在机器人技术不断突破实验室边界、向复杂现实场景进军的进程中，研究机构正发挥着愈发关键的作用。三菱电机研究实验室（MERL）作为这一领域的先锋代表，始终活跃在前沿探索的舞台上。该实验室作为三菱电机在北美的研发核心，由总裁兼首席执行官安东尼·韦特罗（Anthony Vetro）领衔，聚焦机器人技术的核心基础研究，涵盖感知、控制系统与机器学习等多个方向，业务范围横跨工业自动化、能源系统等领域，致力于打通理论研究与实际应用的“最后一公里”。
当前，机器人领域面临的核心挑战之一，便是如何跨越实验室环境与真实工业场景之间的鸿沟。安东尼·韦特罗指出，在受控实验室中表现优异的机器人系统，一旦进入真实工业场景，面对多变的环境和人机交互需求，往往难以维持稳定性能。要突破这一瓶颈，不仅需要在感知与控制技术上持续创新，更要将物理世界的深层规律融入人工智能模型，使机器人能够真正理解并适应现实世界的复杂性。
在具体研究方向上，MERL正着力提升机器人的操控能力与力控精度。尽管在操控与力控领域已取得显著进展，但机器人在处理精细、接触密集型任务时，仍无法达到人类级别的可靠性。韦特罗解释道，人类能够根据感官反馈实时调整动作，而机器人在脱离训练数据范围后，泛化能力仍显不足。通过将感知与基于物理的推理紧密结合，机器人正逐步学会在实时场景中做出更自然的响应，从而缩小与人类能力的差距。
预测性感知能力是MERL关注的另一重点。在人机共存的环境中，机器人需要具备预判人体动作和物体行为的能力，以确保安全、高效地运作。然而，真实场景中的不确定性给这一技术带来了巨大挑战。韦特罗强调，构建融合感知与物理动力学理解的强大模型，是实现顺畅人机协作的关键。目前，MERL正通过整合多模态感知数据，提升机器人对动态环境的理解能力。
传统机器人训练方式依赖大量数据和耗时的编程过程，导致训练成本高昂且难以扩展。为解决这一问题，MERL探索了利用增强现实与视听交互界面开展机器人训练的新方法。通过这些技术，操作人员可以直接在实际场景中引导机器人，大幅缩短部署准备时间。机器人还能通过示范和反馈以更自然的方式学习，从而降低部署门槛，提升训练的灵活性与可扩展性。
在应用领域方面，MERL的研究方向与制造、物流和医疗等行业的实际需求高度契合。韦特罗表示，实验室始终专注于开发能够支撑真实场景部署的基础性技术，重点关注自动化、效率提升和安全保障等核心挑战。例如，在数据中心能效管理领域，物理AI技术已展现出巨大潜力。通过动态调控气流分配，物理AI系统能够将冷却资源精准导向最需要的区域，在降低能耗的同时支持更主动的运维管理。
关于“物理AI”这一概念，韦特罗认为，其核心在于系统能够理解并遵循物理世界的规律进行运作。随着模型对物理规律的理解不断深入，物理AI在复杂真实环境中的性能将持续提升，成本也将逐步降低。目前，除数据中心能效管理外，物理AI在工业自动化、智能物流等领域也正在取得实质性进展。
当被问及机器人真正具备在无结构化、有人参与环境中大规模可靠运行能力的关键里程碑时，韦特罗指出，这包括机器人在全新环境中持续稳定的表现，以及在共享空间中与人类安全互动的能力。机器人需要能够在不确定性和变化条件下做出可靠响应，而实现这一目标的关键在于系统能够实时整合感知、推理与物理理解。
