第14章　论断：2011年前后（约 2011 年）

把时间拨回到2011年前后，一个看似边缘的技术决策正在改写工业机器人产业的底层逻辑。在丹麦欧登塞的食品包装线上，一种被主流制造商视为“玩具”的轻型机械臂已经开始替代人工完成奶酪和鱼片的拾放作业。它的自重不到二十公斤，运行时无需安全围栏，工人可以直接从它旁边走过，甚至在它意外碰到人体时会自动停止。这种名为优傲机器人的产品，在2008年首次亮相时几乎没有引起传统工业机器人巨头的警觉。然而三年后，它正在悄然撬动一个被发那科、ABB和库卡统治了近三十年的市场格局——不是通过制造更大、更快、更强的机械臂，而是通过追问一个更根本的问题：当产线需要频繁换型，当劳动力成本与柔性化需求同时挤压利润空间时，机器人究竟应该以什么样的形态进入人的工作空间？这个问题的提出本身，就是对工业机器人产业三十年发展逻辑的一次反诘。

自1970年代发那科将数控技术移植到机械臂控制系统以来，工业机器人的进化方向一直遵循着清晰的技术轨道：更大的负载能力、更快的关节速度、更高的重复定位精度、更复杂的多轴联动。这些指标指向同一个目标——在物理隔离的安全围栏背后，以超越人类体能极限的方式完成焊接、喷涂、搬运等重体力工序。这条技术轨道造就了汽车制造线上那些令人叹为观止的自动化奇观：六轴机械臂在数秒内完成车身点焊，重载机器人在铸造车间搬运上千度的金属件，SCARA机器人在电子装配线上以毫秒级的节拍完成芯片拾放。然而，这条轨道的成功也同时制造了一个巨大的盲区：在那些负载轻、节拍要求不那么极端、但需要频繁调整动作模式的工位上——比如消费电子产品的最终装配、食品包装、实验室样品处理——传统的工业机器人显得过于庞大、昂贵且难以编程。这不是一个简单的技术问题，而是一个产业结构问题。在2008年金融危机之前，这个盲区被繁荣的市场需求所掩盖。

汽车工业的持续扩张为重型工业机器人提供了稳定的订单流，制造商没有动力去探索那些零散、定制化程度高、单笔订单规模小的非传统应用。但当金融危机击穿了需求端，当汽车产线的投资周期被迫延长，当消费电子和食品加工等行业开始寻求自动化替代方案时，这个盲区突然变成了一个战略性的市场缺口。正是在这个缺口上，优傲机器人找到了自己的立足点。但优傲的故事并非凭空而来。要理解它在2011年前后所代表的转向，必须回到一个更早的技术分岔点——回到协作机器人概念诞生的时刻，回到那个关于安全与灵巧的根本性追问。而这个追问的起点，恰好可以追溯到一个在命名上就暗含深意的医疗机器人系统。达芬奇手术系统（da Vinci Surgical System）是一个由美国医疗器材商直觉手术设计和制造，使用微创手术方式来协助进行复杂手术的机器人外科手术系统。该系统需要一名以上外科医生在控制台来操纵。它常用于前列腺切除术，并越来越多地用于心脏瓣膜修复和妇科、消化道等手术过程。其命名是为了纪念列奥纳多·达·芬奇的解剖学研究促成了历史上第一个已知的机器人的设计。这一命名本身揭示了一个跨越数个世纪的技术愿景：模仿人类，尤其是模仿人类双手的精密操作能力。

