一句话看懂：一篇 alphaXiv 论文显示，机器人仅凭关节编码器的本体感觉，在仿真中学会插销、齿轮啮合和拧螺母，其中插销策略零样本迁移到真机，在测试中成功插入不同形状与尺寸的销钉，占 73% 的试验。这提示精密装配未必需要视觉或触觉。
事件核心：发生了什么
论文于 2026 年 10 月 16 日发布在 alphaXiv。作者训练了一类“盲装配”策略：输入只有过去约 0.6 秒的关节位置、速度、夹爪位姿和自身动作，不接收图像、力/力矩或触觉信号，也不知道夹具与零件的位姿，抓取位置还经过大幅随机化。策略通过强化学习在仿真中完成插销、齿轮啮合和拧螺母三类任务。目前公开信息显示，只有插销策略被迁移到真实机械臂，且无需微调，在真实试验中成功率为 73%；齿轮啮合和拧螺母仅停留在仿真演示。论文还开源了一个程序化生成装配场景的生成器，用于 MuJoCo，作者称其比凸分解或 MuJoCo 自带碰撞方案更准更快。
为什么重要
精密装配长期依赖视觉引导、力控或触觉传感器，硬件成本和标定复杂度不低。这项工作的意义在于把机器人自带的关节编码器当作接触传感器：零件卡住时，手臂的实际运动与指令出现偏差，策略从这段偏差历史中推断接触状态并调整动作。对行业而言，这提供了一条“低传感成本 + 仿真训练”的技术路线；对研究社区而言，开源场景生成器降低了构造高保真装配仿真环境的门槛。需要说明，论文摘要与项目页信息不等同于已通过同行评审或已产品化。
对用户/开发者/创作者的影响
开发者可关注其开源生成器：用精确凸块程序化构造带间隙的装配场景，可能比通用碰撞检测更适合批量生成训练数据。机器人应用团队可把“盲插销”视为最后几厘米的精细操作技能，而非从远处搜索孔位的完整方案——论文测试也是从销钉已接触夹具、靠近孔位时开始。创作者和内容方则可把它作为“本体感觉 + 仿真到现实”的案例，但应区分真机结果（插销）与仿真结果（齿轮、螺母）。投资判断上，目前公开信息仅支持小规模实验，尚不足以证明可广泛商用。
值得关注的后续
一是插销策略能否扩展到更多真实零件与更大间隙误差；二是齿轮啮合、拧螺母何时走出仿真；三是开源生成器能否被社区用于训练其他接触密集型任务；四是与视觉方案的对比能否在真机上复现，而不只停留在仿真对照。
来源：alphaXiv
