机器人出海干打包工怎么成了CES上最强DEMO？

（来源：酷玩实验室）

如果科技圈有春晚，那一定是CES。

从当年的CD机、等离子电视，到后来的智能手机、VR眼镜，再到这两年的AI硬件，CES几乎定义了过去半个世纪消费电子的演进节奏。想知道今年什么技术会火？来CES看一眼就知道了。

这也是CES被科技圈定位风向标的原因。

今年的规模依然炸裂：23万平方米展区，4500多家展商、14万观众、当然，还有近千家的中国企业。

今年CES的主题是“Smarter AI for All”，虽然是让AI赋能到所有产品上，但从实际应用来看，没有什么比机器人更适合。为此，CES还专门开辟了具身智能的专属展厅，把原本散落在各个角落的机器人公司聚到了一起——这在CES历史上还是头一回。

处在CES现场的我，也是狠狠的被震撼了一波，比如波士顿动力新发布的Atlas，不仅身体更加灵活，还有容易让人恐怖谷的360°转身，像国内的宇树，智元，傅里叶也都成为了现场围观对象。

除了机器人的“体操表演”，现场另外一家来自中国的机器人公司，也引起了包括我在内不少人的关注。

CES上，这家中国公司让机器人打包送外卖

这家叫做RoboSense速腾聚创的中国公司，在现场用机器人扮演起了“外卖小哥”。

整个演示分为两部分，先是拆包取货，在这个流程中，机器人先把身后的盒子平稳的放到指定位置，然后打开上面的盖子，把里面的礼品取出来放好。最后，它还知道把空盒子折叠压平，发回到收纳地方，以供二次利用。

然后是打包上架，机器人拿起空盒子，放到指定位置，抓起旁边的礼品袋放进去，然后合上盖子。最后放回到指定地点。

是不是看上去“平平无奇”，但要知道，这是它——机器人完全自主操作的。没有人在后面遥控操作，也不是固定场景的应试考试。

我在现场看了好几轮，从打包、上架、运送、拆包到回收，机器人一次做了将近20个连贯动作，一气呵成，全程没有人工介入。展期前两天实现累计10小时近2000次步骤动作的零失误自主操作。

根据现场人员介绍，机器人的所有动作都不是预设。要知道，CES展馆对机器人来说是个全新环境，嘈杂、拥挤、充满不可预测的变量。这种场景泛化能力，实在让人对它的应用场景充满想象。

要知道，在之前许多自主控制案例中，都是先需要通过遥操，让机器人熟悉环境，甚至不少的演示Demo中，背后都有着一个戴着VR眼镜的操作员。比如说，之前马斯克在CyberCab发布会上的机器人调酒，就是遥操实现的。

相比之下，RoboSense的这个演示，可以说是这次CES上最强AI机器人Demo之一了。毕竟，我们想要的是自主行动的机器人，而不是人类的远程替身。

演示Demo的另一个值得说的是灵巧手。在机器人业内，流传一句话——大脑决定机器人能做什么，灵巧手决定机器人能做到什么程度。

这次演示里，机器人要完成打包、拆箱、折叠这些动作，每一步都需要精准的力度控制——盒子捏太紧会变形，太松又会掉；折叠的时候力度不对，纸板要么折不动，要么直接压坏。

RoboSense速腾聚创的灵巧手上布满了力触觉传感点阵，能实时感知接触力度的变化。更重要的是，这些触觉信号会反馈给自研的大模型，大模型再根据触觉反馈来决定灵巧手的力度。并且，触觉反馈还可以帮助机器人解决视觉盲区的问题——有些时候手挡住了摄像头的视线，光靠"看"是不够的，得靠"摸"来补位。

这次Robosense速腾聚创不仅在CES现场进行了表演，他们还拍了在深圳实际场景下的一镜到底视频。

视频里，一个穿着黄色马甲的机器人在夜晚独自完成了一整套外卖配送任务：先是拆开外卖回收箱、取出外卖袋、把空箱子折叠好投进回收口，然后拎着外卖袋走到办公楼，自己按电梯、坐电梯上楼，最终把东西送到3楼目的地。

