RMAC，即 Robotics Metaplant Application Center（機械人元工廠應用中心），設於現代汽車集團美國佐治亞州 HMGMA（Hyundai Motor Group Metaplant America）廠區。佢嘅角色，係填補「人形機械人做到動作」同「可以喺車廠穩定交貨」之間嘅落差。

Boston Dynamics 同現代現時由汽車零件物流、特別係零件排序做起，先喺接近實際生產嘅條件下驗證 Atlas 行為，之後先擴展部署。3536

Atlas 喺 RMAC 首先學咩？

第一份核心工作係 零件排序（parts sequencing）。汽車廠常有多個車款、不同配置共用同一條裝配線；裝配工人需要喺正確時間取得正確版本嘅部件。排序即係預先將當日生產所需零件，按車輛上線次序準備好。10

已展示嘅任務中，Atlas 會自主將引擎蓋由供應商容器搬去流動排序手推車。系統先接收各個貨箱位置資料，再用機器學習視覺模型定位貨箱同工裝夾具；機械人利用專門抓取策略，並持續估計手上物件嘅狀態，全程動作都係即時自主生成，而唔係預先編排或遙距逐步操控。9

現代形容，RMAC 會將人類嘅抬舉、轉身、失衡後回復等動作，轉化成機械人針對重複及複雜工作的訓練資料；中心同時負責收集行為數據、測試及驗證，之後先考慮商業生產應用。3642

三層訓練方式：人類示範、模擬學習、工廠驗證

Atlas 並非靠單一技術學工。實際做法係三個環節互相配合。

1. 人類遙距示範與介入

Atlas 可以自主運作，但 Boston Dynamics 表示，操作員亦可用 VR 頭戴裝置或平板控制器手動操控。呢啲介面讓人類可以示範新動作、處理陌生情況，並產生有價值嘅行為訓練樣本，毋須工程師手寫每一條動作軌跡。4

對於操作物件尤其重要：一次成功抓取，取決於機械人姿勢、接觸位置，以及工作格內貨箱、夾具同零件嘅實際排列。

2. 喺模擬世界做強化學習

Boston Dynamics 曾介紹 Atlas 學習搬重物時，會喺模擬環境嘗試極大量、不同版本嘅情況。以搬雪櫃為例，機械人唔係死記一個動作，而係要學識因應真實世界中雪櫃嘅差異調整做法。5

放到汽車物流，變數唔只係零件本身：貨箱、夾具、物件擺位、重量，以及工作環境都可能有變。模擬訓練可以令策略先見過更多例外情況，再放到實體機械人測試。

3. 近真實車廠環境驗證

模擬有用，但最後標準係：喺製造環境可唔可以可靠噉重複做到。RMAC 正正係呢個驗證關口——開發應用案例、收集數據、測試表現、調整機械人行為，然後先引入現代生產線。3642

點解「拎起再放低」喺車廠其實好難？

由一個箱搬零件去另一個箱，聽落簡單；但喺真實車廠，呢個係移動加操作嘅綜合難題。

• 視覺辨識要理解場景。 Atlas 唔只要睇到物件形狀，仲要理解物件喺工序中係咩角色。Boston Dynamics 指出，閃亮金屬件、或者低對比度嘅深色零件，即使係表面簡單嘅工作，都會令辨識變得困難。12
• 識抓唔等於搬得穩。 笨重或形狀尷尬嘅物件，要求機械人考慮重量、慣性同接觸力；有時要借身體支撐，利用全身控制，而唔可以只靠手部。7
• 任務係長流程，唔係一個動作。 機械人可能要讀取工作指令、搵到貨箱、確認正確零件、安全抓取、搬運、精準放置，仲要應付變更或失敗。Boston Dynamics 正開發由語言指令引導嘅大型行為模型（Large Behavior Models），處理呢類長步驟操作任務。11
• 要接得入工廠流程。 Atlas 支援條碼掃描及其他工作流程整合；但製造業真正需要嘅，係可預測執行、有限度監督同穩定表現，而唔只係示範片中成功一次。2

RMAC 最大轉變：由一次性示範，變成可重用嘅行為管線

RMAC 嘅意義唔止技術，仲係工作模式改變。早期 Atlas 展示多數係證明某項能力；RMAC 則設計成一套長設流程：收集操作數據、開發與測試行為、喺近真實環境驗證，再把成果重用。

