由 Sarah Xiao 
一张照片就把问题说完了。一台蓝色关节的 UR 协作机器人，正把太阳轮和行星架压入电驱桥行星轮系的齿圈里——壳体是铝的，整套零件搁在一个发泡塑料托盘的凹槽里。动作看起来平平无奇，而这正是重点：这样一个动作，过去要花 200 小时才能”教”出来。
难的不是走一条路径
把几何关系摊开看，难在哪就很清楚了。
电驱桥用的行星齿轮箱，齿圈固定在壳体内、带内斜齿；三个行星轮各自套在行星架上，装配前可以自由转动；太阳轮负责驱动。上料之前，每个行星轮停在一个任意的角位置，它们彼此之间的相对角位置也是任意的——零件在托盘里会自由晃，重量、尺寸、形状都还有公差带内的波动。
因为齿是斜的，压装不是直着推下去。斜齿相当于一段螺纹：行星轮在轴向进给的同时必须跟着转动，转速由当时的齿面接触状态决定。三个行星轮要同时与齿圈进入啮合，只要有一个卡住，行星架就会偏摆，另外两个也就进不去了。而这一切发生在壳体内部，看不见。
这就是传统编程在这里失效的原因。示教出来的路径是固定的关节位姿序列，而这项任务本质上是接触状态下的相位搜索，三个耦合的未知量在每一个零件上重新洗牌。你没法穷举，所以也没法预先编程。行业过去的应对方式只有一个：让工程师站在工位上，拿示教器一点点试，直到这批零件能装上；换一批，再重来一遍。
两个数字，一个能算账一个会误导
最出名的数字来自 AICA 自己的项目记录——瑞士 Gebert Rüf 基金会资助其早期研发时留下的档案：「舍弗勒过去为一台机器人的齿轮箱压装编程要花 200 小时。用了我们的方案，他们训练一台机器人只要 1 小时。」
200 倍，这个数字最好传播，也最容易被误用。
国际机器人联合会（IFR）2025 年 8 月发布的案例研究，讲的是同一段合作、但已经是转入批量生产之后：开发时间降低 30% 以上，不再需要专职的机器人编程人员，方案与硬件品牌无关。
两个数字都是官方口径，都对，但量的是两件事：
- 200 小时到 1 小时，是单批次的重新示教环节——工程师拿着示教器，反复调接近矢量，直到齿不再卡住的那部分工作。
- 30% 以上，是整个工程包：夹具设计、安全、节拍调试、集成、验证、文档。
如果你拿 200 倍去立商业计划，会差一个数量级。真正消失的是工程总量里的大约五分之一，只不过恰好是最没人愿意干的那五分之一。
“约 100 次试装”意味着什么
真正决定项目排期的细节，藏在同一份档案里：这套学习方法只需要「约 100 次装配与拆解的试装动作」。
一百次，不是十万次。这个数字透露了一个结构性事实：策略并不是从零开始发现”怎么装齿轮箱”，它发现的是残差——这台设备、这批零件、这套夹具特有的间隙、柔度和摩擦。先验来自被设计出来的力控，学习只是叠在上面的一层薄薄的自适应。
由此有两条推论。
第一，指望强化学习去补救一个糟糕的力控回路，一定会失望。 阻抗特性是设计出来的，不是学出来的。如果控制器压不住一个稳定的柔性接触，再怎么搜索策略也救不回来。
第二，100 次试装首先是个运营要求，然后才是软件要求。 调试阶段设备要能无人值守地跑完约 100 次”装入—拔出”循环——过夜跑、没人看着、还不能把零件搞坏。这意味着：
- 要备出 100 套合格壳体和 100 套轮系当”学习耗材”，这笔钱要进预算；
- 这 100 套的去向要事先定义：报废、返修还是复检；
- 每次试装要留下记录，证明策略收敛到了什么参数，这是 PPAP 文件的一部分；
- 设备本身要能整夜无人运行。
这些没有一项写在软件授权里，全部落在集成商和工厂头上。
成功判据就是质量体系
IFR 材料把机制写得很准：机器人「在预先定义的边界条件和成功判据基础上，独立自主地训练出最优装配参数」。
请再读一遍最后半句。优化器只会最大化你声明的东西。你把判据写成”装到位”，得到的就是硬压进去——一部分零件已经伤了，节拍还不是你计划的那个；你什么都不写，得到的就是以极好的一致性批量生产废品。
所以规格书变成了产品。实际项目里，成功判据至少得包含：
- 轴向力的上下包络线；
- 啮合过程中的扭矩—转角曲线特征，而不只是最终扭矩；
