在近日于美国硅谷举行的GTC 2026大会上，Universal Robots（优傲机器人）正式推出了其最新创新成果——UR AI Trainer。该产品是与Scale AI深度合作的结晶，标志着工业自动化领域迎来重大转折：机器人将不再局限于执行预先编写的固定程序，而是能够完全由人工智能驱动，通过模仿人类操作来学习并执行复杂任务。
Universal Robots人工智能机器人产品副总裁Anders Beck指出，当前市场需求已发生根本性变化。客户不再仅仅需要基础的AI功能，而是迫切需要一种能够收集高度可靠、同步数据的方法，以便在目标部署的机器人上直接训练AI模型。UR AI Trainer正是业界首款实现“从实验室到工厂”直接连接的解决方案，打通了数据训练与实地部署的壁垒。
针对当前机器人AI训练面临的硬件碎片化和数据质量低下的痛点，UR AI Trainer提供了独特的技术路径。传统训练数据多来源于非生产环境的科研机器人，且往往仅依赖视觉反馈，难以处理需要精细接触的任务。而UR AI Trainer利用其独有的“直接力矩控制”和“力反馈”功能，让开发者能够直接干预机器人与物理环境的交互过程。这意味着开发者可以在全球超过10万家工厂实际部署的坚固硬件上进行训练，确保模型在真实工业场景中的鲁棒性。
该系统的核心机制在于“人机模仿学习”。通过“主从”配置，人类操作员物理引导一台“主”机器人执行任务，同步的“从”机器人则实时复制其动作。在此过程中，系统自动捕捉高质量的 multimodal（多模态）数据，包括运动轨迹、施力情况和视觉信息，从而生成训练Vision-Language-Action（VLA）模型所需的结构化数据集。这一过程被集成在UR的AI Accelerator平台中，结合Scale AI的软件能力，构建起一个持续优化的数据闭环。
Scale AI物理AI总经理Ben Levin强调，Universal Robots在全球的广泛布局为数据采集和AI部署提供了理想基础。双方合作不仅实现了机器人数据的良性循环，更计划在今年发布一套基于UR机器人生成的大规模工业训练数据集。在GTC展台上，观众亲身体验了该系统的强大能力：通过力反馈设备引导两台UR3e“主”机器人，实时控制两台UR7e“从”机器人完成复杂的智能手机包装任务，所有演示数据均实时记录并可直接复现。
除了实体演示，大会还展示了基于Nvidia Omniverse和Isaac Sim构建的虚拟仿真应用。该应用利用Nvidia Physical AI Data Factory Blueprint，探索如何通过全球算力自动化生成高质量合成数据，进一步加速训练模型的迭代。Nvidia边缘机器人及AI生态系统负责人Amit Goel表示，物理AI的进步要求从刚性自动化向具备感知、推理和学习能力的通用机器人转变，而UR与Nvidia的合作正是构建这一可扩展基础设施的关键。
此外，合作伙伴Generalist AI展示了其嵌入式基础模型在现实世界的卓越表现。两台UR7e机器人成功自主完成了高难度的智能手机包装任务，展现了极高的灵巧度和协调性。这证明了高质量、可扩展的训练数据与先进模型架构相结合，能够赋予机器人超越实验室环境的实际作业能力，为多行业的大规模部署铺平了道路。
对于中国制造业而言，这一技术突破意味着“示教编程”门槛的进一步降低，未来工厂将更依赖AI驱动的通用机器人来应对柔性化生产需求，中国企业应密切关注此类“数据驱动”的机器人训练生态，提前布局适应AI时代的产线升级策略。
