哇塞，今天北京被机器人人人人人塞满了！

金磊 发自 世界机器人大会
量子位 | 公众号 QbitAI

热闹，简直太热闹了。

只因一群机器人“聚集”在了北京，就让现场直接变成人人人人人了：

这就是今天刚开幕的世界机器人大会（WRC）的热度，据说今年来了100多个新机器人！

人气爆棚，人气爆棚。

而在令人目不暇接的机器人展中，我们发现有一个展台围观的观众格外之多，现场是这样的：

在挤进人群后我们看到，嚯~好家伙，原来是一个人形机器人正在打架子鼓呢！

配乐也是很应景，是《北京欢迎你》：

视频地址：https://mp.weixin.qq.com/s/0Ap9BW0jCrDyfunJuyhodg

可以看到，这个机器人节奏打得还是相当精准，甚至表演过后还礼貌地作了个揖。

这个人气爆棚的机器人，正是来自智平方的爱宝。

但在我们驻足观察了一会儿之后发现，机器人整活儿，还仅仅只是被观众围观的原因之一。

更重要的一点是，我们在它身上，看到了通用机器人该有的样子。

一个模型搞定多个任务

那么什么是通用机器人？

简单来说，通用机器人的特点就是能力非常广泛，可以胜任多种任务和环境；不再像以往的专用机器人，只能处理例如扫地、焊接这样单一的任务。

目标就是实现类人或类通用智能体的灵活性和适应性，可以根据不同指令、上下文甚至环境变化，自主决策并完成任务。

爱宝就是这样的机器人，因为它只需要一个基座模型，经过快速学习，就能搞定各种各样的任务。

例如在打完架子鼓之后，这不，爱宝在现场又摇身一变，成了软饮吧的主理人，开始给观众做冰淇淋了：

视频地址：https://mp.weixin.qq.com/s/0Ap9BW0jCrDyfunJuyhodg

可以看到，爱宝在接到任务之后，先是用左手抓起了纸杯，然后把纸杯放到了冰淇淋出口下方。

右手精准抓到了冰淇淋机器的手柄，在下拉手柄之后，随着冰淇淋的流出，爱宝的左手也是配合着打转，让冰淇淋稳稳地装进杯子里。

最后，爱宝的左手还来了个“下拉上提”（像极了人类操作）的动作，完美收尾~

而且在这个软饮吧中，爱宝不仅能做冰淇淋，像做咖啡、做饮料，都是手拿把掐。

在这一系列操作的背后，不仅仅是单一操作指令这么简单，而是大模型所带来的长程柔性能力的体现。

爱宝在现场还表演了一波“真·搬砖”任务，这一次它的身份是“工厂码垛搬运员工”。

视频地址：https://mp.weixin.qq.com/s/0Ap9BW0jCrDyfunJuyhodg

爱宝先是从一边精准拿起了一个箱子，然后拿着它走到了另一边，又精准地放到了目标位置。

如此来来回回，爱宝就完成了多个箱子的搬运；而这个过程中，拿起箱子和目标地方的位置、高度、角度等，每次完成搬运后都是会有变化的。

这就体现了爱宝全域行动、全身协同的工作能力：据了解，爱宝全身拥有34+自由度，可连续工作6小时，单臂负载最高可达10公斤，作业高度最高可达2.4米。

除此之外，在这次WRC中，智平方还首次亮相了一款全新的机器人——全向轮爱宝。

视频地址：https://mp.weixin.qq.com/s/0Ap9BW0jCrDyfunJuyhodg

在配备了全向轮后的爱宝，不仅能原地转圈，还能横着走、走“S”形路线，在复杂的工业环境中穿梭自如，轻松完成各种切换操作。

它前后各有一个激光雷达，可以实现360°全方位导航，搭配减震轮，适应多种路面，行驶平稳又可靠。

此外，全向轮爱宝还配有48V 42Ah的大电池，既能自动充电，又支持手动换电，续航灵活，能满足不同使用需求。

总而言之，在智平方的展台中，通过爱宝在现场完成的一系列任务，我们确实是看到了通用机器人的影子。

怎么做到的？

出于好奇，在看过爱宝的“能力秀”之后，我们专门跟智平方的技术人员深入交流了一番，了解到了爱宝背后的“技术秘籍”。

关键就在于它的大脑Alpha Brain里，搭载了智平方在全球范围内首个全栈自研的全域全身视觉-语言-行动大模型——GOVLA（Global & Omni-body Vision-Language-Action Model）。

简单来说，它就是爱宝的“超级大脑”，赋予了机器人前所未有的智能化水平。这个“超级大脑”的亮点，可以概括为四大核心能力：

1、全域感知 (Global Perception)

