中科大Labimus揭秘：机器人化学家为何难通过“上岗考试”？
在传统的有机化学实验室中，称量是一项既基础又极具挑战性的操作。一位经验丰富的化学家站在通风橱前，小心翼翼地调整天平挡风门，用药匙一点点抖落粉末，直至显示屏上的数字精确停在目标值，误差控制在极小范围内。这种对力度、角度和视觉反馈的微妙平衡，依赖的是人类多年积累的经验与触觉记忆。然而，当我们将视角转向人工智能驱动的科学研究（AI for Science）时，这一看似简单的动作却成为了机器人进入化学实验室的一道巨大门槛。
近日，中国科学技术大学联合北京人形机器人创新中心推出了Labimus平台。这是一个专为精准化学实验室打造的人形灵巧操控仿真和评测平台。它的核心使命并非仅仅让机器人“动起来”，而是作为一位严格的“考官”，检验机器人是否具备成为“机器人化学家”的基本素质。这一举措标志着具身智能在科学场景下的应用，正从粗放的动作执行迈向对精度、鲁棒性和科学价值的深度考量。
仿真重构：从3D模型到物理真实
要让机器人接受科学实验层面的考核，首要任务是构建一个足够真实的“考场”。Labimus并没有简单地将实验室场景数字化，而是通过Real-to-Sim（现实到仿真）技术，重建了包含分析天平、烧杯、量筒等30余件常见实验器材的高保真环境。
这种真实性的核心在于物理属性的还原。以分析天平为例，其玻璃挡风门并非一段预设的动画，而是具有真实的滑动导轨和摩擦力属性。机器人必须像人类一样，通过灵巧手捏住把手，精确控制推力和角度才能平稳推开。更重要的是天平本身的动态响应：当粉末落入称量舟，天平屏幕的数据会实时跳动，这与现实中的电子天平完全一致。
真正的难点在于对粉末的模拟。在许多机器人仿真平台中，液体或颗粒往往被简化为视觉特效或简单的刚体集合。Labimus则采用了更为复杂的建模方式，将每一粒粉末视为独立的刚体，赋予其质量、碰撞和摩擦等物理属性。当机器人舀起粉末时，颗粒会因重力、勺面角度和震动产生真实的流动；落入称量舟后，每一粒颗粒的质量都会被累加，最终形成真实的称量结果。这种细粒度的物理模拟，使得评测结果具有了极高的参考价值，避免了因环境失真导致的“虚假成功”。
评价革新：打破二元对立的局限
传统机器人基准测试（Benchmark）通常采用二元评价标准：任务完成即成功，未完成即失败。在搬运箱子或开关门等场景中，这种标准行之有效。但在化学实验室中，这把尺子完全失效。
假设机器人成功将粉末转移到了称量盘上，按照传统标准，这是一次“成功”的操作。然而，如果最终的质量误差超过了标准作业程序（SOP）规定的±0.001克，这次实验在科学层面就是彻底失败的。Labimus的核心洞察在于：任务成功（Task Success）不等于科学成功（Scientific Success）。
为此，Labimus引入了一套三级递进的评测层级体系：
第一层级关注任务的基本完成度，例如门是否打开、物体是否被抓取。这一层主要考察机器人的基础运动能力。
第二层级引入连续精度指标。这是区分“能做事”和“能科学做事”的关键。例如，在固体称量任务中，不仅要求粉末被放入，还要求最终质量误差在特定范围内。只有满足了精度要求，才算通过这一层的考核。
第三层级则进一步考察长程表现和鲁棒性。机器人是否能在连续多个步骤中保持精度？误差是否在累积？通过配合四种不同的考试条件（标准布局、光照扰动、纹理扰动、以及两者叠加），Labimus构建了一个3×4的评测矩阵。这种设计能够全面检验机器人策略在复杂环境下的稳定性和泛化能力，揭示了单一步骤成功背后可能隐藏的精度缺陷。
考试结果：灵巧操控的痛点暴露
带着这套严苛的评测标准，Labimus对ACT、Diffusion Policy和π0三种具有代表性的机器人学习方法进行了测试。结果呈现出一道清晰的难度阶梯，也暴露了当前技术的瓶颈。
