每年世界机器人大会，最容易抢镜的往往是跑、跳、翻跟头。今年走进WRC 2026，机器人“会干什么”正在成为更重要的问题。具身智能赛道头部企业星海图把约500平方米展区做成了一块生产力测试场，前置仓、精密装配、礼品盒制作、复杂地形越障等任务同时运行。星海图将这套参展矩阵称为“干活军团”，背后的技术路线也很明确：以具身智能大脑为核心，围绕真实世界生产力推进整机与智能软硬一体。
把真实工作搬上展台
前置仓Demo最容易让观众理解这套思路，现场通过小程序下单后，机器人自主理解订单、规划路线、拣选商品、开袋装袋，把接单到履约串成完整流程。商品保持接近真实仓储状态，覆盖万级SKU。按照展台公开演示数据，订单执行成功率达到99%+。
隔壁的精密装配把难度拉到毫米级，机器人从零部件中识别并抓取螺丝，完成入孔，再切换自动钻孔器锁付。视觉定位、双臂协同、力控接触和动作规划需要连续衔接，展台公开演示数据给出的精细操作精度为1毫米。
礼品盒互动考验又升级了，机器人从平展纸板开始，连续完成折边、成型、放入胸针、合盖、贴纸封装。纸板会产生弹性形变，抓取、力控和动作衔接直接影响后续步骤。星海图给出的展台演示数据中，这一任务准确率达到99.9%。
Kengo基于星海图本能智能全身通用大模型，Kengo面对陌生斜坡、台阶和障碍物，可实时感知地形变化并调整重心、步态和落脚点，完成Zero-shot自主越障。工厂、仓库以及更多开放环境里，机器人需要面对的本来就是不断变化的地面条件，这类能力直接关系到它能进入多少真实场景。
泛化能力开始决定含金量
星海图今年在WRC反复展示的是“泛化”能力，仓库SKU会变，零件位置会变，纸盒状态会变，地形也会变。机器人要想真正进入生产场景，一套模型需要面对持续变化的对象和环境。
这也是星海图坚持“具身智能大脑优先”技术路线的核心逻辑。以G0.5具身基础模型为例，它承担语言理解、视觉感知、任务拆解、动作规划、双臂协同和异常恢复等能力。现场“万物抓放”Demo中，机器人可以按照自然语言指令，从凌乱桌面识别不同尺寸、材质和形态的物品，再放入指定容器；工业零件分拣则进一步换成螺丝、电容、连接器等小尺寸物料。按照展台公开演示数据，两类任务的执行或分拣成功率均达到99.9%。
对于具身智能，现场评价标准也随之发生变化。动作是否流畅、长任务能否持续执行、物体位置改变后能否继续完成任务、受到扰动后能否恢复、同一套模型能覆盖多少任务，这些指标都直接影响部署效率和商业化成本。大脑的泛化能力，正在从技术参数变成机器人生产力的基础能力。
新品与模型共同补上软硬闭环
WRC期间星海图CEO高继扬发布Lemo、Nexo两款新品，也把“整机+智能”的顶层战略进一步摆到台前。其中Lemo定位为面向机器人开发、科研实验和自动化验证的一站式双臂桌面操作平台，通过同构主从臂遥操作、多模态数据采集以及开放开发工具链，覆盖数据采集、算法开发、模型训练到验证的完整流程。它提供双机械臂、三路视觉和控制器等硬件基础，也让数据、模型与本体之间的迭代链条更短。
Lemo把遥操作采集、双臂协同和开放开发能力进行了深度整合，开发者可以围绕同一台设备完成数据采集、模型训练和真机验证。对于具身智能团队而言，这类工具链直接影响从算法验证走向真实机器人部署的速度，也对应了星海图希望把“大脑”能力持续落到整机上的路径。
同期星海图论坛上，首席科学家赵行公布G0.5最新进展、复现计划以及G-Fleet相关规划。新品、本体、基础模型和数据体系被放在同一个框架下，构成星海图此次WRC传播中更完整的一条主线：上层模型负责理解、规划与泛化，底层整机和运动控制负责执行，数据体系持续反哺模型迭代。
从今年WRC现场看，具身智能的竞争已经开始进入新的评价阶段。跑得快、跳得高依然有观看价值，真正决定机器人能走多远的指标，正在转向真实任务完成度、泛化能力、作业效率、精细操作和软硬件闭环。星海图这次把一群机器人放到前置仓、装配台和复杂地形里，展示的正是这一变化：展台越来越像工位，Demo越来越像工作，具身智能也在从“展示能力”走向“交付生产力”。
天宇优配提示：文章来自网络，不代表本站观点。
- 上一篇：本财配资 北京西二环旁成交一宗住宅用地，将满足区域改善住房需求
- 下一篇：没有了
沪深京指数
推荐资讯