Boston Dynamics 表示，一部 Atlas 學到嘅新技能可部署到整個 Atlas 機隊，工作亦可按需要自訂並大規模重新部署。16 現代同樣將 RMAC 定位為端到端 AI 機械人價值鏈一部分，結合訓練資料、測試與驗證。36

當然，唔同工廠嘅設備配置同流程未必可以原封不動照搬。但目標已由每個廠各自做一次專案試驗，變成建立一套可複製、可持續改善嘅機械人能力套件。

部署時間表：2028 年先上 HMGMA 生產工作

RMAC 喺先導運作後，於 2026 年 9 月開始全面運作，作為 Atlas 投入現代製造據點前嘅測試場。3335

現代公布嘅規劃，將訓練階段同正式工場運作分開：Atlas 預計 2028 年起於 HMGMA 運作，起步工作係零件排序。報道指計劃會分階段擴展到其他據點，最終延伸至部件裝配。2644

現代亦曾提出，目標係喺現代及 Kia 廠房部署逾 25,000 部 Atlas，並於 2028 年達到每年約 30,000 部機械人產能。呢啲係公司公布嘅部署意向及產能目標，唔代表目前已有同等規模嘅安裝量。2627

捷克廠會唔會係下一站？

據近期報道，現代位於捷克諾紹維採（Nošovice）嘅車廠，正同 Boston Dynamics 及現代總部討論可能部署 Atlas；不過，未公布喺活躍生產線測試或正式投產嘅日期。1819

歐洲試點要測試嘅，唔止機械人本身做唔做到。報道提到勞動力短缺係考慮因素之一，但員工接受程度、安全、品質，以及如何接入既有工作流程，都會成為部署成敗關鍵。1921

短期結論好清楚：佐治亞州係主要訓練場，零件排序係第一個實際應用；RMAC 成功與否，最終唔係睇 Atlas 喺示範中做得幾靈活，而係睇佢可唔可以喺真實工廠日復日、穩定而可靠噉完成工作。

RMAC，即 Robotics Metaplant Application Center（機械人元工廠應用中心），設於現代汽車集團美國佐治亞州 HMGMA（Hyundai Motor Group Metaplant America）廠區。佢嘅角色，係填補「人形機械人做到動作」同「可以喺車廠穩定交貨」之間嘅落差。

Boston Dynamics 同現代現時由汽車零件物流、特別係零件排序做起，先喺接近實際生產嘅條件下驗證 Atlas 行為，之後先擴展部署。3536

Atlas 喺 RMAC 首先學咩？

第一份核心工作係 零件排序（parts sequencing）。汽車廠常有多個車款、不同配置共用同一條裝配線；裝配工人需要喺正確時間取得正確版本嘅部件。排序即係預先將當日生產所需零件，按車輛上線次序準備好。10

已展示嘅任務中，Atlas 會自主將引擎蓋由供應商容器搬去流動排序手推車。系統先接收各個貨箱位置資料，再用機器學習視覺模型定位貨箱同工裝夾具；機械人利用專門抓取策略，並持續估計手上物件嘅狀態，全程動作都係即時自主生成，而唔係預先編排或遙距逐步操控。9

現代形容，RMAC 會將人類嘅抬舉、轉身、失衡後回復等動作，轉化成機械人針對重複及複雜工作的訓練資料；中心同時負責收集行為數據、測試及驗證，之後先考慮商業生產應用。3642

三層訓練方式：人類示範、模擬學習、工廠驗證

Atlas 並非靠單一技術學工。實際做法係三個環節互相配合。

1. 人類遙距示範與介入

Atlas 可以自主運作，但 Boston Dynamics 表示，操作員亦可用 VR 頭戴裝置或平板控制器手動操控。呢啲介面讓人類可以示範新動作、處理陌生情況，並產生有價值嘅行為訓練樣本，毋須工程師手寫每一條動作軌跡。4

