小米把 CyberOne 机械手做到人手大小，靠"出汗"解决散热问题

标题

小米把 CyberOne 机械手做到人手大小，靠"出汗"解决散热问题

摘要

小米这次改 CyberOne 机械手，没去刷算法跑分，而是盯着工厂里的实际问题：

• 体积砍掉约60%，接近人手大小；22到27个自由度；手掌触觉覆盖超过8200平方毫米
• 仿生汗腺能散掉10瓦热量，支撑连续工作；耐久测试跑了15万次以上抓握循环
• 工厂拧螺母任务达到90.2%成功率；训练路线是触觉手套数据、模仿学习、强化学习三步走
• 开源 TacRefineNet 和61小时触觉数据，其他团队采集数据和迭代模型能快不少

说白了：小米没去卷模型指标，而是啃那些不起眼但卡脖子的工程问题——散热、耐久、触觉反馈。

分析

做人形机器人和协作机器人的人，现在越来越认同几件事：

• 散热：长时间跑会热堆积，要么降频要么停机；汗腺散热听着不炫酷，但直接决定一个班次能不能跑完、产能能不能稳住
• 触觉覆盖：手掌上8200平方毫米的触觉传感器，在看不清或者有遮挡的时候能稳住抓取，不用全靠视觉
• 耐久：15万次抓握循环加10瓦散热上限，是在摸机械和热学的边界，不是堆纸面参数
• 训练方法：触觉手套标注、模仿学习、强化学习组合起来，符合从演示到在线优化的实际工程流程
• 行业走向：Tesla 和 Figure 也在猛搞末端执行器，说明大家都认清了一件事——sim-to-real 的核心痛点不光在模型，在硬件够不够扛、反馈质不质量

下面这张表整理了几个关键问题和小米的解法：

需要注意的地方：

• 90.2%对某些工位够了，但对直通率要求高的工序还差点，能不能提上去要看触觉-控制闭环和耐久策略能不能一起迭代
• 开源的 TacRefineNet 和61小时触觉数据，换到非小米硬件上还得做适配，不是拿来就能用

影响评估

• 重要程度：高（直接针对工业落地的卡点）
• 类型：产品发布、技术进展、行业走向

判断： 对盯着机器人和自动化赛道的人来说，这是一个"时机偏早但方向清晰"的工程化转折点。真正受益的是有硬件、触觉、控制协同能力的团队，以及布局工业机器人链条的长线资金。短线交易的机会不大。