发生了什么
智元创新在官网详述了一场把轮式人形直接放进真实店铺的耐力测试。11月2日上午10时至3日上午10时,6台精灵G2轮式人形机器人在上海徐汇区一家正在营业的便利店连续工作24小时,覆盖迎宾协助、货架巡检、补货、制作咖啡、收银与热食、店内清洁等岗位,合计完成1730项任务。这场试验向多个平台直播,官方称线上观看超过200万人次。
公司把这次试验视为10月22日启动的AI WAVE技术展示的收官:在发布机器人数据、仿真、模型、硬件与运营软件之后,用一家真实店铺检验这些能力拼在一起、长时间运转时究竟如何。Interesting Engineering等媒体于11月7日跟进报道,并指出被判定未通过考核的两台机器,当时承担的是清洁以及货架巡检与补货。
关键细节和数据
任务被拆得很细。官方给出的分项是:客户服务互动683次,商品取送369次,咖啡订单147单,早餐供应126份,货架巡检与补货277次,桌面清洁128次。试验覆盖四个营业时段:午高峰、晚高峰、通宵值守和第二天早餐高峰,用以观察机器人在客流密度和任务组合变化时的表现。
考核指标包括在岗时长、任务完成情况、顾客反馈、响应速度,以及应对突发状况的能力。6台中有4台通过最终考核,2台未达到全部标准。评估人员还设置了现场抽检:点普通可乐和无糖可乐看能否区分外观接近的商品;打乱货架上的口香糖再要求归位;用人和纸箱堵住过道,测试其识别障碍并绕行的能力。
智元强调,便利店看起来流程标准、空间紧凑,但细小变化会不断打破“按坐标抓取”的假设:糖果袋悬挂角度稍有不同就可能碰到旁边商品,端起蛋糕则要控制握力。营业中的店铺里顾客在走动、商品被拿起又放回,下一次任务的初始条件往往已经变了。
官方还描述了几类现场能力:用实时视觉把放错的商品送回指定货位,而不是只依赖预设坐标;补货机器能发现货架缺口并主动补上;清洁工位能区分洒落物与台面花纹并选择相应工具。这些例子被用来说明:考验的是感知、决策和随场景改动作的闭环。
软件侧,试验同时检验具身智能体框架Genie Master如何协调任务、纠错并从操作经验中学习。通过具身执行协议(Embodied Execution Protocol,EEP),系统按各机器人能力与店内状况分配工作,机器用动作策略和实时观察完成任务,结果再回到框架分析排障;成功与失败的经验可写入长期记忆,有效调整也能沉淀为训练数据。公司称,还会利用夜间较空闲的时段,针对精细操作加练。
为什么重要
人形机器人新闻里并不缺舞台演示,缺的是“在真实顾客旁边连上一个昼夜,还用得过内部考核”。1730这个数字很醒目,但更有信息量的是:六台里有两台没有过关,以及评估故意加入了外观相近商品、被打乱的货架和被堵住的过道。失败被写进官方叙述,说明智元愿意把现场的不可预测性当成产品问题,而不是剪辑掉。
把Genie Master和EEP放到店里,也等于承认单靠更灵巧的手臂不够。零售值班是持续的任务流:谁去煮咖啡、谁去补货、抓取失败后如何重试、夜间能否把白天的失误变成第二天的策略,这些才是“能上岗”与“能拍视频”的分界。
影响和展望
短期,这场试验证明的是耐力与任务覆盖,而不是无人值守的商业闭环。店铺仍在营业,直播也会改变现场;两台未通过更提醒我们,清洁和理货这类“看起来普通”的工作,往往对感知和接触控制更苛刻。中期,若夜间加练、失败回放和跨任务迁移能做成可复用流程,G2一类轮式人形就更接近零售辅助劳动力,而不是展厅道具。
对中国零售和具身创业公司,这份报告提供了一张可对照的验收清单:要公开分时段、分任务的数量,要有过关标准,还要包含故意刁难的现场测验。下一步应观察智元是否公布两台未通过的失分项与各任务成功率,以及店内经验能否迁到其他业态。
参考来源
- AGIBOT:Six AGIBOT G2 Robots Complete 1,730 Tasks in 24-Hour Shanghai Convenience Store Trial
- Interesting Engineering:Six humanoid robots run Chinese store for 24 hours, two fail assessment
发布者:极致前沿,转转请注明出处:https://www.veryin.com/4443.html