感知和操作拆开之后，省下的是换型那两天

朋友在优理奇做事，前阵子扔给我一个框架名，说你把手上那台六轴臂接上去试试，看是不是比你自己写的采集脚本省事。我一开始没当回事。模仿学习这词听着玄，其实就是人示范几遍，模型照着学，不走写规则那条路。最土的做法叫行为克隆，把专家演示里的状态和动作一对一对存下来，当成监督学习喂给网络，网络学会看到这个状态就输出这个动作。\n\n问题就在这儿。状态里混着相机画面和关节角度，一换相机、一换工位、光一打歪，前面采的全废。我之前在客户那条小装配线上就吃过这个亏，换个型号标两天数据，标到人麻。\n\nUniFlex 的思路是把看懂和做到拆开。感知那一层只负责从画面里认出目标、给出位姿，操作那一层拿这个位姿生成机器人能执行的指令，两层各训各的。这个拆法在论文里不新鲜，少见的是有人把它做成了能直接跑的工程框架，而不是一份复现代码。\n\n我这周拿一台六轴臂试了。任务是最简单的那种，抓一个料块放到指定位置，中间过一道限位。采演示花了一个下午，六十来条，摇杆拖着走，每条十几秒。训练我这边跑了大概四十分钟出第一版，比预想的快。\n\n第一次上真机，成了七成左右。不算好。但我把台灯挪了个位置，光从侧面变成顶光，再跑一遍，掉到四成。这一下我以为是白干了。\n\n后来我把感知那层拿新光照下的二十来条重新标了一遍，操作层一行没动，再跑回六成多。这个是让我坐直的地方。以前碰上这种事，整套数据重采、重训，两天起步。\n\n这套框架把换型成本从重训一遍压到只重标一层，这比模型本身有多强实在。\n\n不顺的地方也有。文档偏薄，相机内外参、坐标系约定这些得自己摸。两层之间的接口单位错了它不报错，就是动作整体偏一点，你得盯着末端轨迹看半天才知道是哪层的问题。我卡在这上面大概三四个小时。另外它擅长短任务，三五步的动作序列还行，长序列会飘，误差一层一层叠上去。要卡节拍、要高精度的活，端到端精调或者老老实实传统编程加视觉，都比它稳。\n\n所以结论是看情况。适合的是那种多品种、小批量、换型频繁的团队，尤其是刚起步想快速验证一个工位能不能干的，人少、没有专门的数据采集团队，这套东西的门槛确实低。不适合单一产品跑几年的产线，也不适合对精度和节拍有硬指标的场合，那不是它的战场。\n\n给个建议，别急着买机器人。先用手边任何一台能读到关节角度的臂，配一个普通 RGB 相机，挑一个动作，采五十到一百条，训一版。\n\n然后故意换光照、换背景、把料块挪个位置，看操作层能不能撑住。撑住，再谈部署；撑不住，说明你的场景还没到能用它的阶段。\n\n我那个插连接器的活还没试，等下周。