机器人從實驗室走向真正的產業應用，遠比想像中複雜。

去年這一年，機器人科研領域確實跑出了不少成果——VLA、Sim2Real、跨本體泛化、靈巧操控這些技術進展都挺扎實的。但有意思的是，學術圈和工業圈最前沿的關注點完全不同，機器學習團隊關心的和真正做工業機器人的企業關心的，中間隔著一條很難跨越的鴻溝。

卡點主要在三個地方：一是訓練用的數據跟真實部署環境往往是兩回事，標註好的數據集放到生產線上就容易翻車。二是研究通常看平均性能，但工業應用最怕的其實是那些極端情況，一次失誤可能就是成本。三是性能和延遲永遠都在對抗，快速處理的模型精度不夠，精準的方案響應時間又拖不動。這三點沒理順，再好的技術論文也只是紙上談兵。