级。目前已实现连续237次无故障锁付，平均单次维护间隔超86小时，达到Tier-1供应商对自动化设备的基础可靠性要求。
对比行业同类产品，当前主流人形机器人在结构化环境下的单任务成功率普遍高于95%，但跨任务连续作业稳定性不足60%，而小米在真实产线中实现了多任务串联下的系统级鲁棒性。
小米机器人进厂，标志着人形机器人正从‘能动’迈向‘敢用’。它不靠参数堆砌，而以产线实绩回答了工业界最关心的问题：能否长期稳定、零干预、低成本地承接重复性体力劳动。未来五年，当更多同类机器人进入工厂，人力将真正转向工艺优化、异常诊断与柔性调度等更高价值环节。这场静默的生产力迁移，才刚刚开始。
