南洋理工大学发布Facet-0机器人基础模型 亚毫米级装配成功率达82%

首次实现动作与接触力联合建模 直指精密制造自动化核心痛点

北京时间9月2日，新加坡南洋理工大学PINE实验室在预印本平台arXiv发表论文（Facet-0: A Robotic Foundation Model for Contact-Rich Precise Manipulation），推出面向接触密集型精密操作的机器人基础模型Facet-0。该模型首次将动作预测与腕部力/力矩反馈进行联合建模，使机器人不仅规划运动路径，同时预判动作产生的接触后果，在亚毫米级工业装配任务上实现跨数量级的性能提升。

成功率较基线提升超4倍

Facet-0基于团队自研的ManuFacet-1K数据集训练，该数据集包含1000小时力同步精密装配数据，覆盖3种机器人本体与多个制造单元，所有数据均在真实生产场景下采集，每帧同步记录腕部力/力矩、视觉与运动学状态。

在5项亚毫米级计算机装配任务中，Facet-0平均成功率达82%，而当前最强基线方案仅为15%。系统报告定位精度达0.5毫米，控制指令延迟50毫秒，可完成内存条插入、CPU安装、GPU装配、磁盘固定等典型3C组装工序。

针对不同机型与场景的迁移能力方面，模型仅需微调约6.6%的参数，即可适配新的零件、工装与机器人本体，适配后任务成功率提升约30%。

动作-力闭环的三层框架

与传统仅依赖视觉的机器人模型不同，Facet-0构建了「语义规划-力修正-安全校验」的三层架构，打通了从自然语言指令到精密接触控制的完整链路：

• 上层由视觉语言大模型完成语义理解与子任务拆解，输出参考动作序列，运行频率约5-10赫兹；
• 中层力残差头基于历史力信号对动作进行实时修正，输出精细化的动作-力控制量，运行频率约20赫兹，精度达0.5毫米；
• 底层安全评论家对每一步动作进行接触力边界校验，确保执行过程始终在安全包络内。

技术路径上，该模型统一了多模态表征学习与强化学习后训练流程，通过动作-力矩历史与视觉语言语义、运动学状态对齐，由流匹配生成每个动作块及其预期诱导的未来腕部力分布。部署阶段引入分布化的动作-力矩评论家，区分任务进度相近但接触结果不同的动作，通过相位感知奖励与接触选择性信用分配，集中优化关键交互环节。

产业价值：填补精密制造数据缺口

该成果直指工业自动化领域的长期痛点：传统预设轨迹的工业机器人仅能在固定工装下完成单一任务，无法应对零件偏差、布局变化与接触波动，换产调试周期长、成本高；而通用机器人数据集大多集中于日常场景，面向精密制造的接触力数据极度稀缺。

据项目公开资料显示，公开机器人数据中涉及制造装配的占比不足1%，规模化带来的泛化能力无法替代接触判断、力校正与故障恢复能力，而这正是亚毫米级装配的核心要求。Facet-0将真实接触数据与因果建模纳入同一基础模型框架，有望拓展工业机器人在3C电子、汽车车身装配、航空发动机维修等场景的应用边界。

仍为预印本，尚未经同行评审

目前该工作为预印本状态，所有性能数据均为作者自报，尚未经过同行评审与第三方独立复现。模型当前验证场景仍以结构化的桌面装配为主，面向复杂产线环境的长期稳定性、故障率与量产适配性仍需进一步验证。