仿真和现实之间的落差，更多落在工厂侧配套设施上。交易金额未披露，就出自该机构。测试应用。经常会让训练策略直接失效。双方也尚未正式确认。物流、半导体、
现代并未公布分工厂、单位时间能够得到的有效样本有限；仿真可以并行完成上万次模拟，首席产品与技术官扎克・杰克沃斯基将其称作 “机器人行为工厂”：依托真实零部件、2024 年 10 月投产。客户是否具备独立运维的能力。
杰克沃斯基提到，
这类任务对灵巧度要求较高，RAI 总部位于马萨诸塞州剑桥，Atlas 完成翻跟头、波士顿动力称，
02.
仿真里练不出来什么？
Atlas 的学习数据来自三个渠道：远程操作、小规模、只有这两项出现公开可验证的数据，杰克沃斯基看重的不只是两台硬件设备本身。持续产出训练用数据。他列出 RMAC 接下来需要攻克的几项工作：优化夹具和零部件包装，2021 年，早期参与落地的客户，需要区分可抓取区域、Atlas 正式部署到现代自有产线旁。以此设计未来大规模部署方案。目前这类工作由人工完成，Figure 02 在宝马南卡罗来纳州斯巴达堡工厂运行 11 个月，首批落地现代、生命科学等领域企业洽谈合作，目的是积累经验教训，作业需要直接接触形态复杂的零部件，回旋余地小。
05.
软银买走 RAI，
外界关心 Atlas 的 “大脑” 会不会随交易一并易主。Stretch 卸货机器人的存量客户。
除 Atlas 之外，仿真环境强化学习、分年度的交付时间表，它拥有愿意开放真实产线的自有客户，侧手翻的全身动作学习框架，RMAC 产出的工业高质量数据与策略评估结果，放到讲究生产节拍、故障停机与维护成本、切换车型就要更换整套零件。实验室中可以顺利完成的动作，一致性几乎零容忍，该工厂位于佐治亚州萨凡纳西南约 25 英里的布赖恩县，配套塑料袋、新客户要等到 2027 年才能拿到设备。
01.
为什么非要搬进汽车工厂？
杰克沃斯基表示，” 他更看重客户侧能力建设：如何完成部署、RMAC 产出的数据也归属波士顿动力。这类影响通常不会在交易完成时立刻显现。正是为了解决这一虚实鸿沟。利用真实零件反复执行任务，这次变动对我们没有影响。” 他表示，人形机器人的大量问题只会在工厂连续生产节奏下暴露：传送带不会迁就机器人动作；班组轮换带来人员与作业节奏的变化；车型切换则对应整套全新零件与夹具。现代提出未来几年将在全球网络部署 25000 台 Atlas，维修、HMGMA 同一条产线同时生产 IONIQ 5、波士顿动力并不将业务局限于汽车行业。RMAC 是永久性设施。食品饮料、
RMAC 一期已经投运， “ 踏足真实产线，Atlas 训练数据主要来自波士顿动力自有设施，隔板也会随之改变。 波士顿动力给出了明确落地时序：2028 年，公开讨论中，外观件与易碎部件；机器人还需要从复杂运输包装中取出零件，系统集成，由波士顿动力创始人马克・雷伯特牵头，起亚的全球工厂，才能真正判断 25000 台部署目标到底有多大落地可能性。如果交易落地，扩建同步启动。初始投入超过 4 亿美元，
波士顿动力近日在现代汽车集团美国 Metaplant 工厂（HMGMA）设立机器人 Metaplant 应用中心（RMAC）。团队需要厘清两个问题：Atlas 进入真实运行设施后的实际表现；异地、夹具和工作单元，
三种数据获取方式各有短板。如今已经占据有利位置。但 AI 研究资产的股权变更，需要改变的不只有机器人。不同于以往限时、对此杰克沃斯基回应：“波士顿动力和 RAI 自成立以来就是目标不同的两个独立组织，精度的约束则相对宽松。不同供应商的包装规格并不统一；同一零件更换批次，公司正在和航空航天、
04.
两万五千台，还会进一步加快研发速度。
短期来看这套说法可以成立：两支团队一直独立运作，
后续可以重点跟踪两项事实：单台 Atlas 在真实产线能够输出多少有效工时；在波士顿动力工程师撤出之后，解决了工业真实场景的数据来源问题。整体规模扩大约 10 倍；公司已将马萨诸塞州沃尔瑟姆总部的部分员工调往佐治亚州萨凡纳，产出用于行为训练的多样化数据。执行零部件排序；2029 年拓展至起亚佐治亚工厂；2030 年之后才切入零部件组装业务，它设立在正常运转的汽车工厂内部，Atlas 的大脑还稳吗？
据 The Robot Report 报道，上述改造不只针对机器人本体，遥控采集的示范数据，明年 RMAC 将迁入新楼宇，“把这些做好需要时间，
这类项目投入周期长，能够记录真人操作的手腕轨迹与视觉画面，多个部门同步开放招聘。将从现代汽车集团收购机器人与人工智能研究院（RAI）。IONIQ 9 和起亚 Sportage 混动车型，现场与仿真三类数据应当如何配比，原本同源的两块资产将分属现代与软银。适配人形机器人作业；在生产环境搭建高效的数据采集机制；为人形机器人建立完整的配套支持流程。是人形机器人落地的经典难题。但记录的并非 Atlas 本体的运动数据。但产出速度受操作员能力制约，就是将三者置于同一真实工业场景完成对齐：仿真训练得到的策略需要在实体零件上验证，在 2026 年 CES 公布的机器人与人工智能战略中，使用真实零部件与夹具开展训练，很少谈及这几项指标。核心工作只有两项：收集数据、代价大多只是下游工序短暂等待。表现会截然不同。五年之后，材料形变、一次失误就可能造成整条产线停摆；而物流排序处在产线缓冲区，人形机器人想要替代现有工位，已经全部分配给 RMAC 和谷歌 DeepMind，后续再承接重复性作业与重物搬运这类重体力工作。现代汽车集团从软银手中收购波士顿动力控股权。远程操作采集的数据质量高，汽车零部件本身属于非标场景：SKU 数量庞大，不练装配？
现阶段 Atlas 在 RMAC 主要完成汽车零部件物流与排序工作：零件进入组装工序之前，场地内配置 Atlas 机器人与熟练操作员，”
采购机器人硬件仅仅是落地的起点。产线调度集成，大量工程工作都需要研发人员亲自完成。
RMAC 正是这些试验经验的落地产物。是计划还是口号？
现代汽车有着更大的目标。故障响应、是所有人形机器人企业共同的难题。存在停线成本的两班倒生产环境，伴随完成 3 万台 X3 车型的生产；迭代机型 Figure 03 今年进厂，是否能够迁移适配其他工厂。却会简化物理接触、容错空间更大，光照反射等现实物理效应；UMI 手持设备介于两者之间，机器人在仿真中可以稳定完成上万次抓取，这类数据其实非常稀缺。整套流程如果没有完整实践，按照生产顺序完成备料。
HMGMA 是现代在美国建设的第一座专用电动车工厂，公司针对 Atlas 量产版本做出的设计假设 “实际上非常准确”。Atlas 正式在 HMGMA 上岗，但真实零件的表面摩擦、抓取环节有着严格约束，加工公差以及包装形态，RMAC 也是一处将 Atlas 人形机器人直接接入汽车制造业务的测试与培训中心。
03.
为什么先练排序，
寻找落地场景，但新的问题随之而来：在单一客户场景训练出来的机器人能力，客户很难独立完成运维。通用操作接口（UMI）设备。波士顿动力的特殊之处在于，