达芬奇系统在21世纪初的成功——它于2000年获得美国食品药品监督管理局批准，随后在泌尿外科、妇科等领域迅速普及——证明了机器人能够在受限但高度结构化的环境中复现甚至超越人类外科医生的部分灵巧性。它通过主从遥操作架构，将外科医生的手部动作过滤、缩放并精确传递到微创手术器械末端，从而在人体内部完成缝合、打结等精细任务。腕部器械拥有七个自由度，甚至比人类手腕的活动范围更大。这个成功案例在2010年前后，为工业机器人领域提供了一个极具诱惑力的参照：既然机器人能在人体内模仿人手，那么它是否也能在工厂的装配线上，接手那些至今仍需人类工人完成的、对柔性与触觉要求极高的工作？然而，从无菌、照明可控的手术室转移到嘈杂、多变且追求经济性的工业产线，模仿的难度陡然升级。手术室是一个高度结构化的环境：患者被麻醉固定，手术区域被消毒隔离，光照角度和强度可以精确调节，助手团队按照标准化的流程配合操作。

更重要的是，达芬奇系统的灵巧性并非来自自主决策——它始终处于外科医生的实时操控之下，机器只是在传递和缩放人类的动作指令。而工业产线上的协作机器人，必须在一个远为混乱的环境中自主或半自主地完成操作：零件可能存在尺寸公差，传送带上的来料位置存在随机偏移，线束柔软易变形，卡扣需要特定的插入角度和力度，而这些条件每时每刻都在变化。这就是2011年前后，协作机器人从安全架构的概念验证走向实际产线部署时，遭遇的那个远比“不伤人”更棘手的工程难题。安全问题的解决路径是相对清晰的：轻量化本体设计降低碰撞能量，关节力矩传感器实时监测接触力，冗余的安全控制回路确保在检测到异常时立即切断动力。这些技术路径在2005年前后已经通过ISO 10218标准的修订逐步确立，并在实验室环境中得到了充分验证。

但当工程师们试图将协作机器人部署到真实的装配工位时，他们发现“不伤人”只是入场券，真正的挑战在于“能干活”——在双臂协调、力位混合控制的条件下，完成那些在人类看来稀松平常、对机器人却近乎苛刻的柔性装配任务。为什么说这些任务在人类看来稀松平常？以将一根柔性排线插入电路板上的ZIF连接器为例。一个熟练工人可以在数秒内完成这个动作：目视定位连接器的位置，用手指捏住排线末端，以适当的角度对准插口，在感觉到初始接触后轻微调整方向，施加刚好足够的推力使其滑入，最后将锁扣拨回锁定位置。整个过程涉及视觉、触觉与本体感觉的实时融合：视觉用于粗定位和对准，触觉用于感知接触状态和摩擦阻力，本体感觉用于控制手指的施力大小和方向。当排线没有对准时，工人会感觉到阻力异常，本能地撤回并重新尝试，而不会强行插入导致连接器损坏。这种基于多模态感知的即时运动调整，是人类经过数百万年进化获得的能力，它在神经系统中以并行处理的方式运行，几乎不需要意识层面的计算。

但对机器人而言，这每一项子任务都是独立的工程难题。视觉系统需要在变化的光照条件下识别连接器的精确位置和姿态，克服反光、阴影和遮挡的干扰。力觉系统需要感知排线与插口之间的接触力，区分正常的滑动摩擦与异常的卡滞阻力。运动控制系统需要将视觉定位与力觉反馈融合在同一个控制回路中，在数十毫秒的周期内实时调整末端执行器的轨迹和施力。当任务从单臂操作扩展到双臂协调时——比如一只手按住连接器底座，另一只手插入排线——复杂度不是翻倍，而是指数级增长。双臂之间的力耦合、工作空间的碰撞避免、任务的时序编排与错误恢复，每一个问题都足以消耗一个博士团队数年的研究时间。这就是2011年前后横亘在协作机器人产业面前的技术现实。优傲机器人选择了一条务实的路径：它从一开始就没有追求双臂协调或复杂的力位混合控制，而是将产品定位为单臂、轻量、易编程的协作单元。

