墨奇首次展示具身智能模型架构MoRA

公司情报专家《财经涂鸦》获悉，8月19日至23日，世界机器人大会（WRC 2026）于北京举行。

成立仅半年的具身智能企业墨奇智能（MORPHI）首次在国内系统亮相，公开展示其新近发布的具身智能模型架构MoRA，并正式推出适配家庭长程任务的MORPHI KINO 轮式机器人。

从“具身大脑”到硬件本体，墨奇双向发力，推动通用机器人跨越从“单一动作演示”到“连续任务执行”的能力边界，展现出具身智能从Demo走向真实物理世界的更多可能。

一台全自主家务机器人的「长程任务实战」

大会现场，墨奇MORPHI KINO 轮式机器人自主完成了一段长达15分钟、跨区域、多步骤的家庭长程任务演示。

演示中，机器人自主规划路径导航至茶几旁，精准识别成团纸巾和矿泉水瓶等杂物，抓取后投入垃圾桶；再将茶几上散乱的物品逐一收纳至托盘，完成客厅基础整理工作。

客厅整理完成后，机器人移动至冰箱前，核查冰箱饮品库存；发现饮品不足后，它便移步至室内桌面取来矿泉水，完成冰箱补货，再关闭冰箱门。

随后，机器人来到洗烘工作区，先打开烘干机，取出已经烘干完毕的衣物，暂存至干净衣篓；随即开启洗衣机，取出待烘干的湿衣物后闭合洗衣机舱门；再将湿衣物投放进烘干机，关好舱门，并按下电源键与启动按钮，启动烘干程序；最后再回到折叠台，将衣篓中烘干完毕的衣物完成整理、折叠与码放。

整场15分钟家庭长程任务实战演示，呈现出机器人作为一个完整的具身系统，不仅能够理解任务目标，还能在较长的时间里持续将真实环境向目标状态推进。

例如，机器人取放和折叠衣物是一组极具代表性德动作，它不再局限于基础的物品抓取和放置能力，而是要求机器人掌握操控复杂家电的能力——按按钮、识别按键位置、控制按压力度，这也是机器人真正走入家庭场景必须攻克的核心门槛。

MoRA把目标、记忆与进度下沉到策略模型

真实物理世界充满不确定性。一个真正能持续干活的机器人，不能每走一步都等“大脑”发号施令。

面对行业共性瓶颈，墨奇不久前发布了其自研具身智能模型架构MoRA (MORPHI Reasoning and Autonomy)，并系统性提出Agentic-Native 的具身模型技术路线：为了实现更好的长时序任务执行能力，让 Agentic 能力原生存在于策略模型中。

其重构的System1称为Agentic-Native具身动作模型，具备三个核心能力：

第一，Goal-Conditioned Execution（以目标为条件的持续执行），即模型接收文本或图像目标，并在整个执行过程中持续围绕目标行动；

第二，Multi-Granularity Memory（随技术演进构建短、中、长期多层级记忆），即通过长、中、短期记忆支撑长程执行；

第三，Progress-Aware Closed Loop（带进度认知的闭环），即不仅输出动作，也输出任务状态、进度和后续预测。在此基础上，墨奇重新定义了双系统的边界与协作方式。

System 2是以物理世界为原生语境的认知中枢，承担三项核心职能：意图理解，结合物理环节的约束去解读用户的真实目标；任务规划，将意图拆解为可执行的任务流，并调度 System 1执行，在执行过程中进行持续看护；多模态表达，通过语音、动作和表情与用户进行交流反馈。

二者的关系可以概括为：System2 理解并组织目标，System1 则在持续的具身行动中承载并推进目标。简而言之，前者决定要完成什么，后者持续把它做成。

这种分工的价值在于效率与鲁棒性的双重跃升。高频的物理交互、细节调整、进度追踪交给System1 原生处理，保证实时性和连续性；低频的目标理解、全局规划、异常处理交给System2，保证灵活性和智能性。

跳出技术内卷，找到差异化系统级竞争壁垒

这套原生模型范式之所以能成，也是墨奇长期布局之下两条暗线的交汇所赐——足够有质量的真实数据，以及能消化大规模数据的Infra。

墨奇智能联合创始人兼 CTO 黄青虬认为，模型的本质，其实是做信息的压缩、模态的转换，模型的能力上限，取决于参数量。

今天，行业接触到的具身数据质量仍旧不够高的，且缺乏统一的标准。因此，具身智能要产生 scaling law，前提是数据能够 scale up；而真实场景的数据质量，远比数据数量更重要。

在数据采集方面，墨奇走了一条“自研设备+深入场景”的路线。一方面，自研MORPHI Sense Kit真实世界数据采集系统，可在弱纹理、高反光等极端场景下实现毫米级轨迹重建，保证数据本身的精度与可用性。另一方面，推动数采设备深入酒店、商务公寓等商业场景，由一线作业人员产出真实作业数据，避免摆拍数据带来的分布偏差。

在此基础上，墨奇搭建了从数据采集到模型迭代的完整数据飞轮体系，目前已积累3万小时真实场景数据，计划今年完成15万至20万小时数据储备，持续为MoRA模型迭代供给高质量训练素材。

成立仅半年便已逐步完成从模型架构、软硬协同、数据闭环到跨场景泛化的全栈技术布局，墨奇在具身这场马拉松长跑中，已跳出单点的技术内卷，找到了差异化的系统级竞争壁垒。