编辑｜Sia
开大了！
WAIC 2026 现场，，具身智能最难啃的骨头之一——跨灵巧手操作，，被就地摆上了台面。。
一只刚完成抓取的灵巧手，，被直接拆下；；；；；换上另一只「手」，，不重新训练，，也不现场调参。。
30 秒后，，机械人继续开工。。
今年 WAIC 汇聚凌驾 1100 家企业，，具身智能依旧稳坐「顶流」。。但在一众机械人同台秀肌肉时，，首次亮相 WAIC 的 RoboScience机械科学，，上来就把难度条拉满：
统一颗机械人「大脑」Visics，，换只手，，还会不会干活？？
谜底是：能。。
并且，，30 秒就能重新上岗。。
和不少绑定自家硬件交付「大脑」的方案差别，，Visics 还被以纯软件形态搬上了云端，，也由此成为全球首个具备云端安排能力的具身大模子。。
以后给机械人「装大脑」，，真能像接入云服务一样简朴。。
行业首例，，30 秒换手，，Visics 现场连闯三关
行业首秀就敢把难度拉满的，，未几见。。
RoboScience机械科学直接把世博馆展台，，酿成了 Visics 的压力测试场。。
换本体、换物品、换使命，，多轮挑战轮替上阵，，专挑具身大模子最容易掉链子的地方下手。。
Visics 的泛化能力事执行不可？？现场观众可以直接点题，，围观验货。。
1、换只手，，能不可接着干？？
展会现场，，既有规则刚体、日常工具，，也有柔性子料和异形物件，，灵巧手甚至可以抓取观众现场随机提供的物品，，面临从未见过的物体也能即时完成识别与抓取。。
选中目的后，，机械人自主判断从那里下手、以什么姿态抓取，，以及怎样完成后续操作。。
展台还准备了多款灵巧手，，同用一套 Visics 模子，，可自主判断从那里抓、以什么姿态抓，，以及怎样完成操作。。
现场最抓眼球的一幕来了：从拆手、换手，，到重新开工，，整套流程，，仅需30 秒。。不需要重新收罗数据，，也不必现场训练，，新手转头就能继续抓取观众指定的物品。。
这也是行业首次实现灵巧手的「一脑多手、换手即用」。。
30 秒换手，，听上去似乎只是硬件装卸快了一点。。但机械人换手，，历来不但是「拧几个螺丝」。。
最后执行器一变，，行动空间、控制方式和硬件参数都会随着转变。。已往往往需要重新收罗数据、训练模子，，再完成一轮工程适配。。相当于每换一名「员工」，，都得重新办一次入职培训。。
而 Visics 省掉的，，正是这段「培训周期」。。依赖跨本体零样本泛化能力，，差别构型的灵巧手接入后，，可以直接复用统一套智能能力。。
这和古板的「换夹爪」，，也完全不在一个难度级别。。
夹爪通常服务于牢靠工序，，行动相对简单；；；；；灵巧手却有更多枢纽和自由度。。一次看似简朴的抓取，，背后可能要同时协调手指姿态、接触位置、摩擦力、物体形变和机械臂轨迹。。
更贫困的是，，差别厂商的灵巧手，，在枢纽数目、尺寸、控制接口和动力学特征上各不相同。。
「手」一换，，模子面临的，，险些就是一副全新的身体。。
据先容，，Visics 现在已支持10 款以上差别品牌的灵巧手。；；；；；皇旨从谜嬲缭降，，正是这些硬件差别。。
2、不但完成一个行动，，而是干完一整单活
换完身体，，接下来考使命。。
在机械人商超提货站演示中，，机械人自主明确指令、识别对应商品，，并一连完成移动、抓取和交付礼物。。全程不依赖人工？？，，也没有远程接受。。
单独看，，移动、识别和抓取都不是新能力。。难点在于，，机械人能否把这些环节串成一条完整链路，，稳稳接住一个个长程使命。。
这也是具身智能从 Demo 走向营业的一道分界线：已往更像是「教机械人完成一个行动」，，现在可以把一整单使命交给它。。
公司透露，，现在该方案现在已与多家零售、物流企业开展试点相助，，多 SKU 抓取乐成率稳固在99% 以上。。
3、拆红包、立硬币，，磨练「细腻功夫」
机械臂还在现场完成了拆红包、将硬币直立在桌面上等使命。。
这些细腻操作，，人类尚且难以挑战乐成，，况且机械人。。
例如，，捏取和直立硬币，，需要机械人准确判断接触位置，，并在极小规模内一连调解力度。。力太大，，硬币可能滑动；；；；；力太小，，又无法稳固控制。。
为此，，机械臂搭载了自研的微型视触觉？？ FingerEye 。。
该？？榭稍诮哟ヌ跫供立体深度指引，，接触后通过形变推算六轴力矩，，让机械人同时获得视觉、触觉与力觉反馈，，实现亚毫米级力控。。
几轮闯关下来，，具身大模子的竞争偏向也愈发清晰。。不再只是完成一个指定行动，，而是让统一套智能跨越差别身体、物体和使命，，随时换场，，接着干活。。
「一脑控多手」背后，，Visics 究竟学会了什么？？
三场演示，，换了手、换了物品，，也换了使命。。但背后的「大脑」，，始终是统一个——通用具身大模子 Visics 。。
它接纳了RoboScience机械科学自研的 VLOA（Vision-Language-Object-Action）架构。。
Visics大模子架构图
和古板 VLA 直接学习「机械人该怎么动」差别，，Visics 重新界说了具身智能的Token
