智元在 10 月 27 日发布具身智能体框架 Genie Master。它的目标不是让机器人多会几个动作，而是让机器人在上岗过程中自己解锁新技能。
验证场景选在真实便利店。搭载这套框架的精灵 G2 在门店里干活，不依赖人工示范，也不需要工程师现场调试：任务失败时它自己定位原因，调整策略，把有效的经验沉淀下来，在多项精细任务上越做越稳，形成所谓“无人在环”的自我进化。
这个说法对应的技术概念是具身递归自进化。过去这类能力的验证基本停留在仿真环境里，因为在真实场景中让模型自己试错，风险与成本都不可控——打翻商品、卡住货架、误操作设备，任何一次都可能让门店拒绝继续测试。智元强调这是行业首次跳出仿真、走出实验室，在真实业务场景中完成验证。
为什么便利店是个合适的考场？货架密集、商品形态多样、光照与遮挡变化频繁，还夹杂补货、理货、取货这类长时序任务。它比工厂的固定工位更杂乱，又比户外环境更可控，正好卡在“足够真实”与“风险可承受”之间。
从技术路径看，自进化的关键在于闭环：感知失败、归因、改写策略、验证、留存。多数具身系统卡在第二步——能发现任务没完成，却说不清为什么没完成，于是只能靠人给示范或改参数。能否自主归因，决定了系统是原地打转还是真的在积累。
另一层价值在数据。真实门店产生的失败样本，比仿真里生成的稀缺得多。这些样本一旦被系统自己标注、整理并复用，模型迭代的效率会明显提升，工程团队的人力也能从重复调试里解放出来。
产品线的时间点也值得注意。智元在前一天刚发布安规级重载机型精灵 G2 Max，干的是拆码垛、物料转运与产线供料等工业场景。一边是重载工业，一边是零售精细操作，两条线并行，说明它在用不同形态去覆盖不同的任务谱系。
需要冷静看待的是规模。单店验证与批量部署之间隔着可靠性、维护成本与责任边界。机器人自己改策略听起来很美，但门店需要的是每天都在按同一标准干活。
文章与图片内容转载网络，如有侵权请联系平台删除
发表评论 取消回复