9月20日至23日，2026世界制造业大会(WMC)在安徽合肥举行。苏州晶动之星智能科技有限公司携工业具身智能相关解决方案参展，通过视觉识别与抓取、工装自主入盒并封装等现场演示，展示机器人面向具体工业工序的感知、判断与执行能力。

　　当前，具身智能从技术演示走向工业应用，面对的不只是机器人能否完成抓取、搬运等单项动作，更重要的是如何进入既有生产体系，在工件变化、连续工序和不同设备之间完成适配。围绕这一过程，晶动之星将自身定位于解决具身智能落地的“最后一公里”：通过自研模型落地工业场景，并结合MES、PLC等既有产线系统进行集成，使机器人能够参与具体生产流程，避免形成新的“信息孤岛”。

　　从此次WMC的现场展示来看，这一思路被进一步落实到视觉识别、抓取、入盒和封装等具体工序中，也让“机器人入工厂”这一过程有了更直观的观察窗口。

　　自研视觉模型应对工件变化，提升柔性适配能力

　　在视觉识别与抓取场景中，不同形态、不同摆放姿态的目标物料被置于作业区域。机器人通过自研视觉模型识别目标，根据物体的位置和状态判断抓取位姿，再自主完成拾取，最后完成分拣放置的动作，使视觉感知结果能够直接参与后续动作决策。这一过程对应的是制造现场较为典型的柔性生产问题。

　　传统自动化方案通常围绕固定产品、固定位置和既定程序运行。一旦产品型号、工件姿态或生产任务发生变化，部分设备需要重新示教和调试。对于多品种、小批量生产而言，如果每次换型都伴随大量程序调整和人工配置，不仅会增加准备时间，也会影响设备利用效率。

　　此次展示的技术思路，是通过自研视觉模型提升对不同目标及状态变化的泛化识别能力，使机器人面对新的工件或位置变化时能够实现更快适配，从而减少重复示教和调试工作，降低由频繁换型带来的时间与实施成本。

　　这也是“泛化识别”的实际意义所在：机器人并非只对预先固定的一种目标完成识别，而是需要在工件发生变化后，继续根据视觉结果判断下一步动作。

　　从自主入盒到封装，观察连续工序执行能力

　　另一项现场演示将任务从单次识别抓取进一步延伸到工装自主入盒并封装。

　　机器人识别零散目标后，根据任务要求规划取放路径，将目标依次抓取并放入料盒，随后继续完成封装相关动作。从识别、定位、抓取到入盒、封装，各个步骤依次衔接。按照此次展示的任务设计，这一过程无需人工干预，重点呈现机器人连续完成多个动作的能力，并观察作业过程能否保持连贯、稳定、可复现。

　　与单次抓取不同，真实生产环境中的一道工序通常由多个动作组成。前一个动作是否完成、物料是否准确到位、下一环节什么时候启动，都需要系统及时判断。机器人不仅需要“把东西拿起来”，还要按照工序要求把一系列动作组织起来。因此，自主入盒并封装所呈现的，并不是某一个孤立的机械动作，而是从识别目标到任务完成的一段连续流程。这类能力也与多品种、小批量生产环境中的包装、归位、上下料等任务存在较强关联。

　　不过，对于工业企业而言，展台上完成一次连续演示并不是最终标准。实际投入生产后，还需要继续观察长时间运行时的稳定性、不同规格产品切换后的适配能力，以及出现异常情况时系统能否及时处理。所谓“稳定、可复现”，最终仍要在真实生产节拍和连续运行环境中接受检验。

　　打通MES、PLC，让机器人真正进入工厂

　　机器人具备视觉识别和连续执行能力，只解决了工业应用的一部分问题。进入真实工厂后，还需要与MES制造执行系统、PLC可编程逻辑控制器及其他生产设备协同，接收任务、衔接工序，并反馈运行状态和执行结果。

　　围绕这一需求，晶动之星将自研模型应用与产线系统集成结合，根据具体项目对接MES、PLC等既有系统和设备，使机器人能够参与实际生产流程，避免成为新的“信息孤岛”。

　　相比抓取、行走等直观动作，系统集成并不显眼，却是具身智能落地的重要一环。不同企业的生产流程、设备接口和工位条件各不相同，因此，机器人进入产线并非简单复制一套模型和设备，而需要结合具体场景进行适配和验证。从这一角度看，具身智能的“最后一公里”，既要解决机器人能否识别、判断和执行，也要解决这些能力能否真正嵌入现有生产体系。

　　此次亮相WMC，晶动之星通过现场演示，将具身智能的应用具体到识别、取放和封装等实际工序。对于制造企业而言，机器人能否真正进入产线，最终仍要回到具体工位、生产节拍和既有系统中进行验证。从展台走向真实生产环境，也正是具身智能落地“最后一公里”需要持续解决的问题。