物体，，应该怎么被操作？？
这正是它能够跨本体、跨物体、跨使命复用的要害。。
VLOA 中心的「 O 」，，指的就是这个新 Token ：Object Trajectory，，亦即物体一连的 3D 点云轨迹。。
它形貌的是一个物体在使命历程中，，位置、姿态、形变和接触关系应该怎样一连转变，，能够将原本重大的三类变量——使命、硬件和物体——统一到一个配合表达里。。
Visics 内部，，可以明确为两套模子协同事情。。
上层的具身天下模子，，认真明确指令、场景和物理关系，，并在三维空间中预演：物体接下来应该怎样运动和转变。。
它输出的不是某台机械人的枢纽行动，，而是一条切合物理纪律的物体轨迹。。
下层的通用操作模子，，再把这条轨迹翻译成目今本体能够执行的行动：从那里接触、以什么偏向操作、施加多大力度，，并凭证实时反馈一直修正。。
以是，，每当换一只手，，上层妄想并不需要推倒重来，，转变的是「怎么执行」，，而不是「要完成什么」。。「一脑控多手」的窍门，，就藏在这里。。
至于Visics 预训练数据，，主要来自海量视频数据和仿真数据。。
具身天下模子从海量视频中，，学习人类怎样与物体交互。。公司通过自动化标注和洗濯管线，，将通俗视频转化为以物体为中心的高维操作数据。。
按公司披露，，这套数据系统可将单条数据的获取本钱降至古板方案的1/20 到 1/200，，并以每周数十万小时的速率一连扩充，，有望将具身智能的数据规模，，推向类似大语言模子的万亿级Scale-up 。。
通用操作模子在仿真情形里「练手」，，大规模学习抓取、折叠、纠葛和倒水等操作。。
为缩小仿真与真实天下之间的差别，，RoboScience机械科学自研了多模态物理仿真引擎 RoboMirage ，，用于批量天生气械人操作轨迹。。
现在已积累数百亿次Manipulation 操作轨迹，，2026 年有望将这一数据集扩展至1T规模——也就是笼罩全空间物体的1 万亿次操作轨迹。。
当机械人真正进入现场，，执行中泛起的高难度失败案例，，还会一连回流，，用于后训练和定向补强。。Visics 的数据飞轮，，也由此转了起来。。
从绑定本体到全球首个 EaaS，，具身大模子换了一种交付方式
换手即用之后，，Visics 又往前迈出一步：
把这套能力做成像水和电一样、可以按需挪用的基础能力。。
RoboScience机械科学已与腾讯云告竣战略相助。。双方将基于腾讯云的算力与存储底座，，配合打造云端 EaaS —— Embodied AI as a Service，，也就是「具身智能即服务」。。
Visics 也因此成为全球首个具备云端安排能力的具身大模子
通过 API 等方式，，对外开放 VLOA 架构、Object Trajectory 数据标准、跨本体泛化能力和全自动数据管线等焦点手艺能力。。
听上去，，有点像大模子时代的 MaaS。。
但这一次，，云端模子输出的要进一步落到机械人身上，，酿成真实天下里的移动、抓取和操作。。
这也意味着，，具身智能的交付逻辑可能要变了。。
已往，，机械人项目通常是一台机械人、一套模子、一个场景，，再配上一轮漫长的工程调试。。硬件一换，，甚至只是换个最后执行器，，都可能重新适配。。
这种模式，，很难规；；；；；粗。。
Visics 拆开了模子与硬件之间的强绑定。。若是统一套操作能力能够跨本体复用，，那么企业未来采购的，，可能不再是一套软硬件捆绑的机械人系统。。
机械人厂商认真造身体，，云端模子认真提供「大脑」，，场景方再凭证营业需要完成应用开发。。
换句话说，，具身智能最先从「卖整机、做项目」，，走向「卖能力、做平台」。。
而云服务，，正是这套分工能够跑起来的必经之路。。
海量视频、仿真数据和真机反馈，，需要一连汇总、训练和更新。。相比让每一家机械人公司都从零搭建模子，，把共性能力集中在云端训练，，再开放给差别硬件挪用，，更容易形陋习模效应。。
模子统一升级，，机械人按需挪用；；；；；本体厂商专注硬件，，场景方专注营业。。
当底层能力更新时，，下游也不必重新安排整套系统，，通过 API 或软件升级，，就有时机直接获得新的操作能力。。
不过，，机械人上云与通俗软件上云仍有显着区别。。
EaaS 的要害不但是把模子安排在服务器上，，还在于能否形成一套兼顾通用能力、实时控制和硬件适配的工程系统。。
RoboScience机械科学这次亮相，，释放出了一个清晰信号：机械人的「智能」，，正在挣脱对特定硬件的绑定。。
已往，，一台机械人、一套模子、一个项目。。硬件一换、场景一变，，往往就要重新开发。。当感知、妄想和操作能力逐渐与硬件解耦，，统一套「大脑」便有时机进入差别身体、适配更多场景，，并像云端软件一样一连升级。；；；；；等诵幸，，也由此看到了从定制项目走向标准化平台的可能。。
虽然，，具身大模子上云，，仍要面临延迟、清静、网络稳固性和端云协一律现实问题。。但偏向已经清晰。。
当厂商不必重复训练「大脑」，，场景方也不必围绕每款硬件重新开发，，具身智能走进千行百业的门槛，，才有可能真正降下来。。