UR5型机器人的自重仅18.4公斤，负载5公斤，关节采用模块化设计，用户可以通过拖动示教的方式手动引导机械臂完成动作路径，控制系统会自动记录关节角度序列并生成可重复执行的程序。这种手把手示教的编程方式，将传统工业机器人需要专业工程师数天才能完成的部署工作，压缩到了数小时甚至数十分钟。更重要的是，UR5内置了关节电流监测功能，当机械臂在运动中遇到超过设定阈值的阻力时——无论是撞到了人还是卡在了设备上——它会立即停止，无需额外的安全传感器或防护围栏。这套方案在丹麦的食品包装线上取得了初步成功。在奶酪分拣工位，UR5可以用真空吸盘从传送带上拾取不规则形状的奶酪块，按照重量和形状分类放入不同的包装盒。在鱼片排列工位，它可以配合视觉系统识别鱼片的方向和位置，以适当的姿态抓取并码放在托盘中。这些任务的共同特点是：负载轻、节拍要求适中、换型频繁、工件形状不规则。

传统工业机器人难以处理这种变异性和柔性，而人工操作面临劳动力成本上升和食品安全卫生要求的双重压力。优傲的产品恰好填补了这个夹缝市场。但如果我们仅仅将优傲视为一个成功的商业案例，就会错过更深层的技术含义。UR5的设计选择——单臂而非双臂、拖动示教而非离线编程、关节电流监测而非六维力传感器、轻量化而非高刚度——构成了一套完整的技术哲学：它承认机器人在灵巧性上远逊于人类，因此不试图模仿人类的双手协调能力，而是将任务重新分解为单臂可以完成的简单动作序列，通过降低技术门槛和部署成本来扩大应用范围。这套哲学的核心假设是：在当前的工程能力边界内，与其追求像人一样灵巧，不如重新定义产线真正需要的是何种程度的灵巧。这个假设在2011年前后既获得了验证，也遭遇了挑战。验证来自那些原本无法负担传统工业机器人的中小企业。

一家丹麦的家具配件制造商可以用UR5来完成木销的涂胶和插入，一家意大利的电子厂可以用它来给电路板点胶，一家美国的实验室可以用它来处理化学试剂。这些应用场景的共同特征是：批量小、品种多、换型频繁，传统自动化方案的经济性无法成立。UR5以每台约三万美元的价格和极低的部署成本，打开了一个被巨头们长期忽视的市场。到2011年，优傲的年销售额虽然仍远不及发那科或ABB的一个零头，但其增长速度和对产业认知的冲击已经不容忽视。挑战则来自那些真正需要双臂协调和精细力控的高端装配场景。消费电子产品的最终装配线是其中最典型的代表。一部智能手机内部包含数十个微型连接器、柔性排线、小型摄像头模组、振动马达和扬声器单元，这些元件的装配涉及大量的精细插接、线束布放和卡扣锁合。以连接器插接为例，微型同轴连接器的插针间距可能只有零点几毫米，插入时需要精确控制角度和深度，过大的插入力可能损坏插针，过小的力则可能导致接触不良。

柔性排线的装配更加棘手：排线本身会弯曲变形，插入时需要在视觉引导下对准连接器插口，同时通过力觉反馈感知是否已经到达底部。这些任务至今仍主要依赖人工完成——不是因为没有尝试自动化，而是因为每一次自动化尝试都在节拍时间、良率和设备投资之间难以找到平衡点。正是在这个背景下，ABB于2011年启动了双臂协作机器人的研发项目，其成果后来以YuMi之名正式发布。虽然YuMi的商用化时间略晚于本章聚焦的2011年节点，但其概念设计阶段的技术论证恰好发生在这一时期，为我们提供了一个观察产业巨头如何回应协作挑战的窗口。ABB的工程师们在项目启动时面对的核心问题是：如果要让机器人真正进入消费电子装配线，它必须具备什么样的能力？他们的回答是：双臂、视觉、力觉、紧凑躯干。YuMi的设计概念试图将这四个要素集成在一个类似于人类上半身的形态中。

