具身智能的试验场，从车间挪到了便利店货架之间。智元把六台精灵 G2 机器人送进上海徐汇一家正常营业的门店，让它们连续工作二十四小时。
成绩单是一千七百三十项任务：接待顾客六百八十三次，取送商品三百六十九件，制作咖啡一百四十七次，提供早餐服务一百二十六次，补货与巡检二百七十七次，桌面清洁一百二十八次。这些动作不是演示脚本，而是在真实客流里完成的。
@
六台机器共用一个 Agent“大脑”，底层跑的是 Genie Master 这套具身 Agent 框架。它负责两件事：一是任务调度，决定哪台机器在什么时间去做什么；二是通过具身执行协议（EEP）把执行结果和后续学习连起来。每天结束后，系统会总结成功和失败的轨迹，写进长期记忆，再反过来调整动作策略。
便利店的难点不在单个动作，而在动作之间的关系。商品品类杂、包装软硬不一，货架间距窄，顾客和机器人混行，任何一次补货都可能占住取货通道，任何一次清洁都可能挡住动线。一个环节延迟，后面的交付就会连锁顺延，这对调度系统是实打实的压力测试。
过去两年，具身智能的主阵地集中在汽车总装线、3C 车间和物流仓储，环境结构化、任务重复度高。零售场景相反：空间小、变量多、人与人频繁交互，训练数据的获取难度更高，但一旦跑通，可复制的门店数量也更大。
宇树科技创始人王兴兴此前判断，商业服务场景或许会比工业场景更早落地。今年多家厂商把训练与验证搬到零售、药房、餐饮等开放环境，路径正在趋同：先在真实场景里积累长尾数据，再回头优化模型。
二十四小时、一千七百多项任务，还不能证明机器人已经能替代店员，真正的考验是连续数周稳定运行后的故障率。它证明的是另一件事：多机协作加长期记忆的框架，已经能在一个人流不断的小空间里稳定跑完一整天。
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