在近日于美国硅谷举行的GTC 2026大会上，丹麦机器人巨头Universal Robots（UR）联合美国数据智能公司Scale AI，正式发布了名为UR AI Trainer的创新系统。这一合作标志着工业机器人领域的一次重大范式转移：机器人将不再局限于执行预先编写的固定程序，而是能够基于人工智能进行自主学习和任务执行。该系统的核心在于构建了一个从实验室到工厂的闭环，利用真实生产环境中的数据来训练AI模型，彻底改变了传统自动化依赖人工示教的低效模式。
UR的AI产品副总裁Anders Beck指出，当前行业需求已发生根本变化。客户不再仅仅需要基础的AI功能，而是迫切需要能够同步采集机器人本体与视觉系统数据的高可靠性方案，以便在部署现场直接训练AI模型。UR AI Trainer正是行业首款实现实验室与工厂直接连接的解决方案，它解决了长期以来困扰AI机器人发展的数据孤岛问题，让模型训练不再依赖脱离实际生产环境的科研设备。
针对传统机器人训练面临的硬件碎片化和数据质量差等痛点，UR AI Trainer采用了独家技术。通过“直接扭矩控制”和“力反馈”功能，系统能够精确捕捉机器人与环境交互时的物理细节。操作人员在生产线上通过“主从跟随”模式，物理引导一台“主”机器人完成任务，同步的“从”机器人则实时复制动作。在此过程中，系统自动记录运动、力和视觉的多模态数据，生成高质量的Vision-Language-Action（VLA）模型训练集。这种基于真实工业硬件（全球超过10万家工厂已部署UR设备）的数据采集方式，确保了训练出的AI模型具备极强的泛化能力和鲁棒性。
此次合作还激活了一个数据飞轮效应。UR与Scale AI计划在今年推出基于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虚拟或实体的UR机器人，完成复杂的智能手机包装任务。此外，借助Nvidia Omniverse和Isaac Sim技术，系统还能在虚拟环境中进行高保真模拟，利用Nvidia Physical AI Data Factory Blueprint自动化生成合成数据，进一步加速了AI模型的迭代速度。
作为UR在基础模型领域的合作伙伴，Generalist AI展示了其最新成果。两台UR7e机器人在真实环境中，无需人工干预便自主完成了高难度的手机包装任务，展现了惊人的手眼协调能力和精细操作技巧。这证明了高质量、大规模的训练数据结合先进的模型架构，能够让AI物理系统真正走出实验室，适应复杂的工业场景。正如Generalist AI创始人Pete Florence所言，这种基于物理常识的AI能力，为大规模部署奠定了坚实基础。
对于中国广大中小企业而言，UR与Scale AI的这一突破意味着自动化门槛的显著降低。过去，中小企业因缺乏专业编程人才和昂贵的定制开发成本而难以引入机器人，而AI驱动的“示教即编程”模式，使得一线工人经过简单培训即可让机器人掌握新技能，这将极大加速中国制造业的智能化转型进程，让柔性生产成为常态。