两条七轴机械臂安装在紧凑的躯干上，每一条臂的末端都集成了微型摄像头和力传感器，双臂可以在同一个工作空间内协调运作，完成诸如双手配合组装、零件传递等需要双手参与的任务。视觉系统用于零件识别和定位，力觉系统用于控制插入力和检测装配状态，双臂协调则使得机器人可以像人类工人一样，用一只手固定工件，另一只手执行装配操作。从技术架构上看，这是一个远比UR5复杂和野心勃勃的方案。它试图直接回应那个被优傲绕过的难题：在双臂协调、力位混合控制的条件下完成柔性装配。但正是这种野心，暴露了2011年前后工程能力的真实边界。双臂协调装配的路径规划，即便在离线仿真的理想条件下，也需要解决极其复杂的运动学约束。当两条七轴机械臂共享同一个工作空间时，它们的运动轨迹必须实时协调以避免碰撞，同时还要满足任务层面的时序约束——哪条臂先动、在哪个位置等待、如何传递工件。

传统的工业机器人编程方式——通过示教器逐一记录路径点——在这种场景下几乎不可行，因为双臂的路径点数量呈几何级数增长，且任何一个路径点的调整都会波及整个协调序列。ABB的工程师们不得不开发全新的任务级编程环境，让用户能够以抓取零件、将其插入目标位置这样的抽象指令来描述任务，由控制系统自动生成具体的运动轨迹和协调时序。然而，即便解决了路径规划问题，实时碰撞避免仍然是一个巨大的计算负担。在双臂共享的工作空间内，两条臂的每一个关节在任何时刻的位置都必须被实时监控，如果预测到可能的碰撞，控制系统必须在毫秒级的时间内重新规划其中一条臂的轨迹或者减速等待。这要求在机器人控制器中运行高频率的运动学计算和碰撞检测算法，而2011年前后的嵌入式处理器性能虽然已经大幅提升，但要在满足工业级可靠性要求的前提下实现这一功能，仍然需要大量的工程优化和硬件加速。更棘手的是力位混合控制。

这个概念的工程实现可以追溯到1980年代——麻省理工学院的霍根在1985年提出了阻抗控制的理论框架，随后被斯坦福大学的卡蒂布等人发展为操作空间控制的实用算法。其核心思想是：机器人不应只被控制为精确到达某个位置，而应被赋予类似于弹簧-阻尼系统的力学特性，在受到外力时能够产生柔顺的退让，在需要施力时能够控制施加力的大小和方向。这一理论在实验室中得到了充分的验证，在单臂的精密装配、去毛刺、抛光等任务中也获得了实际应用。但当它被扩展到双臂协调的场景时，问题的维度急剧增加。双臂之间的力耦合——即一条臂施加的力会通过工件传递到另一条臂——使得控制系统必须同时处理两条臂的力觉反馈和运动调整，任何一条臂的力控制误差都可能导致另一条臂的任务失败。在将柔性排线插入连接器的场景中，如果持握排线的手施加的插入力略微偏离轴线，另一只固定连接器底座的手必须实时感知到这个偏差并做出补偿，否则排线端部可能损坏连接器的金属触点。

这些技术难题在2011年前后并非无解，但每一个解都意味着更长的节拍时间、更低的可靠性和更高的成本。而工业产线对这三项指标的容忍度极低。消费电子装配线的典型节拍时间是每工位数秒到十几秒，任何超过这个时间窗口的自动化方案都会成为产线的瓶颈。可靠性方面，即便单次操作的良率达到百分之九十九，在日产数千台的规模下，每天也会产生数十个不良品，需要额外的人工复检和返修工位。成本方面，一台集成了双臂、多目视觉、六维力传感器和实时控制系统的协作机器人，其售价可能达到传统SCARA机器人的数倍甚至十倍，而它的产出效率却未必能超越经过简单自动化改造的单臂工作站。这就引出了一个根本性的追问：为什么双臂协调在人类身上如此自然，在机器人身上却如此困难？答案在于两者的运动控制架构存在本质差异。人类的运动控制是一个高度冗余、分布式、自适应的并行处理系统。

