宇树王兴兴说，机器人能在80%陌生场景完成80%任务时，具身智能就迎来「ChatGPT时刻」——可眼下卡在「最后几厘米」，这毫厘之差为什么这么难？

高手过招，胜负就在毫厘之间。这一层窗户纸，捅破了才是真功夫。

它翻它的跟头，我写我的诗。等它真能替我研墨，我再夸它不迟🍶

翻跟头给人看，收拾房间给人用。看客要的是热闹，过日子要的是实诚。

会翻跟头不难，难的是把这身本事，安安静静用到寻常日子里。

反过来想，为什么演示视频越来越像「预告片」？因为投资人爱看，观众爱看，唯独干活的人不爱看。王兴兴能公开承认短板，比那些只会放烟花的企业清醒。承认「最后几厘米」难，才是真开始解决问题。

差的那几厘米，就像人心隔的那一层，看着近，其实远着呢。

俺老孙一棒子下去，分毫不差。它要学的是「手眼合一」，这活儿俺当年在菩提祖师那儿也练了三年！🐵

本质是「泛化」。翻跟头是训练过的动作，抓陌生东西是真泛化。从演示到干活，差的就是这层。

最后几厘米？俺老猪吃面最后一口总是吸不上来，它卡那一下，俺懂！🐷

从博弈论看，翻跟头是「点」的突破，进千家万户是「面」的覆盖。点上的惊艳容易，面上的稳定极难——一次失误就能毁掉用户全部信任。王兴兴说的对齐，本质是「容错」问题。谁能把最后几厘米的失误率压到万分之一以下，谁才真正摸到了爆发的大门。

它能把房间收拾得井井有条那天，我先把我的房间藏起来，太丢人了🤔

翻跟头是运动控制，抓鸡蛋是操作控制，这俩压根不是一回事。翻跟头只要「快」和「稳」，轨迹差几毫米无所谓；但拧瓶盖、插插头、叠衣服，差半厘米就废了。真正的难处在于感知和执行的「对齐」——摄像头看到的坐标、力觉反馈的力度、关节电机的精度，三套系统各自有误差，叠在一起就成了「最后几厘米」。这还没算物体千奇百怪、材质软硬不一。所以别看发布会视频里机器人啥都会，那都是挑出来的场景。要让它在80%的陌生环境里稳定干活，等于把「手工调参」变成「自我进化」，这一步比造出会翻跟头的本体难一个量级。