行业首款云端具身智能体Visics-Agent：懂人话、能教会、可进化...

一直以来，我们需要太多的专业知识，才能让一台机器人正常工作。我们需要掌握电机和运动控制，否则它只是一坨不会动的铁疙瘩；需要钻研操作模型，不然它只能无意义地乱动；我们大概还需要精通感知和运动规划，否则它要么撞墙要么乱抓。

组建一支十几人的团队，花费大量时间、大量心血调试它，可最后也只是能做到 “差不多能用” 的程度。而这往往还伴随着诸多前置条件，换个场景又要推倒重来。

但 RoboScience 机器科学认为，应该由机器人来适应人类，而不是反其道为之。

围绕这一想法，他们发布了 Visics-Agent。据官方介绍，这款机器人助理能听懂语音指令、记住用户的使用习惯，还能学会用户教它的事情。

Visics-Agent：

听得懂，学得会，做得到

无论是整理杂乱的桌面，还是分拣不同类型的物品，只需要告诉 Visics-Agent 想做什么，剩下的事情，就交给它自己想办法。

当然，研发团队对它的期待还不止于此。

比如 "它" 应该能听懂用户的话，通过语音控制，如臂指使：

比如它犯错的时候不是无限重试，而是能总结经验，摸索规律，下次成功：

比如它主动适应人类的节奏 —— 不需要我小心翼翼地迁就，甚至可以随时干扰：

即使会说一些复杂的指令，“它” 也能听懂，能执行：

每个人都是鲜活的个体，有着不同的习惯，也有不同的做事方法。所以它应该还能记住用户的习惯： 

用户也许还能教 "它" 一些靠谱或者不靠谱的技能：

机器科学希望它是一个可以被教会新技能、能够自己动手，并在一次次任务中积累经验的智能助手。

这正是他们打造 Visics-Agent 的初衷。

从系统形态看，机器科学将 Visics-Agent 作为云端具身智能服务（EaaS）提供，面向机器人开发者开放相关能力。

据其介绍，开发者的灵巧手只需通过腾讯云接入他们的 API，无需采集数据、写代码或微调训练。用户直接下达指令，它就能自主完成任务。

Teach Anything：

教一次，记得住

为了让机器人能够学习新的技能，机器科学将 Visics-Agent 的工作过程分成了两个阶段：教学（Teach）和执行（Execute）。

在教学阶段，你可以像教一个人一样，通过自然语言告诉机器人该怎么做。如果第一次没做好，可以继续纠正它，直到完成你满意的结果。

此时你只需要告诉它：“记住，以后就这么做。”

Visics-Agent 就能将这次成功经验整理成可复用的技能，填充到技能库里。未来在遇到类似任务时，它就可以直接调用这些已学会的技能。并且在面对新场景时，Visics-Agent 还能将不同的技能进一步组合，形成 1+1 > 2 的效果。

Harness Anything：

用得多，做得好

除了教学机制以外，机器科学还设计了一套 Harness 系统，让机器人能够利用真机结果与反馈积累经验，并持续优化已有技能。

这意味着，教会机器人一项技能不是终点，而是它不断进步的起点。

举个例子：在一次桌面整理任务中，由于桌面比较杂乱，加上机械臂本身遮挡了相机的视野，这共同导致了机器人难以规划出下一步动作。此时 Visics-Agent 尝试先向上抬起机械臂，让出视野，这样就能成功完成下一步动作规划。

“高遮挡、桌面杂乱场景要优先保证视野” 这就成为它积累的一条经验。以后遇到类似情况，它就会主动让开视野，再规划下一步动作。

机器科学在腾讯全球数字生态大会上展出的 demo 里。经过一个月不间断的真机测试，Visics-Agent 共积累了数十条有效经验，将单一技能的成功率提升到 85% 以上。其中 Harness 在绝大多数任务中起到了正向作用：

当然，真正的任务往往不只是做好一次抓取那么简单。

机器科学团队还希望机器人能够理解复杂的指令，可靠地完成一连串任务 —— 在遇到意外时，应该能够自己想办法解决，而不是直接停下来。这也是 Harness 系统重点解决的问题。

在实际测试中，他们将任务分为 L1～L3 三个难度等级。其中 L1、L2 主要涉及 1-2 次抓取放置，而 L3 不仅需要连续完成 3-7 次操作，还需要理解分类、排除条件、空间关系和执行顺序等更复杂的规则。

例如一个典型的 L3 任务是：“最后面的三个物品，除了那捆胶带，其他两个先放到盒子里。然后再把桌子上这捆红色的线放到胶带的左边。”

在累计 454 条任务指令的内部测试中，机器科学采用严格的端到端验收标准，只有完全遵守指令、完成全部操作才算成功。L1、L2 任务成功率均超过 90%，复杂的 L3 连续任务成功率达到 78%。

目前，L3 任务的主要挑战仍然来自真实物理环境中的各种意外。例如，物体掉出桌面、脱离机器人的工作范围，这些情况难以自主恢复。团队正在尝试让机器人学会 “轻拿轻放”，并在执行动作前预判潜在的风险，从而提前调整抓取和运动策略，尽可能避免这些意外发生。

Adapt Any-Hand：

换只手，照样干

Visics-Agent 的背后，是由机器科学自研的 Visics 通用操作大模型驱动的。得益于此，Visics-Agent 能够支持不同类型的灵巧手、二指或三指夹爪等不同的末端执行器，并且能做到 30 秒内快速切换。 

Visics-Agent 支持零样本跨手，不必为每一种末端执行器重新训练抓取模型。无论用户拥有的是夹爪还是灵巧手，机器科学都希望用户能快速地接入这套能力。

展会现场，实时体验

过去一周，机器科学把 Visics-Agent 带到了腾讯全球数字生态大会现场，驱动一套桌面级机械臂，展示了桌面整理等日常任务的执行能力，也吸引了众多观众驻足围观：

不过，Visics-Agent 的应用目标并不局限于桌面场景。换一个场景，换一类任务，它也应该能接着干。

据机器科学介绍，在深圳即将举行的一场国际会议上，Visics-Agent 将从家用桌面场景切换到工业场景，展示其在工业分拣、连续上下料等任务中的表现。

Visics-Agent 计划于 2026 年 12 月正式上线。

届时，机器人开发者、科研人员，以及探索机器人落地场景的企业，均可申请成为首批体验用户。

目前，Visics-Agent 已开放首批体验申请。

申请链接：https://docs.qq.com/form/page/DVkVBUUFNWXBJanZS