在今年的世界机器人大会上，大家的关注焦点有了明显变化：过去看动作有多快、自由度多少，如今更关心能连续干多久、换个环境还能不能干。越来越“能干”的机器人，规模化应用还需勇闯关口。

要过数据关。具身智能需要大量高质量数据支撑模型训练，但传统真机采集往往需要机器人、场地以及人员持续参与操作、质检等环节，采集成本较高。仿真数据可以降低采集成本、扩大数据规模，但还需要跨越从仿真环境到真实世界的鸿沟。同时，不同来源的数据在采集方式、格式、质量评价等方面仍存在差异，跨平台复用能力有待提高。

还要突破技术关。机器人进入真实场景，考验的不是某一项性能，而是感知、认知、决策、控制和执行等能力能否协同工作。当前，具身智能模型面对复杂环境和陌生任务时的泛化和容错能力仍需提升；本体、关节、执行器等硬件的耐久性、一致性和能效水平，也关系到机器人能否持续稳定作业。

生态关同样要闯。随着产业链不断延伸，机器人产业的专业分工越来越细。从本体、核心零部件，到模型、数据、开发工具，再到系统集成和场景应用，各环节协同要求越来越高。机器人要面向千行百业规模应用，需要整机企业、零部件企业、模型企业与场景方共同参与，在真实应用中逐步形成可复用的工具、接口和解决方案。

机器人能不能稳定好用，成本也是重要影响因素。如果机器人每进入一个新场景都需要较大幅度改造和重新开发，或者可靠性不足导致维护、停机等成本过高，即使技术上“能用”，也未必会被大规模采购。降低应用成本，一方面要提高产品通用性和可靠性，减少重复开发和部署投入；另一方面也要依靠核心零部件降本、供应链成熟和规模化生产来摊薄制造成本。

机器人规模化应用是一道系统题。要通过真实需求出题，机器人在真实岗位上不断答题、纠错、完善，把一个个“会做的动作”转化为稳定可靠的应用能力，才能加快走进生产生活。