- 压入深度及其公差带；
- 径向力上限——行星架偏摆的信号就在这里；
- 节拍上限，否则策略会给你一个优雅但耗时四分钟的解法。
谁写这份清单，谁就对这台设备的质量负责。它是工艺交付物，也是整个项目里唯一买不到的东西。
“与硬件无关”改变了钱花在哪
舍弗勒的需求说得很直白：要能在不同机器人品牌之间切换，且不付出大量额外工作。AICA 的架构能做到这一点，是因为策略表达在任务空间和力空间里，而不是关节空间里——这也是同一套代码能在协作机器人和工业机器人上通用的原因。
这个特性有一个容易被忽略的采购后果。如果压装质量由力策略决定、而不是由示教的关节位姿决定，那么机械臂的重复定位精度就没那么关键了，另外三样东西变得关键：
- 腕部六维力传感器——分辨率、带宽、零漂；
- 夹爪——柔顺性，以及更关键的：回中重复性；
- 夹具——刚度和运动学约束，因为策略会利用你留下的每一寸间隙。
价值从六轴本体往腕部转移。对零部件供应商来说，这是 BOM 上该去抢的那一行。
为什么第一条量产线在大中华区
工业化过程中确定的首个量产用例，是大中华区 e-Mobility 领域的一台斜齿行星齿轮箱，用在电驱桥驱动系统里。IFR 把驱动力归结为熟练劳动力萎缩，这确实是一部分原因。
但省钱的算术指向更具体的地方。省 200 小时是一次性的，1 小时重新示教是反复发生的。收益随每年批次和设计变更的数量放大，而不随工资率放大。 一条频繁换型、换速比、换壳体、换客户的电驱桥产线，每隔几个月就把这笔重复收益再赚一次。比起人工成本，这才是这项技术率先在换型节奏最快的市场进入量产的可解释理由。
对零部件厂来说不太好听的那一面
如果装配 know-how 变成可以买到的软件模块，精密装配就不再是内部护城河，而变成了一项输入。
对减速机、齿轮箱厂来说，这是双向的。自动化一道高难度压装的门槛降低了——对你降低，对你后面那六家也降低。降不下来的，是策略必须去对付的那些东西：零件的一致性、夹具与计量方案的设计能力、以及把成功判据写到足以保护客户的水平。
还有一个二阶效应值得注意。一套好零件上 100 次就能收敛的策略，遇上不一致的零件会收敛得更慢、失败得更多。这项技术实际上抬高了公差控制的价值——对真正卖精度的人是好事，对卖”精度外观”的人不是。
签合同前该问的五件事
能把参考案例和项目计划区分开的五个问题：
- 学习用的零件从哪来？ 调试阶段消耗的那约 100 套谁买单，用完怎么处置？
- 成功判据写成了什么数字——力、扭矩、深度各是多少，谁签字？ 如果回答是一段口头描述，那质量体系也就是一段口头描述。
- 力控回路的带宽和传感器分辨率是多少？ 以及：如果我把夹爪换掉，学到的策略会怎样？
- 在我这类零件上，单批次重新示教要多久？ 不要拿参考齿轮箱的数字回答。
- 策略在夜班第六个小时失败时，设备会做什么？ 决定产线能不能跑的是恢复行为，不是装配行为。
延伸阅读
- 谐波减速器扭矩传感：精度到底长在哪——这类策略所依赖的腕部感知。
- 机器人产线的三笔账：买之前该算什么——判断省下 200 小时值不值得开一个项目的算法。
- 空心杯电机绕线：线就是零件——另一个抵抗预先编程的装配难题。
- 特斯拉 Optimus 产线：年产 100 万台，每周 2 万台——节拍如何决定装配经济学。
- 机器人造机器人：节拍论证——为什么卡上限的是装配人力，不是装配代码。
资料来源：舍弗勒用例、200 小时与 1 小时两个数字、约 100 次试装次数，均出自 AICA 在瑞士 Gebert Rüf 基金会（GRS-016/21）的项目记录；开发时间降低 30% 以上、”与硬件无关”的要求、为期数月的长期验证测试、大中华区电驱桥用例，出自 IFR 2025 年 8 月 6 日发布的案例研究；Automate 2026 上的 UR7e 演示与公司背景（2019 年成立于洛桑，源自 EPFL LASA 实验室），出自《Gear Technology》2026 年 8 月号。对两个时间数字的区分、”成功判据即质量体系”的论证、价值向腕部转移的判断、以及采购清单，为本刊分析。图片：AICA。