最简单的任务“开门”，各方法均有一定成功率，其中ACT表现最佳，达到56.7%。然而，随着任务复杂度增加，成功率迅速下滑。在“关门”任务中，由于需要控制力度避免撞击或夹手，π0的最佳成绩仅为40.7%。而更具挑战性的“去皮键”操作——要求机器人用单根手指以特定角度和力度按下直径仅几毫米的小按钮——几乎击溃了所有策略。ACT的成功率仅为2.0%，而Diffusion Policy和π0直接归零。
这一梯度揭示了一个关键问题：当前的机器人策略在处理精细接触控制时存在显著短板。更值得警惕的是精度差距的发现。以ACT在抓取放置任务为例，若仅看二元成功标准，其完成率为5.3%；但若引入Tier 2的精度标准（位置误差≤15毫米），合格率仅降至3.3%。这意味着，在传统标准下被判为“成功”的操作中，近四成其实是不达标的。
鲁棒性测试同样提供了深刻洞察。π0在开门任务中，单独改变光照或纹理，性能影响有限。但当两种扰动叠加时，成功率从47.3%跌至40.0%。这种降幅大于单一扰动之和的现象，提示真实世界中的复合环境变化对机器人策略存在非线性的共振效应，这对机器人的感知融合与决策能力提出了更高要求。
瓶颈与展望：从数据混乱到本体局限
面对评测结果，项目通讯作者、中科大特任教授夏彦指出了具身智能当前最大的瓶颈：本体能力。
尽管AI模型和数据采集方法层出不穷，但机器人硬件的限制成为了制约其进入精细科学场景的首要障碍。精准化学操作对灵巧手提出了极高要求：高自由度、敏感的力觉感知以及毫秒级的响应延迟。目前市场上能满足这一水平的灵巧手，单只售价高达30万元以上，且大多处于未量产或实验阶段。
“如果本体都完不成动作，收集再多数据也没用；没有好的数据，模型也训练不出来。”夏彦坦言，这是一个从底层硬件向上传导的困境。此外，数据采集的混乱加剧了这一难题。学术界目前缺乏统一的传感器规格和采集协议，视觉、触觉、眼-centric视角等各种方案百花齐放，导致数据迁移成本极高。相比之下，特斯拉Optimus之所以进展较快，很大程度上得益于其复用了自动驾驶领域统一且成熟的传感器规格。
Labimus的v0版本虽然仅覆盖了四个原子操作和一项Tier 2精度任务，且Sim2Real（仿真到现实）迁移尚未完全验证，但其发布具有战略意义。它旨在抛出一个新的评价范式，吸引AI、机器人、化学等多学科研究者共同关注这一交叉领域。
终极命题：加速科学发现的效率
Labimus的意义不仅在于评测，更在于重新定义机器人科学家的成功标准。夏彦认为，现有的Benchmark往往沦为“刷分工具”，而在科学场景下，评价标准应当回归本质：机器人是否真正加速了科学发现？
传统的自动化实验室往往需要定制化的机械臂和重新布局的实验台，这种“实验室适应机器人”的模式难以大规模推广。而人形机器人搭配灵巧手的方案，旨在让机器人直接融入为人类双手设计的现有实验室，利用人类现成的工具完成操作，实现“机器人适应实验室”。
未来的自主实验室，理想状态是大语言模型自动解析实验目标（如“寻找一种新型催化剂”），规划实验流程，机器人负责执行并反馈结果，形成闭环。在这个过程中，衡量价值的核心指标不再是机器人完成了多少动作，而是它将发现新物质的时间从100年缩短到了几天，还是几周。
从“自动化”到“自主”，中间隔着巨大的技术鸿沟。Labimus作为第一步，虽然稚嫩，但指明了一条清晰的路径：通过高保真仿真、精细化评测和跨学科协作，逐步攻克本体、数据和模型的瓶颈。随着更多灵巧手厂商和研究机构的加入，这场关于“机器人化学家”的考试，或许将在未来几年内见证真正的突破。对于科学界而言，这不仅是工具的革新，更是科研范式的一次深刻迭代。