大脑皮层、小脑、基底节和脊髓中的神经回路共同协作，将高层的任务意图自动分解为低层的肌肉激活模式，同时融合视觉、前庭觉、本体感觉和触觉的反馈信息，在毫秒级的时间尺度上实时调整运动参数。这个系统经过了数亿年的进化优化，能够处理极高维度的自由度协调问题，并且具有强大的泛化能力——一旦学会了插入某种连接器，稍加练习就能迁移到尺寸和形状不同的另一种连接器上。机器人则完全相反。它的运动控制是一个基于精确数学模型和确定性算法的串行处理系统。每一个自由度的运动都必须被显式地规划和控制，每一个传感器信号都必须被滤波、标定和融合，每一个可能的异常情况都必须被预先枚举并编写相应的错误处理程序。当自由度数量从单臂的六七个增加到双臂的十几个时，控制系统的状态空间呈指数级膨胀，传统的基于模型的控制方法在计算复杂度和鲁棒性上都遭遇了瓶颈。

更根本的是，机器人缺乏人类那种基于物理直觉的泛化能力——它无法感觉到某种插入角度是合适的，而必须依赖精确的几何模型和力控制参数，一旦工件尺寸或材料特性发生变化，就需要重新标定或调整参数。这就是2011年前后协作机器人产业面临的核心悖论：机器人要真正进入人的工作空间，就必须模仿人的灵巧，但模仿得越像，就越暴露出当前工程能力与人类运动智能之间的巨大鸿沟。优傲的选择是降低模仿的野心，将任务重新定义为单臂可以完成的简单操作，从而在当前的工程能力边界内实现商业化。ABB的选择是正面挑战这个鸿沟，试图通过集成最新的视觉、力觉和控制技术来逼近人类的灵巧水平，哪怕这意味着更高的成本和更长的研发周期。两种选择在2011年前后同时存在，构成了协作机器人产业的两个不同演化方向。这个分岔并非偶然。它反映了一个更深层的产业规律：技术路线的选择从来不是纯粹的技术问题，而是由市场结构、用户需求和竞争格局共同塑造的。

优傲瞄准的是那些此前根本没有使用过机器人的中小企业，这些用户的首要诉求不是最大化产出效率，而是降低自动化门槛和投资风险。他们可以接受节拍时间比人工慢一些，只要机器人能够在无人值守的情况下持续运行，解决招工难的问题。ABB瞄准的是那些已经在大量使用传统工业机器人的大型电子制造商，这些用户的首要诉求是在保证节拍时间和良率的前提下，用自动化替代那些仍然依赖人工的精密装配工位。他们需要机器人能够无缝融入现有的产线节拍，达到与人工相当甚至更高的产出质量。这两种需求在2011年前后同时存在且同样真实，但它们指向不同的技术优化目标。优傲的优化目标是易用性——让一个没有机器人编程经验的工厂技术员能够在半天内完成部署。这需要拖动示教、图形化编程界面、即插即用的末端工具接口。ABB的优化目标是性能——让机器人能够在视觉和力觉的引导下完成人手级别的精密装配。这需要高精度的绝对位置编码器、低摩擦的谐波减速器、高灵敏度的力传感器、高速的实时控制总线。

这两个优化目标在工程资源上是相互竞争的：增加传感器精度和控制频率会推高成本，简化编程界面可能牺牲运动规划的最优性，轻量化的本体设计限制了负载能力和刚度。在2011年前后，这两种技术路线之间的张力还没有演变为公开的市场竞争——优傲的规模太小，不足以威胁ABB在工业机器人领域的统治地位；ABB的YuMi还处于概念设计阶段，距离商用化还有数年时间。但张力本身已经清晰可见，并且预示着未来十年协作机器人产业的一个核心议题：协作机器人究竟是一种简化版的工业机器人，还是一种灵巧版的自动化工具？如果是前者，它的市场天花板取决于那些无法负担传统工业机器人的中小企业数量；如果是后者，它的竞争力取决于能否在精密装配等高端应用场景中证明自己的经济性。这个议题之所以重要，是因为它直接关系到整个机器人产业的价值链重构。在传统的工业机器人价值链中，价值主要集中在三个环节：核心零部件、本体制造和系统集成。

