RoboScience Visics-Agent：机器人如何自己适应新场景？

要让一台机器人正常干活，过去得先啃下太多专业知识。电机和运动控制不掌握，它不过是一堆不会动的铁；操作模型不钻研，它只能毫无章法地乱动；感知和运动规划不精通，它要么撞上墙，要么抓错东西。

养一支十几人的团队，砸进去大量时间和心血反复调试，最后也不过做到“差不多能用”。这还往往带着一堆前置条件，换个场景，一切推倒重来。

但 RoboScience 机器科学认为，该由机器人来适应人类，而不是反过来让人类迁就机器。

围绕这一想法，他们发布了 Visics-Agent。

整理杂乱的桌面也好，分拣不同类型的物品也罢，只要告诉它一声就行。

研发团队对它的期待不止于此。

比如“它”得听懂用户的话，靠语音控制，做到如臂指使：

比如它犯错时不会无限重试，而是能总结经验、摸索规律，下一次做对：

比如它主动去适应人类的节奏——不用我小心翼翼地迁就，甚至随时可以打断：

就算指令说得复杂，“它”也能听懂、能执行：

每个人都是鲜活的个体，习惯不同，做事方法也不同。所以它还得记住用户的习惯：

用户或许还能教“它”一些靠谱或不靠谱的技能：

机器科学希望它成为一个能被教会新技能、能自己动手、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，机器科学把具身智能服务（EaaS）提供出来，面向机器人开发者开放相关能力。

据其介绍，开发者可以 Teach Anything。为了让机器人学会新技能，机器科学把教学（Teach）和执行（Execute）做了结合。

教学阶段，你可以像教一个人那样，用自然语言告诉机器人怎么做。第一次没做好，就继续纠正它，直到结果让你满意。

这时你只需要告诉它：“记住，以后就这么做。”

Visics-Agent 还支持 Harness Anything。除了教学机制，机器科学另设计了一套 Harness 系统，让机器人借助真机结果与反馈积累经验，并不断优化已有技能。

也就是说，让机器人学会一项技能只是开头，它后续还得不断往前迭代。

拿一次整理桌面的任务来说，桌面本身乱，机械臂又挡住了相机视线，两个因素叠在一起，机器人就很难判断下一步该怎么动。

于是“遮挡多、桌面乱的场景，得先把视野保住”就成了它攒下的一条经验。再碰上类似局面，它会先让开视线，再安排下一个动作。

腾讯全球数字生态大会上的 demo 中，机器科学展示了这套能力。经过一个月不间断的真机测试，

不过真实任务很少只是成功抓一次就完事。机器科学团队还想让机器人听懂复杂指令、稳稳当当地连着完成一串任务——中途出了岔子，它得自己想办法，而不是一停了之。Harness 系统要重点解决的正是这件事。

实际测试里，他们把任务分了级。一个典型的 L3 任务是这样的：“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。”

内部测试累计跑了 454 条任务指令，验收采用严格的端到端标准：必须完全照指令做、把所有操作做完，才算成功。结果 L1、L2 任务成功率都超过 90%，复杂的 L3 连续任务成功率到了 78%。

眼下 L3 任务最难对付的，还是真实物理环境里的各种意外。物体掉出桌面、跑出机器人的作业范围，这类情况它很难自己恢复。团队正在让机器人练“轻拿轻放”，还试着在动手前先判断风险，据此提前调整抓取和运动策略，尽量把这些意外挡在前面。

Adapt Any-Hand：换只手，照样干

Visics-Agent

Visics-Agent

展会现场，实时体验

过去一周，机器科学把

不过，

机器科学方面介绍，深圳即将举行的一场国际会议上，

Visics-Agent。

到那时候，机器人开发者、科研人员，还有在找机器人落地场景的企业，都能申请成为首批体验用户。

目前，

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