机器人前瞻（公众号：robot_pro）
作者 | 许丽思
编辑 | 漠影

57小时、165轮真机实验，烘干机里的牛仔裤残留比例从平均48%降至32%，最好一次只有19%！这是大晓机器人近期在酒店洗衣场景中披露的一组实验数据。

11月10日，大晓机器人首次将双脑协同架构带入真实酒店，让机器人完成从客房取衣、穿过走廊、操作洗衣机和烘干机，到装篮并送回客房的连续服务。

这套方案集中展示了世界模型、GPT-Astra通用模型与具身智能RSI的协同应用。简单来说，世界模型负责构建机器人理解和训练环境，Astra负责理解任务、探索技能，RSI则根据真实执行反馈持续优化动作。

三项技术配合，试图解决机器人进入真实产业场景时的三个问题：如何熟悉环境、如何高效完成任务，以及如何自己发现问题并改进。

一、先把真实酒店搬进数字世界

机器人要在酒店完成洗衣服务，首先得熟悉客房、走廊、电梯和洗衣房的空间布局，还要知道洗衣机、烘干机和衣篮在哪里，以及如何与它们交互。

大晓机器人依托开悟世界模型体系中的Mundo世界模型，将真实酒店的多视角图片转化为三维数字场景。

与主要侧重场景重建和视角探索的Atlas相比，Mundo进一步引入物体质量、摩擦等物理属性，通过物理引擎计算物体移动、接触和碰撞时的运动响应，让数字场景具备可交互的物理环境。

在这里，机器人可以反复练习从客房前往洗衣房、穿越狭窄走廊、搬运衣篮，以及打开洗衣机、放入衣物、操作设备按钮等任务。 

真实酒店提供环境依据，数字世界提供训练空间，经过优化的策略再进入真机验证，形成Real2Sim2Real训练链路。Mundo也为开悟世界模型提供环境建模、训练数据生成和策略验证支持，帮助模型更快适应具体场景。

二、Astra探索技能，机器人执行提速97倍

熟悉环境之后，机器人还需要掌握具体操作。

酒店洗衣涉及抓取柔性衣物、操作设备按钮等精细动作。如果每一步都依赖通用模型重新观察、推理和决策，执行时延很难满足高频服务需求。

大晓机器人的做法是让Astra负责探索有效操作，再将验证后的方法沉淀为机器人端可以直接调用的Skill。

在一次现场决策测试中，尚未接入Harness时，Astra首次完成一项新操作耗时30分15.64秒；将有效做法固化为Skill后，机器人单轮执行仅需18.648秒，效率提升约97倍。

在此基础上，团队研发了BotAgent，将洗衣场景中的53个原子动作组织为14个高层语义步骤，并可组合出超过200种场景动作。

BotAgent负责拆解订单、调用技能，并协调机器人、洗衣机、烘干机和暂存位等资源，让原本分散的操作衔接为完整服务流程。

三、165轮真机实验，RSI让机器人自己改进技能

真实环境充满不确定性，相机可能受到遮挡，机器人可能定位偏差，衣物也可能因为形变而无法一次抓取成功。

大晓机器人引入专为具身智能设计的RSI策略（递归自我改进），让Astra根据机器人真实执行时产生的录像、测量数据和动作时间线，分析失败原因并提出改进方案。

例如，抓取衣篮时，腕部相机距离目标过近，容易出现视觉遮挡，系统便调整为使用头部相机；烘干机取衣时，针对裤腿仍留在滚筒内的问题，调整抬起高度和指尖角度。

每次修改还要经过历史样本离线回放，确认问题得到修复、原有能力没有退化，才会进入下一轮真机测试。团队还加入自主复位、独立评判和版本撤回机制，减少人工干预。

以烘干机取衣为例，团队用约57小时完成165轮真机实验，形成37条改进提议和约80个版本。技能适用范围逐步扩展至牛仔裤、洗衣袋和混合衣物，牛仔裤留在滚筒内的比例从平均48%降至32%，最好一次达到19%。

从数字环境训练，到通用模型生成技能，再到真实机器人反复验证和改进，大晓机器人展示了一套面向真实服务任务的技术闭环。

不过，单项技能的实验进展距离酒店规模化运营仍有距离。连续服务成功率、人工介入频率、任务耗时和整体运营成本，仍是后续需要观察的指标。对于具身智能行业而言，机器人能否稳定承担一整套工作，才是检验技术落地价值的关键。