在工業(yè)自動(dòng)化領(lǐng)域，機(jī)器人能否勝任高精度操作一直是制約其廣泛應(yīng)用的關(guān)鍵瓶頸。近日，具身智能領(lǐng)域傳來突破性進(jìn)展：Physical Intelligence團(tuán)隊(duì)研發(fā)的RLT技術(shù)，通過為機(jī)器人添加"精細(xì)動(dòng)作外掛"，成功實(shí)現(xiàn)用十幾分鐘真實(shí)數(shù)據(jù)攻克擰微型螺絲、插網(wǎng)線等毫米級(jí)精度任務(wù)，部分場景效率甚至超越人類操作水平。

傳統(tǒng)機(jī)器人訓(xùn)練面臨兩難困境：重新訓(xùn)練整個(gè)大模型需要海量算力和漫長周期，而直接部署又難以應(yīng)對工廠場景中"差之毫厘謬以千里"的精度要求。以擰M3螺絲為例，螺絲刀尖與抓取點(diǎn)存在10厘米距離，手腕微小偏移都會(huì)導(dǎo)致刀尖產(chǎn)生數(shù)倍誤差，更遑論從攝像頭視角難以捕捉的接觸過程。研究團(tuán)隊(duì)創(chuàng)新性地采用"主腦+外掛"架構(gòu)，在保留VLA大模型通用能力的同時(shí)，通過RL token技術(shù)實(shí)現(xiàn)精準(zhǔn)動(dòng)作的局部強(qiáng)化。

這套系統(tǒng)的工作原理猶如為機(jī)器人配備"智能手術(shù)刀"。VLA大模型首先生成包含任務(wù)全局理解的RL token，這個(gè)高度壓縮的信息摘要被輸入到專門訓(xùn)練的Actor-Critic網(wǎng)絡(luò)中。這兩個(gè)輕量級(jí)神經(jīng)網(wǎng)絡(luò)采用off-policy強(qiáng)化學(xué)習(xí)，每秒可更新數(shù)百次，能根據(jù)實(shí)時(shí)試錯(cuò)數(shù)據(jù)快速調(diào)整動(dòng)作策略。研究者特別設(shè)計(jì)了"動(dòng)作塊預(yù)測"機(jī)制，使強(qiáng)化學(xué)習(xí)策略與VLA的原始動(dòng)作空間保持一致，通過"編輯修改"而非"推翻重建"的方式優(yōu)化關(guān)鍵動(dòng)作。

實(shí)驗(yàn)數(shù)據(jù)驗(yàn)證了技術(shù)的有效性。在擰螺絲、系扎帶、插網(wǎng)線、插電源線四項(xiàng)任務(wù)中，裝備RLT的機(jī)器人僅需15分鐘真實(shí)數(shù)據(jù)訓(xùn)練，關(guān)鍵步驟速度提升300%，整體任務(wù)吞吐量（每10分鐘成功次數(shù)）顯著提高。特別在插網(wǎng)線任務(wù)中，強(qiáng)化學(xué)習(xí)策略完成的操作有一半速度超過人類遠(yuǎn)程操控記錄，訓(xùn)練總時(shí)長2小時(shí)中僅有15分鐘用于實(shí)際動(dòng)作數(shù)據(jù)采集。

技術(shù)突破的關(guān)鍵在于三大創(chuàng)新設(shè)計(jì)：參考動(dòng)作dropout機(jī)制防止模型過度依賴VLA原始輸出，人類干預(yù)接口允許直接注入糾正動(dòng)作，以及動(dòng)作塊預(yù)測確保策略調(diào)整與任務(wù)時(shí)序匹配。這種模塊化設(shè)計(jì)使RLT成為可復(fù)用的"通用插件"，無需針對不同任務(wù)重新設(shè)計(jì)，為工業(yè)機(jī)器人提供了"邊干邊學(xué)"的進(jìn)化能力。當(dāng)被問及技術(shù)落地前景時(shí)，研究團(tuán)隊(duì)展示的測試視頻顯示，機(jī)器人已能穩(wěn)定完成亞毫米級(jí)精度的螺絲擰入動(dòng)作，這標(biāo)志著自動(dòng)化設(shè)備向取代人類精密操作邁出關(guān)鍵一步。