智元机器人直播便利店“上岗”，技术秀背后的商业算盘

智元为旗下机器人造了一处新的演武场。

11月2日至3日，6台智元精灵G2机器人在上海徐汇区一家便利店连续开展24小时作业直播，承担迎宾、取货、补货、咖啡制作和清洁等工作。

据智元披露，测试期间6台机器人累计完成1730项任务，包括接待顾客683次、商品取送369件、制作咖啡147次等，直播吸引全网超过200万人观看。

选择便利店作为试验场，与这里复杂多变的作业环境有关。

智元具身研究中心副总裁任广辉对全天候科技表示，相比环境相对固定的工业、分拣场景，便利店更考验机器人的随机应变能力。顾客走动、商品形态变化，以及多项任务相互干扰，都可能影响作业进度。

具体操作同样存在难点。任广辉举例，机器人夹取黄金糕时，需要控制夹子的接触位置和力度，随后还要完成装袋、退出夹子、重新抓握等连续动作。

除了精细操作，前期测试还曾出现下单失败、订单状态未更新，以及机器人之间的位置冲突。

智元希望通过这场试验验证的，是机器人能否应对这些难以完全预先设定的问题，并利用实际作业经验改善后续表现。

10月27日，智元发布具身Agent框架Genie Master，重点探索具身递归自进化（Physical RSI）技术路线。

其核心思路是让机器人在真实工作中积累成功和失败经验，通过调整执行规则或重新训练动作策略，改善后续任务表现，减少对重复人工调试的依赖。

任广辉介绍，对于订单状态和任务编排等问题，系统可以调整模型与工具的调用方式，当天总结经验，次日便能应用，无需重新训练底层模型。

而对于抓取、放置等动作问题，系统会记录执行轨迹，经过数据筛选和策略训练后更新动作能力。相关训练通常数天完成一轮迭代，此次直播产生的数据正常情况下可在一至两周内进入后续版本。

持续学习不意味着所有操作数据都能直接用于训练。任广辉表示，系统还需要判断轨迹是否有效、任务成功是否依赖人工后台协助，并保留具有代表性的长尾异常用于后续评测。

机器人如何从真实作业中持续学习，正是当前具身智能领域受到关注的研究方向。

星海图今年8月发布G-Fleet分布式强化学习系统，探索真实机器人集群的数据回流和模型更新；银河通用则通过测试时训练技术，降低机器人适应新环境所需的示教数据投入。

不同技术路线都在尝试解决同一类难题：机器人进入新场景后，往往仍需要大量专项训练和现场调试，制约其规模化复制。

持续学习不仅可能改善任务成功率，也会影响数据采集、模型训练和部署维护等环节。

任广辉认为，随着机器人进入真实工作环境，失败轨迹、异常恢复和多机协作将成为新的训练素材，数据服务的价值也可能向质量控制、长尾样本覆盖和反馈闭环转移。

技术验证之外，这场24小时直播同样是一场面向市场的集中展示。

今年6月，智元曾安排G2在龙旗科技产线开展连续多日直播，此次又将场景转向更贴近日常消费的便利店。

对于尚缺乏统一能力评价标准的通用机器人行业，连续作业直播能够让潜在客户和普通消费者更直观地了解机器人能力，也成为企业争取曝光和展示应用场景的一种方式。

这种市场关注，对正在推进商业化和资本化的智元具有现实意义。

今年7月，智元启动赴港上市流程。10月，《财经》援引投资人消息称，公司正推进新一轮约10亿至15亿元融资，最新估值约500亿元。截至目前，智元尚未公开确认具体递表和上市时间。

今年上半年，智元机器人出货9700台，实现收入接近20亿元。目前，公司主要通过整机及相关服务实现商业交付，同时向数据服务、开发平台和机器人租赁等领域延伸。

不过，直播声量与持续的商业回报仍是两回事。

任广辉坦言，相比熟练店员，机器人在精细操作效率、适应现场变化及异常处理方面仍存在明显差距。理货、补货和清洁辅助等环境相对规范的岗位，更有可能率先实现稳定应用。

从展示机器人能够工作，到证明机器人能够以合理成本持续工作，智元还需要跨过实际运营效率和规模化交付的考验。

本文来自华尔街见闻，欢迎下载APP查看更多