9月17日至20日，第二十二届中国汽车产业发展（泰达）国际论坛在天津滨海新区举办。在9月18日具身智能新赛道专场中，清研精准联合创始人、首席生态官陈超发表题为《让机器人真正走进汽车工厂：从测试验证到具身智能的规模交付》的演讲。清研精准是一家既不做汽车、也不造机器人的公司，它做的事情是利用汽车测试验证领域的能力，帮助具身智能公司快速实现工业场景的批量交付。

自动驾驶给具身智能提供了范式，但路径不同

陈超说，自动驾驶是近年来物理AI实现规模化应用的重要代表之一，已经在许多场景实现了商业和技术闭环。自动驾驶可以理解为一个移动智能体，它要解决的是如何让移动智能体在人类世界中自由穿行。相比之下，具身智能和机器人面对的是另一类复杂挑战，尤其需要解决智能体与真实环境交互的问题。自动驾驶最大的特点和优势是较好地界定了安全边界，安全通常可以通过车辆与环境之间的碰撞风险等指标进行定义。但对机器人来说，它遇到了一个新问题：机器人与真实世界发生交互时，往往要求两个物体紧密接触。以力学为例，这个力到底多大合适，力大了可能会把操作对象捏碎，力太小了又可能抓不住。

工业场景适合机器人落地的三个前提

陈超提出，工业是现阶段具身智能较适合落地的场景，因为它满足机器人实现批量交付、产业化和商业化的三个前提。第一，使用方有资金、有意愿。如果客户没有资金，也没有采购机器人的意愿，整个商业逻辑的起点就是错的。第二，客户有资金、有意愿之后，机器人公司要有能力满足客户需求，包括满足生产节拍、安全边界等要求。第三，现阶段很多行业、很多场景仍有人愿意从事，也适合由人完成，机器人不应挤占适合人类且人类愿意从事的工作。在满足前述条件的情况下，现阶段特别适合机器人完成的工作是工业制造场景中动作相对简单、但工作环境相对不友好的任务。

RIL体系：机器人在环

基于汽车行业的HIL理念，清研精准尝试建立面向机器人产业化验证的RIL体系。陈超说，机器人要实现在工业场景中的批量交付，需要解决几个问题：机器人能够完成的任务最终一定来自真实场景；它一定要可控，一旦失控可能威胁人员安全，甚至导致整条产线停线；要发现机器人哪些做对了、哪些做错了，为什么做对、为什么做错；这套能力要可以复制。这些能力都应通过客观标准验证，而不是仅作主观评价。

三个具体的场景

陈超列举了几个场景。动力电池产线的高压直流内阻测试，作业环境噪声可能接近100分贝，温度偏高，操作设备时要佩戴绝缘手套，自身散热条件也不好。夜班作业时，有些作业人员可能会选错连接器，一旦选错，单次损失可能达到数千元。机器人只需完成拿起连接器插上、按下启动按钮、结束后离开这一套动作。汽车线束整理场景，是在各类连接器线束外包覆绝缘胶带，不同连接器之间的线束千差万别，智能化、定制化和柔性化生产的特点典型。订单多时需要大量人员上岗，订单少时工位闲置。这一工位的操作人员不能坐着作业，必须站立并跟随产线移动，长时间作业可能损伤眼睛，也容易造成腰肌劳损。汽车总装中的防雨胶带安装工序，每天反复完成拿取、安装这一件事，是汽车行业中人员离职率较高的岗位。

在虚拟和真实之间打通最后一公里

陈超说，在工业制造领域，仅靠仿真有些问题解决不了，最终仍需要真实场景。但如果直接跳出RIL环境，车企的负责人敢不敢让一个什么也不会的机器人占用一块场地、花一年时间练习。他提出在虚拟、仿真与真实相结合的场景中解决这一矛盾，其中既有1比1的真实工位，也有虚拟工位，帮助机器人进行后训练和验证。这套逻辑很像人类的学校，清研精准希望在机器人企业和产业方之间建设一所职业学校，实现包学、包会、包分配的产业化闭环。包学是帮助机器人开展技能训练、算法训练和真机验证，包会是帮助机器人参加毕业考试，包分配是帮助机器人解决就业问题。对工业客户来说，他们很多时候很难提出真实需求，也很难用具身智能本体公司能够听懂的语言表达需求。清研精准希望成为多方之间的桥梁，帮助工业企业识别并提出真实需求，再把这些需求转化为模型公司、本体公司能够理解的语言。