据雷峰网报道，2026世界机器人大会8月20日在北京开幕。浙江大学求是特聘教授、浙江人形机器人创新中心首席科学家兼总经理熊蓉在“应用牵引”主题论坛上表示，人形机器人进入工厂后，从“展示能力”到“承担生产”之间仍有明显差距，核心难题在于稳定性和泛化性。她认为，物理世界具有不可约性，专家模型无法用规则描述其复杂性，当前数据和模型能力也无法涵盖其丰富性，因此人形机器人落地不可急于求成。

熊蓉介绍，她和团队用两年半时间，把人形机器人带进3C电子、服装、物流、汽车装配等真实工业场景，部分应用已规模化落地。3C领域已签约百台级订单；服装领域签约2000台订单，机器人能完成汽车装配、服装柔性面料抓取、透明液体精准分液（精度达1毫升）、物流拆垛码垛、柔性屏撕膜贴膜等任务。在服务场景中，今年3月发布了机器人总厨Cook，并推出面向安防巡检的1.8米全身人形机器人。

她指出，从演示到产线存在四个方面的差距：机器人能否在工厂环境中长期可靠运行，突发和异常工况会导致模型失败；泛化能力不足，往往一试一训，物体、场景、光照变化就需要重新采集数据训练；操作精度目前基本在厘米级到毫米级，而工业需要亚毫米级，视觉不可见，需力触解决；执行效率偏低，感知推理决策控制回路耗时。这些差距意味着现有方法并未真正解决传统机器人问题，甚至失去了原本具备的精准、可靠、高效执行能力。

针对这些挑战，熊蓉提出在表征层融合视觉与力触，在感知层增强空间理解并构建物体状态预测模型，在模型层避免单纯数据堆砌，追求举一反三。团队通过“Real to Sim to Real”数据飞轮构建大规模训练数据，引入专家模型补充长尾场景。她表示，通过模型拆解、优化与融合，可以在不少场景中无需重新训练，通过一次示教完成任务，复杂高精度操作则需真机强化校正。

熊蓉认为，目前很多产线和生活中应用的机器人基本具备L2级智能，部分具备L3级，目标是要达到L4级——适配多个场景，完成非结构化、柔性化任务。她同时透露，目前机器人搬运5米内可达35秒，贴袋全流程人工40秒、机器人50秒，效率达到人工的80%，并已实现工业级亚毫米精度和99.99%成功率。团队还与高校和职业院校合作培训教师200多名、学生1000多名，推动人才生态建设。