智元机器人便利店直播24小时：6台G2完成1730项任务，加速赴港上市

智元给自家机器人搭了个新舞台。

11月2日至3日，上海徐汇区一家便利店成了6台智元精灵G2机器人的作业现场，它们连续24小时直播干活，迎宾、取货、补货、做咖啡、清洁都干。

按智元公布的数据，测试期间这6台机器人一共完成1730项任务——接待顾客683次、取送商品369件、制作咖啡147次，直播全网观看量超过200万人。

为什么挑便利店做试验场？因为这里的作业环境复杂多变。

智元具身研究中心副总裁任广辉对全天候科技说，工业、分拣这类场景环境相对固定，便利店更考验机器人的随机应变。顾客来回走动、商品形态变化、多项任务互相干扰，都会拖慢作业进度。

操作层面的难点也不少。任广辉举了个例子：机器人夹黄金糕，夹子接触的位置和力度都得控制好，之后还要装袋、退夹、重新抓握，一连串动作得连着完成。

精细操作之外，前期测试还暴露过下单失败、订单状态没更新、机器人之间位置冲突等问题。

智元想借这场试验验证的，正是机器人能不能应付这些没法完全预先设定的状况，并把实际作业经验用起来改善后续表现。

10月27日，智元发布具身Agent框架Genie Master，重点探索具身递归自进化（Physical RSI）技术路线。

思路说起来不复杂：让机器人在真实工作里攒下成功和失败的经验，靠调整执行规则或者重新训练动作策略来改善后面的任务表现，少依赖反复的人工调试。

任广辉介绍，遇到订单状态、任务编排这类问题，系统可以调整模型和工具的调用方式，当天总结，次日就能用上，底层模型不用重新训练。

抓取、放置这类动作问题则是另一套办法：系统记录执行轨迹，经过数据筛选和策略训练后更新动作能力。这类训练通常几天完成一轮迭代，此次直播产生的数据，正常情况下能在一至两周内进入后续版本。

不过持续学习不代表所有操作数据都能直接拿去训练。任广辉表示，系统还得判断轨迹有没有效、任务成功是不是靠人工后台协助，同时保留有代表性的长尾异常，供后续评测使用。

机器人如何从真实作业中持续学习，正是当下具身智能领域受关注的研究方向。

星海图在8月推出了G-Fleet分布式强化学习系统，重点试水真实机器人集群的数据回流与模型更新；银河通用则选择测试时训练路线，借此压低机器人适应新环境时所需的示教数据投入。

这些技术路线想解决的其实是同一类难题：机器人进入新场景后，往往还得做大量专项训练和现场调试，规模化复制因此受限。

持续学习能改善的不只是任务成功率，数据采集、模型训练、部署维护这些环节也会受影响。

任广辉认为，机器人进入真实工作环境后，失败轨迹、异常恢复和多机协作都会成为新的训练素材，数据服务的价值也可能转向质量控制、长尾样本覆盖和反馈闭环。

技术验证之外，这场24小时直播也是一次面向市场的集中展示。

今年6月，智元就安排G2在龙旗科技产线连续直播多日，这回场景换成了更贴近日常消费的便利店。

通用机器人行业眼下还没有统一的能力评价标准，连续作业直播能让潜在客户和普通消费者更直观地看到机器人能干什么，也成了企业争取曝光、展示应用场景的一种方式。

这种市场关注，对正在推进商业化和资本化的智元来说有现实意义。

智元今年7月启动赴港上市流程。《财经》10月援引投资人消息称，公司正在推进新一轮融资，规模约10亿至15亿元，最新估值约500亿元。不过，具体递表时间和上市时间，智元至今没有公开确认。

智元机器人今年上半年出货9700台，收入接近20亿元。眼下，公司的商业交付主要靠整机及相关服务，同时也在往数据服务、开发平台和机器人租赁等方向延伸。

直播带来的热度，和能不能持续赚到钱，其实是两码事。

任广辉也直言，跟熟练店员比起来，机器人在精细操作效率、应对现场变化、处理异常情况这几块还有明显差距。相对规范的岗位——理货、补货、清洁辅助——更可能先跑通稳定应用。

从让人看到机器人能干活，到证明它能在成本合理的前提下一直干下去，智元得先在实际运营效率和规模化交付上过了关才行。