所以机器人的准确性就成了一个难题，林武就讲了自己在实验室碰到的问题："我们给机器人下达一个任务，抓取眼前物体的时候，遇到过这样的事情，它要先决定一下最佳路径，用右手还是左手，或者眼前物体有一定距离的时候是要先往右走还是往左走，在探索这个最佳路径的过程中它可能满屋子乱跑。当然抓碎草莓、掉落玻璃杯的事情也是有发生的。"
这些画面脑补起来好像问题不大甚至有些可爱，但是如果这是一台售价几十万的在企业流水线上做生产的机器人，就一点也不可爱，甚至可能造成极大损失了。
为了解决准确性，有一部分派系就开始思考，不能总是死磕硬件，可以用 AI 模型让机器人的大脑变得更聪明一点，比如说如果灵巧手还没有灵巧到可以轻轻捏起一颗葡萄，就让葡萄滚到手掌中间。
特斯拉、Figure、Agility、DeepMind 都在尝试这个路径，他们收集大量工厂工人手部、臂部、身体操作视频 ，让模型学习每种动作背后的意图，把动作拆解为机器人可以执行的指令让机器人在环境中反复试错和微调 ，让大模型逐渐"悟出"如何完成任务。
只是解决"灵活"就已经困难重重，要做到量产，灵巧手还需要解决"持久"，就是寿命问题。晚点就报道过因为散热不足、零部件寿命短等问题 Optimus 灵巧手使用寿命不超过两个月。
马斯克也说过：特斯拉在帕洛阿尔托总部已有 Optimus 在全天候行走，"如果你让他给你带路去参加一个会议，他甚至可以给你带路，但关键的问题是手。"
"我不是人！还不行么！"--不行
既然手这么难，不做人形机器人不就可以了。
事实上，如果你稍微留心，就会发现，机器人其实已经悄悄进入了我们的生活，不过它们大多数都不像人。
酒店里送水、送牙刷、送外卖的服务机器人，长得更像一台"带货梯的桶"。它们靠激光雷达和阈值导航，以毫米级精度穿行在走廊里，不会跑、不需要学，只负责从点 A 到点 B，稳稳停下、开盖、嘟一声。
商场里的清洁机器人也是同理。本质上是"工业增强版扫地机"--路径规划 + 吸水刮地 + 避障。关键在于耐力稳定，不会偷懒。你让一个人夜里拖 5 小时地，她会累；机器人不会。
而最"反人类直觉"的，是仓库里的物流机器人。京东、亚马逊的智能仓库里，成百上千台"小乌龟"在地面穿梭，把货架送到分拣员面前--它们不是学人搬东西，而是让人不再走路。这不是模仿人类，而是绕过人类身体的限制，把效率推到极致。
