↑

乐聚 15 台夸父 5-W 进汽车零部件产线:连续运行两个月、上料成功率 98%

PromptTree|阅读 1
2026/11/16 07:36
乐聚智能夸父人形机器人具身智能汽车零部件
乐聚 15 台夸父 5-W 进汽车零部件产线:连续运行两个月、上料成功率 98%
乐聚智能与一家上市公司联合打造的汽车零部件产线上,15 台夸父 5-W 轮式人形机器人承担取料上料,单次循环稳定在 40 秒内,适配 15 个工位、覆盖十余种零件,上料成功率 98%,连续无故障运行超两个月、约 1000 小时,累计协助生产超 6 万个零部件。

人形机器人的新闻里,最稀缺的不是炫技视频,而是「跑了多久、良率多少、有没有停线」。乐聚智能这次给的是一组运维口径的数据。

场景是这样的:在一家汽车零部件工厂,15 台轮式人形机器人在产线上做取料上料。机型是全尺寸第五代产品夸父 5-W,据公司介绍基于一百多种工业场景打磨而成。工位环境并不宽松——金属丝网框、多工位、上料台交错,属于典型的狭窄动态空间。

具体指标:机器人完成一次上料循环的时间稳定控制在 40 秒以内,可适配工厂 15 个工位、覆盖 10 余种零件,上料成功率稳定在 98%;已在现场连续无故障运行超过两个月,累计约 1000 小时,协助生产超过 6 万个零部件。整个动作序列是「预备—取料—转运—上料」,抓取的是内径 80 至 120 毫米的小型轴承零件。

上料在工业场景里算简单工序,但让人形机器人干成,难在变量。乐聚智能常务副总裁柯真东的说法是,车间灯光变化、人员走动、设备扰动、产线原有工艺约束,都要纳入整套方案设计。为此联合团队做了大量工程化工作:在复杂动态工况下实现机器人自主空间定位、识别与避障;基于数据驱动完成自适应抓取与放置;即使料台开口狭小、取放姿态复杂,也能自主生成连续动作,形成任务闭环。

这段话里有几个值得拆开的点。「自主空间定位」意味着不靠外部标记,机器人得自己搞清楚站在哪、料框在哪;「自适应抓取」意味着不预设固定坐标,夹爪要根据实时视觉调整;「自主生成连续动作」则说明动作序列不是逐条示教的,而是按当前场景拼出来的。这三件事合起来,才是「能上岗」而不是「能演示」的分界。

更有长期价值的是数据。15 台机器人同步作业,形成了一个规模化并行采集网络,按当前数据产能测算,单月可采集超过 4 万条真机数据,并随产线运行持续累积。公司首席执行官常琳的表述是,真机在现场持续作业,不断回传真实工况数据,用来迭代模型,持续提升场景适配能力。

这是具身智能产业里最容易被忽视的飞轮:真实场景提供实验室模拟不出的物理交互变量,包括粉尘、震动、来料偏差,这些恰是模型泛化能力的关键燃料。谁先跑起这条数据管线,谁的模型就更贴近产线。

主体背景需要补一句。乐聚智能 2016 年创立于深圳,是行业内较早推进商业化落地的人形机器人企业之一,夸父系列是其全尺寸产品线。与「先做通用大脑、再找场景」的路线不同,它走的是先在具体工位上把稳定性做出来,再横向复制。

冷静看,98% 的上料成功率对应的是单一工序、单一工厂、明确边界内的任务,距离多工序混线还有距离;40 秒的循环节拍与熟练工人相比是否具备经济性,取决于当地人力成本与班次安排,公司未披露对比口径。这类项目通常由机器人与上市公司联合团队共同实施,工程投入不小,复制到下一家工厂时的边际成本才是关键变量。

真正值得跟踪的指标有三个:这套方案能否在第二家、第三家工厂以更低成本复刻;单月 4 万条真机数据是否真的转化为模型能力提升;以及 15 台规模能否扩到 50 台以上而不显著增加现场运维人力。人形机器人从「能干活」到「算得过账」,中间隔着的就是这三个问题。