与CES展台相比，深圳街头的夜晚是真正的实用开放场景——光线暗、路况杂、电梯还得自己按。能在这种条件下跑通全流程，说明这套方案的泛化能力确实过硬。

在机器人领域，谁能攻克灵巧手和大模型，等同于拿下了机器人领域的圣杯。两个场景看下来，RoboSense已经朝这个方向迈出了实质性的一步。

而这背后，是三项关键技术的支撑：一个前面提到过能感知压力的灵巧手，另外两个是RoboSense自研的VTLA-3D的操作大模型和一套叫Active Camera的视觉系统。

VTLA-3D看上去有点抽象，但是和去年智能驾驶中大火的VLA多少有点“异曲同工”。VLA是把摄像头捕捉的图像（Vision），以及用户文字指令作为输入（Language），机器人根据图像和文字来执行动作（Action）。

VTLA-3D在此之上，加入了3D激光点云信息和触觉感知（Touch），多了两个维度的信息通道，3D点云则解决了普通2D图像对深度和距离判断不够准确的问题，让机器人对空间的理解从"平面"升级到"立体"；触觉解决了灵巧手“用多大劲”的问题——抓纸盒和抓铁块力度肯定不一样，这在日常高频的抓取中作用非常大。

根据官方的介绍，只用200多个小时的训练数据，就达到了上面大家看到的泛化效果。如何在数据量不够的情况下，达到可用的效果，这在训练数据稀少的机器人领域，非常重要。看来RoboSense找到了一条通路。

Active Camera和普通的纯视觉Camera不同，它本身有一个带双目RGB摄像模组用来接收信息，还有dToF的收发模组，用来生成上面提到过的3D激光点云，剩下有IMU惯性单元。作为有感知解决方案基因的公司，RoboSense能把三种不同感知能力一体化集成，这方面的积累确实是它的优势所在。

不止是硬件和大模型，从这次CES展出的内容来看。RoboSense在背后其实搭建了一整套具身智能技术体系，从底层AI平台，数据采集系统，核心部件到顶端的模态控制，高效推理，基本上实现了具身智能的全栈自研。

通过交流，目前RoboSense速腾聚创已经可以为行业提供成套的解决方案，帮助各行业快速搭建具有高度泛化和可用的具身智能。无论是物流配送，工业制造还是服务业，都可以实现快速接入，不用从零开始造轮子。

具身智能正在深入行业

具身智能的发展正在迈入一个充满活力的新阶段。从技术演示走向实际应用，机器人行业已经稳健踏入了商业化落地的新征程。

如果说2025年行业重点关注的是运动能力的突破，看机器人如何更灵活的行走，奔跑，甚至完成高难度动作。那么2026年CES所展示的趋势表明，产业焦点已明确转向更高阶的操作能力与环境交互能力，逐步实现从“会动”到“能干实事”的质变。

例如RoboSense速腾聚创展示的“手眼协同”方案，这个能体现出行业对完整任务闭环的重视。该方案通过感知，决策到执行的系统性支持，可以说将机器人技术转化为了实际的生产力。

这种从“炫技”到“干活”的转变，是产业走向稳健发展的积极信号。机器人不仅助力工业制造降本增效，也在医疗、养老、物流等多元场景中持续创造价值。政策支持、资本投入与技术突破正形成强大合力，推动机器人从实验室和展台，真正走进工厂、商圈与家庭。

虽然我们离完全类人，什么活都能干的通用机器人还比较遥远，但在特定场景中辅助人类、实现劳动能力复制与扩展的技术已越来越近。以RoboSense速腾聚创的演示为例，最后100米的机器人送货若能与无人配送车、无人仓等系统结合，有望显著提升物流效率，这对于生产制造和消费服务行业的影响是非常深远的。

对于那些受数据、算力等因素限制的工业操作与商业服务场景，聚焦具体需求、“精耕细作”的解决方案也展现出可行路径。随着各领域操作能力持续提升，一些前沿的机器人服务体验，预计将很快出现在我们身边。

在不断攀登技术高峰的同时，深耕场景、务实落地，才能在即将到来的机器人时代占据先机。我们正站在人机共生社会的门槛上，对未来充满信心。