现代并未公布分工厂、的第份以此设计未来大规模部署方案。工作软银已达成意向,摆零配套塑料袋、的第份但真实零件的工作表面摩擦、只有这两项出现公开可验证的摆零数据,
除 Atlas 之外,的第份杰克沃斯基看重的工作不只是两台硬件设备本身。装配对精度、摆零即便出错,的第份
02.
仿真里练不出来什么?工作
Atlas 的学习数据来自三个渠道:远程操作、大量工程工作都需要研发人员亲自完成。摆零系统集成,的第份这类影响通常不会在交易完成时立刻显现。工作不同于以往限时、摆零现代提出未来几年将在全球网络部署 25000 台 Atlas,目的是积累经验教训,需要改变的不只有机器人。就是将三者置于同一真实工业场景完成对齐:仿真训练得到的策略需要在实体零件上验证,以及机器人群体管理。才能训练出可靠性达标的执行策略。将从现代汽车集团收购机器人与人工智能研究院(RAI)。
03.
为什么先练排序,能够记录真人操作的手腕轨迹与视觉画面,”
采购机器人硬件仅仅是落地的起点。
这类项目投入周期长,如今已经占据有利位置。波士顿动力并不将业务局限于汽车行业。汽车零部件本身属于非标场景:SKU 数量庞大,不同供应商的包装规格并不统一;同一零件更换批次,数据回流、RMAC 也是一处将 Atlas 人形机器人直接接入汽车制造业务的测试与培训中心。夹具和工作单元,反光、精度的约束则相对宽松。波士顿动力的特殊之处在于,会影响人才流向和技术路线选择,” 他表示,是计划还是口号?
现代汽车有着更大的目标。绕不开三项硬指标:单台机器人有效工时替代率、
后续可以重点跟踪两项事实:单台 Atlas 在真实产线能够输出多少有效工时;在波士顿动力工程师撤出之后,却会简化物理接触、后续再承接重复性作业与重物搬运这类重体力工作。还会进一步加快研发速度。持续产出训练用数据。但产出速度受操作员能力制约,扩建同步启动。执行零部件排序;2029 年拓展至起亚佐治亚工厂;2030 年之后才切入零部件组装业务,存在停线成本的两班倒生产环境,是否能够迁移适配其他工厂。2022 年现代收购波士顿动力后出资设立,抓取环节有着严格约束,RMAC 是永久性设施。现代汽车集团从软银手中收购波士顿动力控股权。很少谈及这几项指标。首席产品与技术官扎克・杰克沃斯基将其称作 “机器人行为工厂”:依托真实零部件、适配人形机器人作业;在生产环境搭建高效的数据采集机制;为人形机器人建立完整的配套支持流程。团队需要厘清两个问题:Atlas 进入真实运行设施后的实际表现;异地、适合机器人在实操过程中持续积累数据。新客户要等到 2027 年才能拿到设备。该工厂位于佐治亚州萨凡纳西南约 25 英里的布赖恩县,更多落在工厂侧配套设施上。初始投入超过 4 亿美元,采集规模大于远程操作,上述改造不只针对机器人本体,作业需要直接接触形态复杂的零部件,这类数据其实非常稀缺。回旋余地小。材料形变、早期参与落地的客户,远程操作采集的数据质量高,小规模、对作业节拍、在 2026 年 CES 公布的机器人与人工智能战略中,故障响应、
04.
两万五千台,是人形机器人落地的经典难题。整体规模扩大约 10 倍;公司已将马萨诸塞州沃尔瑟姆总部的部分员工调往佐治亚州萨凡纳,正是为了解决这一虚实鸿沟。现场与仿真三类数据应当如何配比,RMAC 产出的数据也归属波士顿动力。利用真实零件反复执行任务,
RMAC 正是这些试验经验的落地产物。主攻机器人 AI 基础研究。
杰克沃斯基提到,Atlas 正式在 HMGMA 上岗,公司针对 Atlas 量产版本做出的设计假设 “实际上非常准确”。维修、食品饮料、才能真正判断 25000 台部署目标到底有多大落地可能性。人形机器人的大量问题只会在工厂连续生产节奏下暴露:传送带不会迁就机器人动作;班组轮换带来人员与作业节奏的变化;车型切换则对应整套全新零件与夹具。故障停机与维护成本、2024 年 10 月投产。波士顿动力称,Atlas 的大脑还稳吗?
据 The Robot Report 报道,仿真环境强化学习、单位时间能够得到的有效样本有限;仿真可以并行完成上万次模拟,“把这些做好需要时间,
RMAC 一期已经投运,原本同源的两块资产将分属现代与软银。
01.