對於操作物件尤其重要：一次成功抓取，取決於機械人姿勢、接觸位置，以及工作格內貨箱、夾具同零件嘅實際排列。

2. 喺模擬世界做強化學習

Boston Dynamics 曾介紹 Atlas 學習搬重物時，會喺模擬環境嘗試極大量、不同版本嘅情況。以搬雪櫃為例，機械人唔係死記一個動作，而係要學識因應真實世界中雪櫃嘅差異調整做法。5

放到汽車物流，變數唔只係零件本身：貨箱、夾具、物件擺位、重量，以及工作環境都可能有變。模擬訓練可以令策略先見過更多例外情況，再放到實體機械人測試。

3. 近真實車廠環境驗證

模擬有用，但最後標準係：喺製造環境可唔可以可靠噉重複做到。RMAC 正正係呢個驗證關口——開發應用案例、收集數據、測試表現、調整機械人行為，然後先引入現代生產線。3642

點解「拎起再放低」喺車廠其實好難？

由一個箱搬零件去另一個箱，聽落簡單；但喺真實車廠，呢個係移動加操作嘅綜合難題。

• 視覺辨識要理解場景。 Atlas 唔只要睇到物件形狀，仲要理解物件喺工序中係咩角色。Boston Dynamics 指出，閃亮金屬件、或者低對比度嘅深色零件，即使係表面簡單嘅工作，都會令辨識變得困難。12
• 識抓唔等於搬得穩。 笨重或形狀尷尬嘅物件，要求機械人考慮重量、慣性同接觸力；有時要借身體支撐，利用全身控制，而唔可以只靠手部。7
• 任務係長流程，唔係一個動作。 機械人可能要讀取工作指令、搵到貨箱、確認正確零件、安全抓取、搬運、精準放置，仲要應付變更或失敗。Boston Dynamics 正開發由語言指令引導嘅大型行為模型（Large Behavior Models），處理呢類長步驟操作任務。11
• 要接得入工廠流程。 Atlas 支援條碼掃描及其他工作流程整合；但製造業真正需要嘅，係可預測執行、有限度監督同穩定表現，而唔只係示範片中成功一次。2

RMAC 最大轉變：由一次性示範，變成可重用嘅行為管線

RMAC 嘅意義唔止技術，仲係工作模式改變。早期 Atlas 展示多數係證明某項能力；RMAC 則設計成一套長設流程：收集操作數據、開發與測試行為、喺近真實環境驗證，再把成果重用。

Boston Dynamics 表示，一部 Atlas 學到嘅新技能可部署到整個 Atlas 機隊，工作亦可按需要自訂並大規模重新部署。16 現代同樣將 RMAC 定位為端到端 AI 機械人價值鏈一部分，結合訓練資料、測試與驗證。36

當然，唔同工廠嘅設備配置同流程未必可以原封不動照搬。但目標已由每個廠各自做一次專案試驗，變成建立一套可複製、可持續改善嘅機械人能力套件。

部署時間表：2028 年先上 HMGMA 生產工作

RMAC 喺先導運作後，於 2026 年 9 月開始全面運作，作為 Atlas 投入現代製造據點前嘅測試場。3335

現代公布嘅規劃，將訓練階段同正式工場運作分開：Atlas 預計 2028 年起於 HMGMA 運作，起步工作係零件排序。報道指計劃會分階段擴展到其他據點，最終延伸至部件裝配。2644

現代亦曾提出，目標係喺現代及 Kia 廠房部署逾 25,000 部 Atlas，並於 2028 年達到每年約 30,000 部機械人產能。呢啲係公司公布嘅部署意向及產能目標，唔代表目前已有同等規模嘅安裝量。2627

捷克廠會唔會係下一站？

據近期報道，現代位於捷克諾紹維採（Nošovice）嘅車廠，正同 Boston Dynamics 及現代總部討論可能部署 Atlas；不過，未公布喺活躍生產線測試或正式投產嘅日期。1819

歐洲試點要測試嘅，唔止機械人本身做唔做到。報道提到勞動力短缺係考慮因素之一，但員工接受程度、安全、品質，以及如何接入既有工作流程，都會成為部署成敗關鍵。1921

短期結論好清楚：佐治亞州係主要訓練場，零件排序係第一個實際應用；RMAC 成功與否，最終唔係睇 Atlas 喺示範中做得幾靈活，而係睇佢可唔可以喺真實工廠日復日、穩定而可靠噉完成工作。