鹿明NexCore:机器人技能开发从数周压缩至数天
11月19日,2026世界智能制造博览会在南京开幕。作为智能制造领域的重要行业盛会,大会汇聚产业、技术与人才资源,聚焦人工智能与制造业深度融合,推动智能制造技术创新与产业应用。 鹿明机器人携具身重载搬运方案、机器人技能进化引擎Lumos NexCore及多款机器人产品亮相,集中展示从数据采集与治理、模型训练、技能评测到
11月19日,2026世界智能制造博览会在南京开幕。这场智能制造领域的行业盛会聚集了产业、技术与人才资源,围绕人工智能与制造业的深度融合展开,推动智能制造的技术创新与产业应用。
鹿明机器人此次带来具身重载搬运方案、机器人技能进化引擎Lumos NexCore以及多款机器人产品,展示的能力覆盖数据采集与治理、模型训练、技能评测到真机部署的完整链路。

NexCore:把技能开发流程从数周压缩至数天
展台上,鹿明机器人呈现了机器人技能生成的整套流程:多源数据汇入平台,治理之后投入模型训练;训练好的技能经过多维评测,再部署到真机上执行;实际作业产生的数据又回流到平台,为后续优化提供依据。
这套流程构成了NexCore的技能进化闭环。机器人在每一次训练和作业中积累的经验,都能沉淀为可管理、可复用的技能资产。
机器人走进产业现场,面对的是不同工厂、不同工艺,作业条件也在不断变化。过去开发一项新技能,通常要经过任务定义、数据准备、模型训练、现场调试和反复验证等环节,周期长,跨任务、跨场景复用也不容易。
鹿明机器人认为,智能的价值最终要在物理世界里得到验证。公司为此自主研发了NexCore具身智能技能进化引擎,面向真实产业场景,把数据采集、数据治理、模型训练、多维评测与真机部署等核心能力整合起来,将原本分散的技能开发环节串成标准化流程。
数据处理、训练、评测和部署进一步产品化之后,NexCore把原先以“数周”计的机器人技能开发流程压缩到“数天”,技能开发、验证和落地都随之加快。

五大环节,打通机器人技能开发全流程
NexCore搭建的完整链路是“数据接入—数据治理—模型训练—部署推理—数据回流”。
平台在数据采集与治理环节能接入本体数据、UMI数据、Ego数据等来源。数据工作台负责多视角预览、时间轴切片处理、质量标记和人工查验。清洗与标注跑完,输出的是高质量LeRobot数据集。现场工作人员称,NexCore累计产出的高质量数据已达百万小时量级,人工处理数据所需时间压减90%以上。
模型训练与评测环节不需要重新适配,标准VLA/WM模型直接可用。数据准备、参数配置、模型训练与评估的进度都集中在同一处呈现,评估反馈能推动版本快速迭代。技能训练结束后,系统会给出任务完成率、执行精度、运行稳定性、场景适应等十余项评测指标,报告可一键导出,在库模型之间能快速横向对比,人工验证成本随之下降。
部署与运营环节,NexCore展现出很强的工程落地能力。平台支持一键真机部署,原生适配鹿明轮臂机器人MOS2与桌面工站Station Lite,第三方机型的适配时间也压缩到1周以内。
通过NexInf规范,NexCore把任务意图、数据资产、模型训练、评测验证和实体执行串成一条可观察的构建路径,客户在部署知识和工程环境上的门槛因此降低,跨本体使用也成为可能。

Station Lite:构建桌面级操作技能开发环境
技能开发平台由NexCore提供;Station Lite的角色是给技能采集、训练验证和真机部署搭出真机操作环境。桌面上,机械臂叠衣服、抓娃娃,观众看到的就是一台桌面级设备如何把“人的动作”变成“机器人的技能”。
Station Lite由双六自由度机械臂、多视角视觉系统和边缘控制单元组成,支持双臂协同操作和VLA真机验证。以叠衣服为例,机器人要根据视觉信息判断布料状态,协调双臂完成抓取、展开和折叠,动作出现偏差时还得调整操作策略。这类任务既考验动作执行能力,也对视觉感知、双臂协同和任务理解提出要求。

数据采集环节,操作者通过遥操作设备进行动作示教,系统记录操作轨迹并形成数据,随后接入NexCore完成数据治理、模型训练和技能部署,人的操作经验由此转化为可训练、可复用的机器人技能。
据鹿明介绍,Station Lite已完成从数据采集、治理、训练到部署的全流程验证,从示教到上岗的距离被大幅缩短。
MOS2:让重载操作能力走进工业现场
技能最终要在真实任务中接受检验。MOS2是NexCore原生适配的重载轮臂式机器人,面向工业搬运、柔性装配等场景,重点解决移动与操作一体化的作业需求。
展台上MOS2一遍遍搬料箱,移动、取箱、抬升、转运依次做完。双臂标称负载30kg,最大负载50kg,可连续作业8小时以上,也支持快速换电,重载作业和持续运行能力就这样摆在了观众面前。
与固定工位设备不同,MOS2采用轮臂式结构,把移动与操作能力集于一体,能自主移动到作业位置,再通过双臂完成物料取放,适应更灵活的工业任务。
对工业场景来说,重载能力只是基础。机器人还要在连续作业中保持稳定,兼顾任务成功率、双臂协同、安全性与作业节拍,并能适应现场环境的变化。
料箱搬运也好,柔性装配也罢,MOS2在展台上做的不只是一个动作,它要说明的是具身智能机器人能不能接下真实生产任务。

鹿小明:看视频学跳舞,表达方式不止一种
MOS2和Station Lite偏重操作技能,鹿小明走的则是另一条路,展示的是运动技能和交互能力。
在Lumos NexCore上,用户上传一段舞蹈视频就行,动作提取、机器人动作生成由平台完成,再经过运动训练和仿真验证,最终形成可部署的机器人技能。生成的技能还能统一管理、反复调用,装到多台设备上。

换个创意内容,就能拿来当机器人学新动作的素材,表演内容因此可以不断更新,文旅演艺、商业服务这些场景也多了一些内容创作的空间。
产业落地:技能要成为能反复用的资产
NexCore、MOS2、Station Lite、鹿小明,鹿明这次参展摆出的产业具身路径很清晰:机器人进化引擎在中间,真实任务是出发点,数据资产打底,本体执行和场景验证是出口。
具身智能要进产业,绕不开“可靠”这一关:同一项技能,换设备、换产线、换班次,还能不能稳定复现。鹿明的做法是把技能从工程师的现场调试里拿出来,沉淀成有记录、可评测、可调用的标准化技能资产,让一次成功的演示变成能反复执行的能力。
数据汇入、技能生成、真机验证、经验回流,NexCore靠这四步搭起持续迭代的技能进化闭环,机器人能力得以不断积累和迭代,具身智能在产业场景里规模化应用也就有了支撑。