在机器人技术不断突破实验室边界、向复杂现实场景拓展的进程中，科研机构正扮演着愈发关键的角色。三菱电机研究实验室（MERL）作为这一领域的先锋力量，始终致力于推动机器人技术从理论走向实践。该实验室由总裁兼首席执行官安东尼·韦特罗（Anthony Vetro）领导，聚焦感知、控制系统与机器学习等核心方向，业务覆盖工业自动化、能源系统等多个领域，致力于打通机器人技术从实验室到工业应用的“最后一公里”。
当前，机器人领域面临的核心挑战之一，是如何让在受控环境中表现优异的系统适应真实工业场景的复杂性与不确定性。韦特罗指出，实验室环境与工厂车间的差异巨大——后者充满多变条件和人机交互需求，而现有系统往往难以应对。将机器人融入现有工作流程也面临挑战，这些流程对可靠性和成本效益有着极高要求。真正的突破需要系统能够更真实地反映物理世界，从而在实验室外流畅运作。
在提升机器人能力方面，MERL正重点攻关操控与力控技术。尽管已取得稳步进展，但机器人在处理精细、接触密集型任务时，仍与人类级别的可靠性存在差距。人类能够通过感官反馈即时适应变化，而机器人一旦脱离训练数据范围，泛化能力便受限。通过将感知与基于物理的推理紧密结合，机器人的实时响应能力正在逐步提升。
预测性感知能力是MERL研究的另一重点。在人机共存环境中，机器人需要预判人体动作和物体行为，才能安全高效地行动。然而，真实场景中的不确定性是主要障碍——行为并非总是可预测。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。
传统机器人训练依赖大量数据和耗时编程，扩展成本高昂。MERL探索的增强现实与视听交互界面技术，为这一问题提供了新解法。操作人员可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，提升训练的可扩展性。
MERL的研究方向与制造、物流、医疗等行业的实际需求高度契合。实验室始终专注于支撑真实场景部署的基础技术，如自动化、效率提升和安全保障等。其目标是开发出能够从研究阶段顺利过渡到规模化可靠运行系统的技术能力。
“物理AI”是当前备受关注的概念，指能够理解并遵循物理世界规律、在真实环境中自主运作的AI系统。与仅处理数字信息的传统AI不同，物理AI将感知、决策与物理推理相结合。随着模型对物理规律的理解深入，其在复杂环境中的性能将持续提升，成本也会降低。例如，在数据中心能效管理领域，物理AI可动态调控气流，将冷却资源精准分配至最需要区域，在降低能耗的同时支持更主动的运维管理。
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，韦特罗认为，这包括在全新环境中持续稳定表现，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，而当系统能够实时整合感知、推理与物理理解时，这一目标将更近一步。
