GB300 超级芯片是当前 AI 训练与推理的核心引擎，但托盘组装仍依赖全球工厂里的熟练工人。NVIDIA 西雅图机器人实验室与 Isaac 工程团队提出了一个直接的问题：能否用智能机器人完成这类复杂系统装配？他们以 GB300 测试托盘为对象，给出了阶段性答案。
任务聚焦两道工序。母排装配需要抓取并插入限位治具与母排、拧紧 16 颗螺丝、再拆除夹具与母线夹；多连接器插装需要把 2 个大号与 2 个小号线缆连接器插入间隙极小的插座。厂商要求成功率达到 99.5%，用时不超过熟练工人的两倍，即母排 124 秒、四根线缆 72 秒，并且不允许与托盘发生任何意外碰撞。
母排装配采用经典的分层流水线：FoundationPose 从多视角估计 6D 位姿，自由空间快速路点规划配合基于 Lissajous 曲线等路径的操作原语完成对准，高性能阻抗控制器保证接触柔和且插入力充足。两台 Flexiv Rizon 4S 分别负责相机定位与治具、母排插装和夹具拆除，Universal Robots 的 UR10e 配 OnRobot 螺丝刀完成 16 次拧紧。
该方案成功率达到 95% 以上，剩余失败主要来自抓取误差与插入过程中的滑移。治具与母排子任务满足节拍要求，但拧螺丝未达标，整周期为 160 秒，高于 124 秒目标，瓶颈是串行、设备专用的螺丝刀操作，优化路径相对清晰。这说明在部分装配任务中，经过仔细调试的模块化栈并不逊于端到端学习。
连接器抓取则让团队改变了判断。通用位姿估计在小尺寸、无纹理、连接区域多变的连接器上误差很大；转向端到端行为克隆后，ACT 与扩散策略的成功率仍然偏低，因为专用线缆样本少、形状与刚度差异大，且每根线缆在反复操作后就会永久变形。团队把这种情况称为“逆苦涩教训”：当数据规模受物理、成本与物流限制时，依靠领域知识的经典方法重新变得有价值。
最终系统把多种方法组合起来：SAM3 分割线缆并拟合中心线完成抓取，NVIDIA Research 的 DOPER 用 CAD 合成数据预训练、再用真实神经重建生成的伪标签微调，以 30 Hz 以上输出 6D 位姿；插装策略在 Isaac Lab 中用强化学习训练，并叠加 SPARR 的力/力矩残差策略，从真实交互中继续修正。四根线缆全流程插装成功率为 90% 至 95%，平均每根 40 秒，仍未达到厂商的部署要求，主要瓶颈是多臂协同抓取。
WeChat
Profile