直击WRC 2026 千寻智能再战“客厅整理”：长程任务从“可行”走向“可靠”

中经记者 吴静 卢志坤 北京报道

8月19日，2026世界机器人大会（WRC）在北京开幕。千寻智能（Spirit AI）携Moz系列机器人亮相，重点展示了Spirit v1.6具身模型在“客厅整理”长程任务中的最新迭代，以及商用服务机器人Moz2的自然语音交互升级。

继7月在世界人工智能大会（WAIC2026）首次公开“客厅整理”长程复合任务演示后，此次WRC上，千寻智能再次选择同一任务，主动与30多天前的自己“较量”。

千寻智能方面向《中国经营报》记者表示，过去30天里，通过包括具身模型、Agent、交互、导航、执行等通用机器人智能体的全栈进化，Moz1在任务理解、路径规划、动作执行和异常处理等环节进一步调优改善，“客厅整理”长程任务综合效率较此前提升超15%。

从“演示级”到“工程级”的进化

记者在现场看到，当搭载 Spirit v1.6 基座模型的Moz1接收到“整理客厅”的指令后，能快速感知环境，识别可乐、碗、垃圾、玩具等物品，并自主拆解出“可乐放入冰箱”“碗放入洗碗机”“垃圾投入垃圾桶”“玩具归位”等子任务，再根据现场情况规划执行顺序和移动路径。

不过，看似相同的演示背后，细节已发生明显变化。千寻智能方面向记者解释，WAIC阶段只是跑通了完整链路，证明了“这件事机器人可以做到”，但距离稳定可靠仍有差距；30天迭代的目标，就是解决从“可行”到“可靠”的难题。

据介绍，当工作人员临时调整脏衣篓位置，Moz1无须重新下发指令，可自主调整行进路线并重新定位目标；当观众将空包装放在桌面非预设区域，机器人能识别新增物品并完成清理；冰箱门若未能一次关严，机器人也会实时微调手臂姿态和推力，完成二次推合。

数据显示，经过30天迭代，Moz1在可乐放入冰箱、碗放入洗碗机等子任务上的成功率提升至99%以上，导航目标确认耗时降低近50%。

“好看的Demo不难做，难的是反复做、遇着意外还能接着做。”千寻智能方面表示，这30天的进化本质是把演示级能力往工程级能力推，具体解决了三大问题：一是阻断长任务的错误传导，强化全局任务状态跟踪，让局部失误不影响整体目标；二是补齐环境抗干扰短板，物品被挪动、现场多出零散垃圾、冰箱门没合严等意外，机器人都能自主识别并修正；三是重构“到达”标准，导航不再只追求走到坐标点，而是停到最便于后续操作的位置，让动作衔接更顺畅。

在千寻智能看来，从测评榜单排名领先到真实场景稳定干活，中间需要跨过成功率、鲁棒性、硬件可靠性等多重关卡。Spirit v1.6登顶RoboArena榜单，是对自研具身基座模型综合能力的认可，但榜单更多是标准化、短步骤的可控环境测试，用来横向校验模型基础能力上限。而WRC现场的“整理客厅”是开放环境下的长链条复合任务，机器人仅接收一句自然语言指令，就要自主拆解多端子任务、规划全流程动线，还要实时应对物品移位、环境干扰、动作偏差等意外，是对模型、导航、硬件、Agent等全栈能力的综合检验。

支撑Spirit v1.6快速迭代的驱动力是什么？千寻智能方面向记者解释，模型快速迭代不是单一因素带来的，而是模型与数据协同的结果。

据了解，在底层架构上，Spirit v1.6采用VLA与世界模型深度融合的一体化架构，区别于常见的多模块硬拼接方案，让机器人实现感知、决策、动作的同步响应；在数据层面，千寻搭建了覆盖全国的规模化数据采集网络，自研可穿戴数采设备已迭代至第七代，配合超30万个采集点位，持续产出真实交互数据，同时建立自动化数据清洗、标注、筛选、回流管线；真实部署也在加速数据飞轮运转，以工业场景为例，Moz1已在宁德时代动力电池PACK产线执行高压测试插头插接等复杂非标工序，作业成功率稳定在99%以上，产线上积累的真机数据持续回流到Spirit v1.6。

“一脑多机”的泛化命题

“整理客厅” 是一个典型的家庭场景长程任务。家庭场景最大的挑战是 “非结构化”，即家具布局千差万别、物品摆放毫无规律、光照条件不断变化。

谈及这种“非结构化”带来的无限变化，千寻智能方面表示，想靠数据穷举所有家庭环境并不现实，核心应是数据基础与模型泛化推理能力的双向结合。

在数据层面，其通过“数据金字塔”体系，刻意收集大量带干扰、有变化的真实场景样本，让模型见识足够多的变化模式，抓住“整理”这件事的核心规律；更核心的是基座模型的泛化推理能力，面对从未见过的房间布局，不靠预设脚本，而是基于对任务目标的理解，现场观察环境、自主拆分步骤、动态调整方案。

“家庭距离规模化落地仍然遥远，现在我们更多把家庭演示作为技术验证，先把这套能力在工业、商服B端场景打磨成熟，B端真实工况持续回流的数据，反过来持续强化模型处理非结构化环境的本领。”千寻智能方面坦言。

除Moz1外，千寻智能商服机器人Moz2也在本次WRC上完成能力升级。据千寻智能方面介绍，Moz2定位于商超、酒旅、办公楼宇等商用服务场景，更强调公共空间中的亲和化设计和自然交互体验。此次展会上，Moz2进一步完善和升级自然语言交互能力，在现场与观众打招呼、多轮对话、合影互动。

目前，Moz2暂未搭载Spirit v1.6基座模型，未来完整搭载通用具身大脑后，其多模态语音交互将与智能音箱形成本质区别：智能音箱的交互终点是回答与设备联动，而Moz2的交互终点是物理世界的任务执行，实现“听懂对话、看懂现场、动手干活”三位一体。

在定位上，Moz1 主打工业场景，关节精度、负载能力、环境耐受性都按工业产线的高标准设计，主打精细装配、重体力辅助类工作。Moz2 面向商超、写字楼、酒店这类商服场景，更看重人机交互的安全性与体验感。千寻智能表示，公司“一脑多机” 的核心，是同一套 Spirit 基座模型要适配两套完全不同的 “身体”，这对模型泛化能力提出了很高要求。

据其解释，首先模型不能和单一硬件深度绑定，要能读懂不同本体的运动边界、自由度和能力特点，自动适配输出对应的动作策略，不能照搬同一套参数；其次要具备跨场景的任务迁移能力，比如 Moz1 在工业等场景打磨成熟的长时序规划、异常抗干扰能力，可以低成本迁移到 Moz2 上，不用从零开始重复研发。“对我们而言，‘一脑多机’既是通用具身大脑的应有之义，也能最大化复用研发成果，让一次模型迭代同时赋能多条产品线，从整体上拉高整个体系的进化效率。”

（编辑：卢志坤 审核：童海华 校对：燕郁霞）