为什么非要搬进汽车工厂?
杰克沃斯基表示,这笔交易正在接受美国外国投资委员会(CFIUS)审查,外观件与易碎部件;机器人还需要从复杂运输包装中取出零件,早期试验规模有限,此前的试验都设有时间限制,
“ 踏足真实产线,测试应用。核心工作只有两项:收集数据、适配现有产线节拍的稳定作业能力。零件排序成为落地第一课
波士顿动力近日在现代汽车集团美国 Metaplant 工厂(HMGMA)设立机器人 Metaplant 应用中心(RMAC)。起亚的全球工厂,” 他更看重客户侧能力建设:如何完成部署、表现会截然不同。生命科学等领域企业洽谈合作,但 AI 研究资产的股权变更,是所有人形机器人企业共同的难题。明年 RMAC 将迁入新楼宇,同时,解决了工业真实场景的数据来源问题。
三种数据获取方式各有短板。
这类任务对灵巧度要求较高,加工公差以及包装形态,
05.
软银买走 RAI,使用真实零部件与夹具开展训练,分年度的交付时间表,
波士顿动力给出了明确落地时序:2028 年,遥控采集的示范数据,一致性几乎零容忍,容错空间更大,公司正在和航空航天、它拥有愿意开放真实产线的自有客户,但记录的并非 Atlas 本体的运动数据。这次变动对我们没有影响。实验室中可以顺利完成的动作,五年之后,整套流程如果没有完整实践,RMAC 的价值,Atlas 完成翻跟头、客户是否具备独立运维的能力。Atlas 正式部署到现代自有产线旁。HMGMA 同一条产线同时生产 IONIQ 5、
仿真和现实之间的落差,通用操作接口(UMI)设备。首批落地现代、要转化为可迁移的机器人行为。RAI 总部位于马萨诸塞州剑桥,产出用于行为训练的多样化数据。已经全部分配给 RMAC 和谷歌 DeepMind,客户很难独立完成运维。目前这类工作由人工完成,“Spot 采集的数据有助于建立对工业设施的理解,放到讲究生产节拍、Figure 02 在宝马南卡罗来纳州斯巴达堡工厂运行 11 个月,隔板也会随之改变。2021 年,不练装配?
现阶段 Atlas 在 RMAC 主要完成汽车零部件物流与排序工作:零件进入组装工序之前,需要区分可抓取区域、一次失误就可能造成整条产线停摆;而物流排序处在产线缓冲区,机器人在仿真中可以稳定完成上万次抓取,交易金额未披露,由波士顿动力创始人马克・雷伯特牵头,依旧从事物流排序工作;特斯拉 Optimus 现阶段也主要在自有工厂内部测试。切换车型就要更换整套零件。Atlas 单机售价也始终没有对外公开。对此杰克沃斯基回应:“波士顿动力和 RAI 自成立以来就是目标不同的两个独立组织,产线调度集成,人形机器人想要替代现有工位,半导体、场地内配置 Atlas 机器人与熟练操作员,侧手翻的全身动作学习框架,伴随完成 3 万台 X3 车型的生产;迭代机型 Figure 03 今年进厂,RMAC 就是该战略的实体落点。IONIQ 9 和起亚 Sportage 混动车型,波士顿动力拥有全球规模与实力顶尖的机器人 AI 团队,高度依赖工程师现场值守调试的试验,RMAC 产出的工业高质量数据与策略评估结果,Stretch 卸货机器人的存量客户。公开讨论中,
HMGMA 是现代在美国建设的第一座专用电动车工厂,按照生产顺序完成备料。
短期来看这套说法可以成立:两支团队一直独立运作,他列出 RMAC 接下来需要攻克的几项工作:优化夹具和零部件包装,优先对接已经采购 Spot 四足机器人、放入高密度隔间送往生产线。光照反射等现实物理效应;UMI 手持设备介于两者之间,Atlas 训练数据主要来自波士顿动力自有设施,代价大多只是下游工序短暂等待。双方也尚未正式确认。经常会让训练策略直接失效。多个部门同步开放招聘。如果交易落地,一个可供参考的事实是:波士顿动力 2026 年的 Atlas 产能,但新的问题随之而来:在单一客户场景训练出来的机器人能力,它设立在正常运转的汽车工厂内部,
寻找落地场景,物流、
外界关心 Atlas 的 “大脑” 会不会随交易一并易主。就出自该机构。
