Full text · 原文
1,318 字
在7月17日至20日2026世界人工智能大会（WAIC）现场，X-Era Lab以一台会系鞋带的机器人和一台面向柔性包装作业的机器人，展示世界动作模型从理解物理世界走向工业应用的最新进展。
<br>
系鞋带看似是生活中的简单动作，对机器人而言却是一项高难度长程任务。鞋带柔软易变形，穿孔过程要求精准的三维空间定位；一旦鞋带弹开、位置偏移或被人为放入错误孔位，机器人还需要识别当前状态与目标状态的差异，自主调整后续动作。
<br>
此次现场演示中，系鞋带机器人集中展示了X-Era Lab世界动作模型对柔性物体、空间关系和长程任务的理解能力。面对过程中的状态变化，模型能够发现偏差并主动纠错，继续完成任务，而非单纯复现一套预先编排的固定动作。
<br>
这一能力的背后，是X-Era Lab对真实世界数据的长期积累。公司总裁仲黎若透露，X-Era Lab是首家引入4D数据的公司，将3D点云与时间序列结合，从2022年进入智慧零售场景起持续采集真实交互数据。目前，公司已积累千万小时级数据，每天约有2万小时4D数据回流至数据管线并用于模型预训练。按照估算，如果通过常规方式采集同等规模的数据，成本将超过十亿元。
<br>
X-Era Lab首席科学家王广润表示：“我们做的是原生世界动作基础大模型。”他认为，其核心在于让模型从预训练阶段就学习物理、几何和动作，使预训练目标与后续控制任务保持一致。“我们可以保证预训练和后训练一致，那就意味着用更多、更大的数据来预训练，训练更大的模型，它会有更强的能力。”
<br>
与系鞋带所体现的精细操作和长程纠错不同，柔性包装机器人进一步指向规模化的产业场景。面对尺寸、材质、形态各异的包装、纸盒和商品，机器人需要具备更强的泛化能力，完成抓取、拿放、翻转和分拣等操作。相关能力可以从零售补货延伸至物流扫码分拣、工业上下料及柔性产线，减少针对单一物体和固定流程的重复调试。
<br>
从“会做一个动作”到“适应一类任务”，正是具身智能走向工业化的关键。工业现场环境复杂、任务连续，真正可用的机器人不仅要完成标准动作，还要应对物体变化、位置偏差和突发干扰。世界动作模型的价值，在于帮助机器人理解当前状态、预测动作后果，并在执行过程中持续修正。
<br>
从一根鞋带到一件柔性包装，WAIC现场的两项展示指向同一个方向：机器人不仅要“动起来”，更要理解物理世界，并在真实、开放和不断变化的环境中稳定工作。CTO陈添水透露，目前，X-Era的产业化已经从技术验证进入真实场景落地阶段。我们首先选择零售、物流和工业制造等高价值场景，持续验证世界动作模型的泛化能力。在商超补货、商品分拣，以及工业上下料、插拔等任务中，我们正在与客户推进PoC。现阶段重点解决两个核心指标：第一是成功率，确保机器人在复杂、非标环境中稳定完成任务；第二是节拍，让机器人的作业效率真正达到生产线要求。我们的路径不是为每个场景重新开发一套系统，而是通过原生世界动作模型、真实数据飞轮和跨本体操作系统，把已经验证的能力快速迁移到不同机器人和不同工位。下一步，我们将推动项目从单点验证走向批量部署，实现从百台级PoC到千台级复制，让机器人真正进入产业现场，持续创造可量化的商业价值。