传统的机器人更像一个“桌面工作者”，只能处理放在它面前、固定范围内的东西。比如，你把食材都摆在桌上，它或许能帮你切菜，但它看不到桌子以外的世界。

而搭载了GOVLA的爱宝，则拥有了360度的全域视野。它能像人一样感知和理解整个空间环境，知道冰箱在哪里、桌子有多远、物体是什么形状。

这意味着，它可以自己去冰箱里取出食材，完成从取物、处理到上菜的全链条服务。这已经不是简单的自动化设备，而是一个具备环境理解能力的“智能管家”。

2、全身协同 (Omni-body Coordination)

过去的机器人大模型，通常只能控制单条机械臂的动作。而GOVLA首次实现了输出对机器人全身的控制指令，包括双臂、灵巧手、甚至是底盘的移动。

这意味着爱宝的动作不再局限于单臂操作，而是可以像人一样，用全身去协调完成复杂任务。比如，它可以一边用身体稳住一个箱子，一边用双手去打开它；或者一边移动，一边执行精细的操作。

这种全身协同的能力，是迈向通用智能机器人的关键一步。

3、长程柔性 (Long-horizon Flexible Tasks)

“长程柔性”指的是机器人能够理解并执行一个由多个步骤组成的复杂、长远的任务。你不需要一步一步地教它，只需要给出一个最终目标，比如“给我做一份健康早餐”或“把这个房间打扫干净”。

GOVLA大模型能够自主地将这个复杂目标拆解成一个个可执行的子任务，并有条不紊地依次完成。

在展会上，爱宝化身“软饮吧台服务员”，从接受点单、取杯、加冰、打饮料到最终递给顾客，整个流程一气呵成，正是这种能力的完美体现。

4、快速学习 (Rapid Learning)

GOVLA大模型让爱宝具备了强大的学习和泛化能力。它不仅能完成预设的任务，还能通过观察和少量数据，快速学会新技能。

展会上，爱宝表演打架子鼓，从《北京欢迎你》到《We will rock you》，这种跨越不同节奏和风格的“才艺秀”，背后就是其强大的快速学习和即时适应能力在支撑。

总结来看，智平方的GOVLA大模型相较于硅谷主流的VLA（视觉-语言-行动）模型，展现出了明显的优势：

• 从“桌面级”到“全域级”：突破了传统VLA只能在固定台面上操作的局限，将机器人的工作空间扩展到了整个环境。
• 从“单臂”到“全身”：实现了对机器人全身自由度的协同控制，而不仅仅是单臂操作，动作能力更强、更拟人。
• “即想即动”的融合架构：通过创新的快慢系统融合设计（FiS-VLA），GOVLA解决了复杂推理（慢思考）与快速行动（快反应）难以兼得的行业难题，让机器人能够做到“想得深、动得快”。

值得一提的是，智平方发布GOVLA的时间，甚至比美国一些明星机器人公司发布类似理念的模型还要早，展现了中国在具身智能核心技术领域的领先身位。

不只是“实验室”大模型

技术再先进，如果不能走出实验室，就无法产生真正的价值。

智平方从一开始就不是只做“实验室大模型”的学院派，而是真正深入产业、解决实际问题的产业派。

他们深知，要训练出更通用、更强大的机器人大模型，就必须让机器人在真实、多样的场景中去“历练”。

目前，搭载GOVLA大模型的爱宝机器人，已经在四大核心场景中与多个行业头部企业合作，开始了商业化落地的征程：

1. 工业制造（多家国内外头部车企）：在繁忙的汽车生产线上，爱宝机器人已经开始执行上下料、为挡风玻璃贴标签、在车间内转运物料等任务，覆盖了装配、质检、物流等多个关键环节。
2. 半导体（晶能微电子）：在对精度和稳定性要求极高的半导体工厂，爱宝承担起了产线间的物料转运工作，确保生产流程的高效与稳定。
3. 生物科技（华熙生物）：在无菌车间这种不适合人类长时间工作的环境中，爱宝可以代替人工，执行物料的智能拆包、转运和视觉检验等高精度操作。
4. 公共服务（国内一线城市机场）：很快，我们就能在机场看到爱宝的身影。它即将被部署在国内一线城市的机场，为来往的旅客提供信息咨询、路线指引等贴心服务，这将是具身智能在开放、复杂公共环境中应用的一大步。

智平方选择多场景并进的具身智能之道，是一个“反共识”却又充满智慧的战略。

他们认为，让人形机器人走向通用的最佳路径，不是“死磕”一个场景，而是要从多个场景同时起步，在多样化的任务中寻找共通的解决方案，从而加速数据的积累和模型的迭代。

这背后，是他们对机器人商业化演进的清晰规划：从L0级别的开发者场景，到L2级别的工业服务，再到L2+级别的公共服务，最终迈向L4级别的家庭服务。

今年智平方陆续开始“硬核”交付。从工厂车间到机场大厅，再到未来的千家万户，智平方正通过坚实的场景落地，一步步将通用智能机器人的梦想变为现实。