机器人犯的错为什么越来越值钱？｜WRC 2026深度

机器人犯的错为什么越来越值钱？｜WRC 2026深度

今年WRC 2026上，遥操作、灵巧手、物流分拣、双臂工作台的展示都很热闹。观众看到机器人抓杯子、搬包裹、操作工具，企业在这些动作背后还在积累另一种东西：真机数据。

机器人每完成一次任务，相机看到了什么，关节怎样运动，指尖什么时候接触物体，触觉怎样变化，人工在哪一刻接管，都有机会进入下一轮训练。机器人进入的真实场景越多，遇到的问题越复杂，能够留下来的数据也越接近真正的工作环境。

所以今年再看“采了多少小时数据”，这个数字已经很难单独解释一家公司手里的数据到底有多大价值。同样一小时，差别可能非常大。

十小时重复抓取，为什么会输给一次陌生软包？

灵心巧手在演示Open TeleDex时，操作员隔着一段距离控制机器人完成抓取。观众看到的是手臂靠近目标、手指合拢，再把物体拿起来。训练系统记录的过程细得多：相机先看到目标，关节编码器记录手臂姿态，指尖碰到物体以后触觉信号开始变化，这些信息还要沿着同一条时间线对齐。

图｜WRC 2026 灵心巧手展台

时间差几十毫秒，模型学到的动作关系就可能发生变化。相机坐标和机器人坐标出现偏差，原本十厘米的移动可能变成另一条路径。触觉零点漂移以后，模型对接触力度的判断也会跟着变化。

这些细节决定一段动作能不能真正用于训练，也说明数据时长为什么越来越难代表质量。十小时都在同一张桌子上抓同一种纸箱，动作非常稳定，场景变化却很有限。一小时里连续出现包装变形、遮挡、抓取滑落和人工接管，信息密度可能高得多。机器人真正需要学习的内容，恰恰大量存在于这些标准动作之外。

这也是现场数据开始变得越来越贵的原因，成功动作很容易重复。一条产线可以连续录下上千次正常抓取，失败却很难提前安排。仓库里突然出现一个陌生软包，机器人停在包裹前，远程操作员接管以后先抬高夹爪，绕开容易碰撞的位置，再换一个角度完成抓取。短短几秒钟里，同时出现了机器人原来的判断、人类修改后的动作和最后的任务结果。

这类数据提供的信息，比单纯多录一次成功动作丰富得多。机器人已经会做标准题以后，真正影响能力上限的往往是那些突然出现的新题。人为什么在这个时刻决定接管，换了哪个动作，任务为什么重新成功，这些过程能够直接变成下一轮训练需要解决的问题。

十多个物流中心 每天都在给机器人出新题

星动纪元的机器人已经进入顺丰和中国邮政十多个物流中心，真实物流现场每天都在产生变化：软包会变形，面单会朝下，托盘位置会偏，临时堆放的货物会改变通道，长期使用以后夹爪状态也会变化。

图｜WRC 2026 星动纪元物流分拣工位

实验室很难提前把这些情况全部准备好，真实部署天然会不断给机器人出新题。

设备遇到异常以后，如果系统保存故障前后的画面、本体状态和人工接管动作，训练团队就能继续追踪原因。视觉判断出了问题、夹爪发生磨损、网络出现延迟，不同故障需要不同的处理方式。找到原因以后，新样本进入训练，模型更新，再放到少量设备上运行，确认问题真的减少，之后才继续扩大部署。

这样一来，真实项目本身就在持续生产训练材料。

跑任务，遇到异常，人接管，留下数据，更新模型，再回到现场。站点越多，任务量越大，新问题出现的频率越高，这套循环就越有机会转起来。

这也是机器人公司争真实场景很重要的一层价值。一个仓库、一家门店、一条产线当然首先意味着订单，同时也意味着每天都有人在用机器解决真实问题。机器跑得越久，企业越有机会知道哪些错误最常出现，哪些问题最贵，哪一类人工接管最值得优先解决。

接管率从1%降到0.6%，一周少400次人工介入

机器人在真实世界里跑出来的数据，最终还会回到一笔很具体的运营账上。假设一个物流站点每周执行10万次任务，接管率从1.0%降到0.6%，一周就会减少400次人工介入。每次人工处理按照90秒计算，大约可以省下10小时。

这时模型进步已经能够直接转成运营成本，当然，接管率还要和任务覆盖范围一起看。机器人处理的任务越来越多、难度越来越高，同时人工介入继续下降，这样的数字才真正说明能力在积累。否则一套系统只选择更容易的任务，同样可以得到漂亮的接管率。

所以真机数据最后还是要接受现场检验。模型解决了哪些问题，少叫了多少次人，扩大了多少任务边界，这些结果会比硬盘里积累了多少视频更有说服力。机器人学习还有一个特点：环境一直在变化。

图｜WRC 2026 灵心巧手双臂工作台

包装换了，原来的抓取点会变化；相机沾灰以后，画面质量会下降；夹爪使用时间变长，摩擦力也会改变。模型更新以后，还要知道哪个版本装到了哪些设备，解决了什么问题，又带来了什么新的变化。

真实部署因此会逐渐形成一条很长的数据链。一次故障对应一组现场状态，一次训练对应一个模型版本，一次更新又会带来新的运行结果。数据采集、故障诊断、训练、验证和部署最后连成同一套系统。

这套系统越成熟，企业积累的数据才越容易转成产品能力。数据本身还会带来新的管理要求。工厂画面可能包含设备布局和生产工艺，商场环境会拍到顾客，遥操作也会留下员工动作。真实场景扩得越快，数据权限、脱敏和使用边界也会越来越具体。

所以今年WRC看下来，机器人数据竞争已经出现一条很清楚的变化。行业早期更容易比较谁采得多、谁录得久。机器人开始大量进入真实岗位以后，数据的价值会越来越集中到另一个问题上：这些数据到底解决了多少真实错误。

上个月遇到一种软包，机器人还会停下来等人接管。几轮训练以后，它再次遇到相似包裹，自己完成了。这次少叫一个人，比硬盘里又多了一小时视频更有价值。真机数据真正形成优势，也许就是从这种很小的变化开始。