小米机器人98%装配成功率，红外窄带滤光片卡在哪了？
小米的人形机器人已经进入工厂进行真实产线测试，装配成功率达到98%。这个数字看起来相当不错，但距离真正的量产仍有一段距离。雷军也提到，还需要再打磨大半年才能真正实现量产。
从98%到99.5%之间的差距，从来不是简单的参数微调就能填补的。这背后是一整套感知系统在真实工况下的极限博弈——光线变化、温度漂移、粉尘干扰、振动噪声，实验室里碰不到的问题，在产线上全都会冒出来。
而机器人“看”世界的方式，跟人类完全不同。
机器人视觉的两种主流方案
人形机器人的视觉系统不是装一个摄像头就完事。它需要深度感知——判断零件距离多远、角度偏多少、表面什么材质，所有这些都要在毫秒级时间内完成。目前主要靠两种技术路线：结构光和ToF。
结构光的原理不算复杂：向目标场景投射已知图案的红外光，摄像头捕捉反射回来的变形图案，通过对比投射图案和接收图案之间的差异，解算出深度信息。iPhone的Face ID用的就是这个方案，但人脸扫描的精度要求与工业装配完全不在一个量级。
ToF则更直接：发射红外光脉冲，测量光子从发射到返回的时间差，光速乘以时间除以二就是距离。原理虽然简单，但对时间测量精度的要求极为苛刻——几十皮秒的抖动就足以影响最终的定位精度。
两种方案有一个共同前提：都需要主动发射红外光，然后接收反射回来的信号。发射什么波段，接收端用什么滤光片只接收这个波段——这个选择，直接决定了机器人视觉系统的感知上限。
940nm和850nm的工程选择
近红外波段中，940nm和850nm是机器人视觉最常用的两个工作窗口。选哪个，是一道工程权衡题。
940nm的优势在于太阳光背景噪声低。这个波段恰好位于大气中水汽的强吸收带，到达地面的太阳辐射在该波段的能量明显偏弱，信噪比天然更高。如果机器人需要在靠窗的工位或半露天的仓储环境中作业，940nm是更稳妥的选择。
850nm的优势则在工程实现上——该波段的红外光源和探测器工艺更成熟、成本更低、系统灵敏度更高。在光照可控的室内产线中，850nm方案凭借成熟的供应链和稳定的光电性能，目前是工业机器人的主流选择。
但不管选哪个波段，有一个器件的性能直接锁死了整个视觉系统的天花板——窄带滤光片。
窄带滤光片：机器人眼睛里的“瞳孔”
窄带滤光片的功能说起来很简单：只让目标波段的红外光通过，其他波段的杂光全部截止。但实际做起来，完全是另一回事。
如果滤光片的通带不够窄，太阳光里的近红外杂光就会混进探测器，收到的信号夹杂大量环境噪声，导致深度图出现噪点，点云数据变糊。在装配场景下，这种“糊”可能意味着几毫米的定位偏差——一个精密连接器插不到位、卡扣没扣紧、电路板对位偏移，那2%的失败率可能就是这么来的。
如果截止深度不够，强光源（阳光、焊接弧光）里的杂光能量会直接“冲垮”探测器，导致系统短暂致盲。工厂里到处是这种干扰源。
以850nm方案为例，通带控制在837到862nm，平均透过率做到95%以上，意味着目标波段的红外光几乎没什么损失。更关键的是带外抑制：在400-820nm和878-1100nm两个区间内，平均透过率压低至0.2%以下。这个截止深度意味着车间里绝大部分干扰都被挡在了探测器外面，信噪比上去了，深度图才干净，装配动作才精准。
三个任务，三种精度要求
机器人视觉系统不是只干一件事。深度感知、避障、物体识别，三个任务对光谱精度的要求差异很大。
深度感知要求滤光片中心波长高度稳定。结构光算法的标定是基于特定波长做的，波长偏了，深度计算就会出现系统误差。偏2nm，近距离可能只是零点几毫米的偏差，但在远距离操作场景下，误差会被放大到不可忽视的程度。
避障要求响应速度快。滤光片透过率够高，探测器收到的信号就够强，处理电路就能更快完成判断。毫秒级的响应差异，在机器人快速移动时可能决定是撞上墙还是稳稳绕过去。
物体识别对信噪比的要求最苛刻。很多识别算法依赖物体表面反射光谱的特征差异来区分材质。滤光片通带内如果透过率不均匀，不同区域反射回来的信号强度会出现非真实差异，算法就可能把同一种材料误判成两种。
这三个任务在机器人身上是同时运行的。一片滤光片要同时满足三方面的要求，参数之间的平衡很考验光学设计功底。
量产的关键：一致性
小米机器人还需要大半年时间。这大半年要磨的不只是算法和机械结构，还有供应链的批量交付能力。
一条产线上几十台机器人同时作业，每台都需要规格一致的视觉模组。如果滤光片的批次一致性差——这批中心波长850nm，下批偏到853nm——每台机器人的视觉参数都得重新标定，产线节拍直接被打乱，标定成本也会飙升。
中心波长容差控制在±2nm，意味着同一批次甚至不同批次的滤光片上机之后不需要逐台微调。对机器人量产来说，这种一致性比单片性能指标更值钱。
光学器件的窗口正在打开
不只是小米。小鹏的IRON人形机器人已经亮相，上纬新材搞出了全球首个可变形个人机器人启元T1，大量创业公司也在涌入这个赛道。
但这些人形机器人要真正从展台走进工厂、走进家庭，绕不开的问题都是一样的：感知精度够不够高，量产成本够不够低。
红外窄带滤光片不是一个被聚光灯照到的品类。但没有它，机器人的“眼睛”就是模糊的——深度感知会漂移，避障会迟钝，识别会出错。98%的成功率到不了99%，更到不了99.9%。
人形机器人对红外光学元件的需求正在快速释放。视觉方案从单目向深度感知升级，避障从超声波向红外阵列演进，识别从可见光向多光谱融合拓展。每一条技术路线的演进，都在拉高对窄带滤光片光谱精度的要求。
而消费级机器人的量产逻辑又倒逼上游在精度之外把成本也降下来。从98%到99.9%的跨越是系统级工程，运动控制、力觉传感、来料公差，每一个环节都在“吃掉”良率。在视觉感知这条链路上，窄带滤光片决定了信号源头的纯净度——它可能不是唯一的瓶颈，但一定是不能被忽视的一环。
来源：麦乐克