在今年的世界機器人大會上，大家的關注焦點有了明顯變化：過去看動作有多快、自由度多少，如今更關心能連續干多久、換個環境還能不能干。越來越“能干”的機器人，規模化應用還需勇闖關口。

要過數據關。具身智能需要大量高質量數據支撐模型訓練，但傳統真機採集往往需要機器人、場地以及人員持續參與操作、質檢等環節，採集成本較高。仿真數據可以降低採集成本、擴大數據規模，但還需要跨越從仿真環境到真實世界的鴻溝。同時，不同來源的數據在採集方式、格式、質量評價等方面仍存在差異，跨平台復用能力有待提高。

還要突破技術關。機器人進入真實場景，考驗的不是某一項性能，而是感知、認知、決策、控制和執行等能力能否協同工作。當前，具身智能模型面對復雜環境和陌生任務時的泛化和容錯能力仍需提升﹔本體、關節、執行器等硬件的耐久性、一致性和能效水平，也關系到機器人能否持續穩定作業。

生態關同樣要闖。隨著產業鏈不斷延伸，機器人產業的專業分工越來越細。從本體、核心零部件，到模型、數據、開發工具，再到系統集成和場景應用，各環節協同要求越來越高。機器人要面向千行百業規模應用，需要整機企業、零部件企業、模型企業與場景方共同參與，在真實應用中逐步形成可復用的工具、接口和解決方案。

機器人能不能穩定好用，成本也是重要影響因素。如果機器人每進入一個新場景都需要較大幅度改造和重新開發，或者可靠性不足導致維護、停機等成本過高，即使技術上“能用”，也未必會被大規模採購。降低應用成本，一方面要提高產品通用性和可靠性，減少重復開發和部署投入﹔另一方面也要依靠核心零部件降本、供應鏈成熟和規模化生產來攤薄制造成本。

機器人規模化應用是一道系統題。要通過真實需求出題，機器人在真實崗位上不斷答題、糾錯、完善，把一個個“會做的動作”轉化為穩定可靠的應用能力，才能加快走進生產生活。