2026世界机器人博览会（WRC）于8月19-23日在北京亦创国际会展中心举行。“AI大模型赋能机器人与具身智能产业新范式专题活动”在博览会同期举办。万拿机器人CTO祖红磊出席“圆桌对话： 场景应用创新与产业链协同”并参与讨论。

　　以下为对话实录：

　　祖红磊：万拿机器人从创立之初就坚持以微型伺服电缸作为我们的能力基础，构建我们的灵巧手产品，又将我们的灵巧手产品应用到实际场景中去解决真正的一些场景问题，一些刚需的场景，通过场景做一些算法的反馈，来反哺灵巧手产品和微型伺服电缸产品做一个逐渐的迭代。

　　我们整体的路线就是想最终把我们的灵巧手产品真正带到那些人力消耗大、劳动强度高的刚需的场景，去替代重复而繁重的人工。

　　主持人：祖总，今天也是您公司的新品发布，您也是长期深耕机器人运动控制，能不能从一线的角度跟我们分享一下灵巧手是怎么落地的，包括你们也做了618大促7x24小时不间断地分拣，这里面有什么心得可以跟大家分享一下吗？

　　祖红磊：我们公司最初是做微型伺服电缸开始，公司成立之初原本是想选一款好用的伺服电缸产品，去做我们的灵巧手，但我们发现市面上没有非常符合我们要求的微型伺服电缸产品，所以我们决定自主研发。基于我们对灵巧手的理解以及市场需求，我们在灵巧手与微型伺服电缸的成本、性能、可靠性之间做了平衡。微型伺服电缸产品做出来之后，会用到我们的灵巧手产品中，结合我们想做的工业上实际落地的场景，我们想场景的时候想的都是一些非常刚需的，可以替代人工的，需要三班倒的或者重复且简单的高强度用工环节。这些场景反过来启发我们，让我们对微型伺服电缸的控制能力提出了明确的倾向性要求：力的输出要不要强一些、速度是否可以让位？在满足产线节拍的前提下，寿命和速度又分别要做到什么水平？

　　把灵巧手投入自有场景后，我们在618大促期间完成了场景的POC，场景也给手提出更高的需求，比如在抓包裹的时候，一些软的包裹没有那么好抓，我们通过模型给提出一些抓取位姿，可能不是特别容易把包裹抓起来，要结合传感器，同时结合指尖的触觉，多个维度检测包括视觉上的融合。他们在应用的时候也发现，如果想把这个手用得很好的话，模型上面需要具备很好的能力，同时也需要手非常贴合模型的指令，高效地完成这些动作。这些会分发出两个比较大的层面，模型这边第一层面会给出需要抓，抓完之后怎么抓，会详细分解出怎么动，什么时候动，是不是多个条线联条去动。我们在后期做迭代升级的时候，把它直接融合进灵巧手内部，把那些相对比较单一，看起来有价值的小算法融合到灵巧手之后会以单独的接口对外开放，对于模型的使用而言会降低难度，会把触觉、位姿控制融进去，一些简单的指令就能完成比较好的抓取效果，提高抓取的成功率。

　　同时在实际的场景中会遇到比如我们现在使用的是485的通信，但是高自由的手，或者带触觉高反馈的状态下，485的通信速率是满足不了需求的，我们最初的时候是灵巧手+臂是外部走线的状态，但是外部走线在实际应用的时候会遇到剐蹭，或者被其他东西绊倒，对实际使用带来影响的问题，我们在迭代升级的时候就已经把手和合作的机械臂的厂家做内部的融合，这样我们整体外部非常干净，也带来一些通信速率和稳定性的提升。内部稳定之后，所有的接口都是从机械臂引到大脑做控制，同时也降低了外部走线带来的影响，我们也把高自由上引入了Ether-CAT这样的通信方式，在满足我们控制的要求情况下，提高数据采集频率、数据采集维度和实时性的要求，我们公司从微型伺服电缸产品开始做起，一直到灵巧手产品，最后落地，通过场景反馈给灵巧手做性能和工作上的引领，最后推动我们把底层的微型伺服电缸产品做性能提升，最后把灵巧手能力做提高，最后又反过来应用到产品中，把产品落地的性能和落地的稳定性和操作成功率又进一步提高。

　　主持人：在仓储分拣一线的时候，是怎么做到动作，到可以稳定作业的？应该一开始有一些没有遇到一些意外或者问题吧？

　　祖红磊：是的。一开始从仿真到实际执行，我们会觉得抓取这个动作相对比较明确，但真正进入现场以后，才发现真实世界的复杂度远高于仿真环境。很多问题，只有把机器人真正放到场景里才能暴露出来。

　　比如我们在抓一些软包裹的时候，最开始会按照比较理想的几何关系去设计动作。比如认为手指之间预留1mm的间距，就可以把包裹稳定抓起来。但到了真实现场，软包本身会发生变形，再叠加实际执行过程中不可避免的微小偏差，1mm这样非常精细的间距控制，在不同包裹上呈现出来的效果可能完全不一样：间距稍大，软包可能抓不稳；间距过小，又可能对包裹造成过度挤压。

　　这也让我们意识到，真实场景里的抓取不能只依赖预设位置和固定动作，而是需要机器人能够感知物体，再根据反馈动态调整。

　　所以后面我们不断根据现场反馈做迭代，把触觉感知进一步接入主控系统。

　　灵巧手在接触包裹以后，主控可以根据触觉反馈判断当前的接触状态，再自主调用我们执行模块的角度控制能力，动态调整手指和关节的位置，让抓取始终保持在一个更加合理的范围内。这样既能够提高抓取稳定性，也能够尽量避免对商品造成损伤，提升整体作业的良品率。

　　而且真实仓储现场面对的并不是一种标准物体。不同尺寸、不同形状、不同软硬程度的包裹，对手的整体姿态、各个关节的姿态以及控制策略都有不同要求。所以我们需要持续在真实场景中尝试、反馈和迭代，把这些经验不断沉淀到算法和控制系统里。

　　整个过程其实也是灵巧手能力不断演进的过程：最开始更多是“控制它完成一个抓取动作”，后来逐步加入触觉感知和算法能力，让它可以根据接触状态自主调整；再往后，是能够针对不同包裹自主做出一定的抓取决策。

　　所以对我们来说，真实场景的价值不只是验证机器人“能不能抓”，而是通过一次次真实任务，把感知、决策和执行真正打通，让灵巧手从“按照指令抓”逐步走向“根据现场情况自己判断怎么抓”，最终持续提升整体抓取成功率和稳定作业能力。

　　主持人：现场交付的时候客户会给很大的压力吗，因为看起来物流行业非常高效，对实时性要求很高。

　　祖红磊：压力肯定是有的，但物流场景和汽车制造这类高精度流水线，评价机器人的方式其实不太一样。

　　物流场景更关注的，不是某一个动作必须做到绝对零失误，而是机器人能不能在真实业务环境里长时间稳定运行，持续完成任务，并最终提升整个作业流程的效率。

　　比如在前置仓分拣过程中，现场本身就是一个系统化的作业流程，会通过任务调度、异常处理等机制保障整体履约。对于机器人来说，真正重要的是在高频、连续的作业中，保持稳定的抓取、识别和投放能力，同时与WMS、机械臂、视觉等系统顺畅协同。

　　所以我们在现场交付时关注的核心，不只是单次成功率，而是整套系统在真实业务压力下能不能稳定跑起来、持续跑下去，并真正创造效率价值。这也是我们为什么一直强调，要把产品放到真实场景中去验证。