其中系统集成通常占到项目总成本的百分之五十以上，因为它需要资深的工程师根据具体应用场景设计工装夹具、编写控制程序、调试工艺参数。这种高成本的系统集成模式，天然倾向于大规模、标准化的应用场景——一条汽车焊接线可以使用数十台相同的机器人，系统集成的成本可以被分摊到每一台机器人上。但当应用场景转向中小企业或消费电子装配时，项目规模骤降、定制化程度骤升，传统系统集成模式的成本结构就变得不可持续。这正是优傲模式最具颠覆性的地方。通过拖动示教和图形化编程，它将系统集成中最昂贵的环节——编程和调试——从专业工程师手中转移到了最终用户手中。用户不再需要为每一个新的工件编写复杂的运动控制程序，只需手动引导机械臂完成一次示范动作，系统就能自动生成可重复执行的程序。这种自服务模式大幅降低了单台机器人的部署成本，使得小批量、多品种的应用场景在经济学上首次变得可行。

但代价是牺牲了运动控制的最优性——拖动示教记录的路径通常不是时间最优或能量最优的，节拍时间可能比专业编程的机器人慢百分之二十到三十。ABB的YuMi模式则试图走一条中间道路。它保留了传统工业机器人的性能追求——高精度、高速度、高可靠性——但通过预集成的视觉和力觉模块、任务级编程界面和双臂协调控制库，来降低系统集成的复杂度。用户不需要从零开始编写力控制算法或视觉标定程序，只需调用ABB预先封装好的功能模块，就能实现常见的装配操作。这种模式的理想状态是：既保持工业级性能，又降低部署门槛。但实现这一理想状态的代价是高昂的研发投入和漫长的产品迭代周期——YuMi从2011年启动概念设计到2015年正式发布，再到真正在消费电子产线上获得批量应用，又经过了数年的工艺磨合。这两种模式在2011年前后都还处于早期阶段，但它们所代表的方向性问题已经引起了整个产业的关注。

在发那科位于日本忍野村的总部，工程师们正在开发自己的协作机器人原型——后来以CR系列命名的绿色机械臂。在库卡位于德国奥格斯堡的研发中心，轻量级机械臂LBR iiwa的力控制算法正在被反复测试。在发那科与库卡的战略讨论中，协作机器人究竟是一个独立的产品品类，还是传统工业机器人向低负载段延伸的一个变体，成为一个反复辩论的议题。这个议题之所以难以回答，是因为它触及了工业机器人产业三十年来的一个根本信念：机器人的价值在于超越人类，而非模仿人类。在焊接工位上，机器人的价值在于焊接速度比人类更快、焊缝质量比人类更稳定、能够在人类无法承受的高温和烟尘环境中持续工作。在搬运工位上，机器人的价值在于负载能力是人类的数十倍、重复定位精度达到亚毫米级、可以二十四小时不间断运行。在这些场景中，机器人与人类之间是替代关系，而非协作关系。

安全围栏不仅是物理隔离，也是概念隔离——它将机器人的工作空间与人的活动空间清晰分割，使得机器人可以按照自己的逻辑运行，无需考虑人的存在。协作机器人的出现打破了这种概念隔离。当安全围栏被撤除，当机器人与人共享同一个工作空间时，机器人做什么和人做什么之间的边界变得模糊。在理想化的协作场景中，机器人负责重复性、高精度的操作，人负责需要判断力和灵活性的任务，两者在同一工位上交替或同时工作。但这种理想场景的实现，不仅要求机器人具备安全共融的能力，还要求它能够理解人的意图、预测人的动作、适应人的节奏。这些能力在2011年前后远远超出了工程实现的边界。这就解释了为什么在2011年前后，协作机器人的实际部署场景与最初的概念愿景之间存在明显落差。大多数UR5的用户并没有让机器人与人真正协作——他们只是撤除了安全围栏，让机器人在独立完成简单操作的同时，人可以自由进出工作区域进行上下料或质检。机器人与人之间仍然是串行关系：要么机器人在工作，人在等待；

