AI热点 2小时前 179 阅读 0 评论

从赛场到市场:优理奇如何用“两金一银”诠释人形机器人的算法突破与商业落地

作者头像
AI中国

AI技术专栏作家 | 发布了 246 篇文章

在大多数机器人比赛中,炫技的动作容易成为关注焦点:谁能跑得更快、走得更稳、跳得更高。但在刚刚结束的2025世界人形机器人运动会里,优理奇的 Wanda 系列人形机器人完成了一套看起来并不“精彩”的流程:推门进入房间、识别垃圾、拾取废纸、擦拭地面,最终把一间凌乱的客房清理干净。

这组动作没有腾空、没有舞蹈,也没有机械臂的高难度挥舞。但它为优理奇赢得了“酒店清洁服务”和“酒店迎宾服务”两枚金牌,以及一枚银牌。也让它站上了奖牌榜前三,金牌榜第二的位置。

这是这届比赛中对技术稳定性要求最高的项目之一。清洁任务涉及多种材质、形态和位置不确定的物体处理,需要机器人自主完成感知、决策与执行的完整链条。评审采用360度实时打分机制,过程全程无人工介入。优理奇在动作连贯性、任务完成率和环境适应性上的表现,被认为是赛场上的稳定选手。

从比赛设置来看,这类任务与真实世界的落地场景之间几乎没有差别。酒店、物业、养老社区,机器人要做的事情本质一致:连续完成、实时处理、不出错。优理奇在比赛中的选择,某种程度上也反映了它在产品设计与商业路径上的基本判断。

如果说宇树的舞台更多在于“能做什么炫酷的事”,那么优理奇的答案则更偏向“能解决什么现实的问题”。

应对高复杂场景的能力体系

运动会的酒店清洁任务,模拟了现实中极具挑战的非结构化环境。房间中摆放有变形纸团、空饮料瓶、桌布、椅子等多类物品,机器人需从房门开启开始,自主完成识别、路径规划、拾取、分类、清理和投放等多个动作步骤。

优理奇派出的 Wanda 系列通用人形机器人,搭载自研的高扭矩密度关节模组与8轴机械臂系统,具备较高的动态响应与轨迹控制能力。在控制侧,Wanda 实现了全流程稳定运动和任务切换,动作不快但节奏紧凑。

其核心支撑在于其内部自建的一套“算法三件套”:

  • UniFlex

是面向操作任务的模仿学习框架,强调极少量示教下的快速泛化,适用于擦拭、收纳等高接触任务;

  • UniTouch

是基于视觉与触觉融合的大模型系统,用于提升机器人对材质与接触反馈的理解,使操作行为更接近人类处理方式;

  • UniCortex

是服务于长序列规划的任务模型,用于支持多轮任务执行中的路径调整与优先级管理。

这套体系并不追求动作的复杂度,而是强调在真实应用中能否“连续完成不中断”。对于酒店清洁这样物体种类多、环境干扰强、任务链长的场景,稳定性比灵巧性更重要。

比跑得快更重要的是“能上工”

优理奇在赛场上呈现的,是一整段可以复用的服务流程。从推门进入、识别房间环境,到完成清洁、收纳与投放,这一系列动作,在比赛中的表现方式,与真实酒店中的工作节奏接近,几乎无需额外定制。

这类流程的完整度,决定了它能否直接进入客户场景。对大多数服务行业来说,部署机器人的前提不是功能有多丰富,而是能否在现有条件下顺利接入。优理奇在这方面做了尽可能多的预设准备,包括路线规划、物品识别精度,以及任务环节间的衔接控制。

目前,Wanda 已进入小规模化交付阶段,公司透露已与多家酒店集团、物业公司与养老社区签订订单,总金额达数千万元。配套产能体系已搭建完成,具备每年千台级别的量产能力。

在选定应用方向上,优理奇避开了常见的搬运、迎宾等短任务链场景,转而选择了更复杂但客户需求更集中的清洁服务。这一选择拉高了门槛,但一旦跑通,其模型、算法和硬件组合的适配能力也更容易外推至其他任务链中。

目前,公司已将这套思路延展至养老辅助、家庭陪护和教育演示等服务类场景,依托统一的本体平台与模块化算法架构,通过任务切换覆盖不同的需求边界。这种“以任务链为单位”的产品策略,正在构建一个具备演化能力的服务机器人平台。

2025年初,Wanda 上架京东,成为少数以标准产品形式进入公开零售渠道的人形机器人之一。这并非一次渠道铺货,而是优理奇在尝试接触早期使用者、收集市场反馈,为后续产品节奏和功能组合建立参考依据。

B+C并行的布局,也让优理奇获得了两组观察入口:一边是服务业客户的任务完成度与部署流程,另一边是终端用户对产品形态的理解与接受度。对公司来说,机器人是不是能卖出去,暂时没有那么重要。关键是它有没有开始被作为“工具”被使用和评估。

结语

优理奇在比赛中没有展示高难度动作,也没有强调“未来式”的人机协作愿景。它做的是一种近乎笨重的验证:验证当前的算法、硬件与控制系统,是否已经具备在特定场景下工作的能力。

这套能力的边界清晰、目标明确,最终体现在公司“产品能交付、生意能落地”的基本节奏中。与更偏探索路线的机器人公司不同,优理奇押注的路径,是通过通用本体+模块算法的方式,从一个场景出发,逐步向其他领域外推。

当具身智能从实验性工程迈向实际应用,跑在前面的,往往是那些率先完成交付闭环的团队。

作者头像

AI前线

专注人工智能前沿技术报道,深入解析AI发展趋势与应用场景

246篇文章 1.2M阅读 56.3k粉丝

评论 (128)

用户头像

AI爱好者

2小时前

这个更新太令人期待了!视频分析功能将极大扩展AI的应用场景,特别是在教育和内容创作领域。

用户头像

开发者小明

昨天

有没有人测试过新的API响应速度?我们正在开发一个实时视频分析应用,非常关注性能表现。

作者头像

AI前线 作者

12小时前

我们测试的平均响应时间在300ms左右,比上一代快了很多,适合实时应用场景。

用户头像

科技观察家

3天前

GPT-4的视频处理能力已经接近专业级水平,这可能会对内容审核、视频编辑等行业产生颠覆性影响。期待看到更多创新应用!