2月27日这天，宝马集团宣布把"Physical AI"引入了自家的欧洲生产体系，这是物理人工智能首次现身宝马的流水线。他们在德国莱比锡工厂启动了一个试点项目，想看看这类机器人在电动汽车高压电池和零部件生产里能干啥。摩根士丹利之前推测过，到了2050年，人形机器人这行的规模有可能会冲到5万亿美元（约合34.26万亿元人民币）。别的车企像丰田已经在加拿大工厂试水，奔驰、奥迪、现代、福特也有类似的动作，大家都盯着汽车制造这块大市场。有人觉得这是产业从表演变到真正干活的必然趋势。小米机器人也没闲着，最近它开始帮着打螺丝了。官方微博说这是小米人形机器人在智能制造领域应用的第一步。这小家伙连续在压铸车间工作了3个小时，双侧同时安装螺母的成功率达到了90.2%，而且满足了产线最快76秒的要求。它是怎么做到的呢？原来是靠着五只手指的灵巧手干活。这双灵巧手不是简单的夹爪或螺丝刀能比的，它能应付复杂的挑战：螺母上的花键结构不规则，每次抓起来的姿势都不一样；还得在毫米级的精度上对准并贴合；更得对付定位销磁吸力带来的拉扯干扰。二指夹爪对付不了这种异形零件，螺丝刀也缺乏那种柔和的调整和实时控制的劲儿。灵巧手通过多关节微调、触觉反馈和自适应抓取，一下子把这些活儿全搞定了。不仅如此，这双手还能干后续的活儿，不用换工具，提高了产线的整体效率。 为了让机器人更懂触觉操作，小米还用了TacRefineNet模型给它装上了触觉感知功能。最难的地方就在自攻螺母的安装上，要保证螺母和定位销轴严丝合缝地对准贴紧。花键结构、手的姿势不固定、磁吸力拉扯这些都让装配变得特别难。为了支撑这种复杂的环境工作，小米团队搞了三大技术：端到端数据驱动控制、多模态协同感知和全身运动控制混合架构。他们用了基于VLA大模型Xiaomi-Robotics-0的强化学习技术（RL），不用费劲去写规则代码，让机器人能很快适应不同的情况。通用VLA基座模型统一了动作空间和跨本体预训练能力；VLA RL联合训练框架减少了遥操作数据的依赖；触觉信息融合提升了密集接触时的稳定性。 全身运动控制混合架构结合了优化控制和强化学习。优化控制器用二次规划和零空间投影实现了四级优先级控制（平衡、安全、任务约束等），单次求解只花不到1毫秒；强化学习控制器通过大规模并行仿真训练让机器人掌握了极端干扰下的平衡策略。 虽然取得了突破，但也还存在问题：花键结构或姿态不准容易让旋拧卡住；环境干扰或视线受限可能导致贴合不紧、安装不到位。 为了打破“生产节拍和合格率”的瓶颈，小米正把料箱搬运、前徽标安装等工作也列进验证计划。团队正在推进其他典型工站的实际部署验证工作。 加拿大这边，丰田也宣布要在工厂引入人形机器人技术了。大家都觉得汽车制造是商业化落地的主战场。