要么人在工作，机器人在等待。真正意义上的人机协作——比如人扶着工件、机器人进行装配，或者人和机器人交替完成同一零件的不同工序——在2011年前后的产线上极为罕见。原因很简单：实现这种协作所需要的实时感知、意图理解和自适应规划能力，当时的协作机器人还不具备。这个落差在产业界引发了两极化的评价。乐观者认为，这只是技术发展的必经阶段——就像早期的个人电脑远不如大型机性能强大，但它开启了一个全新的应用范式，随着处理器性能、软件生态和用户习惯的逐步成熟，协作机器人终将兑现其最初的承诺。悲观者则认为，协作机器人的概念本身就是一个市场泡沫——它用“协作”这个吸引眼球的词汇包装了一个并不新鲜的产品形态，而真正的技术突破在可预见的未来都难以在产线节拍和成本约束下实现。这两种评价在2011年前后同时存在于产业讨论中，且各自都有充分的论据支撑。

乐观者可以指出UR5在食品包装、实验室自动化等领域的成功应用，证明轻量级、易部署、低成本本身就是一个足够大的市场。悲观者可以指出，在汽车装配、消费电子制造等真正需要灵巧操作的大规模应用场景中，协作机器人仍然无法替代人工或传统自动化方案。这场辩论在2011年没有结论，在随后的十年中也一直延续，成为工业机器人产业最具争议性的议题之一。但无论辩论的结果如何，2011年前后已经发生了一个不可逆转的改变：协作机器人的出现，迫使整个产业重新审视机器人如何进入人的世界这个根本问题。在此之前，答案一直是清晰的：机器人通过物理隔离来保证安全，通过高速度和高精度来创造价值，通过大规模部署来分摊系统集成成本。在此之后，这个答案不再不言自明。制造商开始意识到，在隔离式自动化与纯人工操作之间，存在着一个巨大的中间地带——那些负载轻、节拍要求适中、但需要频繁调整和灵活应对的工位。

这个中间地带在传统的产业分类中被忽视了，因为它既不符合值得自动化的标准，也不符合只能靠人工的判断。协作机器人的出现，为这个中间地带提供了一个技术选项。这个技术选项的出现，并非源于某项单一技术的突破，而是多种技术趋势在特定历史时刻的交汇。轻量化材料和紧凑型减速器使得机械臂的自重和成本大幅降低。嵌入式处理器的性能提升使得复杂的运动控制和力觉处理可以在小型控制器上运行。ISO安全标准的修订为协作机器人提供了合规框架。金融危机后的产业洗牌迫使制造商寻找传统自动化方案之外的替代路径。这些趋势在2011年前后汇聚在一起，使得协作机器人从一个实验室概念变成了一个产业现实。但变成产业现实与兑现全部承诺之间，仍然横亘着巨大的距离。2011年前后的协作机器人，能够安全地与人共处，能够简单地拾放和搬运，能够在力觉引导下完成一些基本的接触操作。但它距离那个被达芬奇手术系统所象征的愿景——像人类双手一样灵巧地操作——还有漫长的路要走。

双臂协调、力位混合控制、视觉-力觉融合、任务级编程、实时错误恢复，这些技术在实验室中已经得到了验证，但在产线的节拍时间、成本约束和可靠性要求面前，它们仍然显得脆弱而不成熟。协作机器人的市场已经开启，但其技术能力的边界仍然远小于产业想象的空间。这个落差本身，构成了机器人产业在随后数年中必须面对的最具体的压力点——它不会自动消解，也不会因为乐观或悲观的表态而改变，它只能通过一代又一代工程师在双臂协调、力位混合控制和实时感知这些硬骨头上的持续攻坚，才能被一寸一寸地缩小。