WRC最忙机器人：猛干15分钟家务，收纳、补货、叠衣服…

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> WRC最忙机器人：猛干15分钟家务，收纳、补货、叠衣服… Jay 2026-08-21 11:14:40 来源： 量子位 Jay 发自 凹非寺 量子位 | 公众号 QbitAI 世界模型和VLA，都不是答案。 这个观点，出自前华为智驾AI一号位、「华为天才少年」黄青虬。 离开华为后，他联合创办了通用具身智能公司墨奇智能——成立仅半年，估值已超70亿元。 近期，墨奇迎来第一次交卷：自研具身智能模型架构MoRA（MORPHI Reasoning & Autonomy）——一条Agentic-Native的具身大脑路线。 WRC 2026现场，墨奇正式展示了这个大脑的能力。 承载这个大脑的，是墨奇自研的本体—— MORPHI KINO ，一台面向家庭服务场景的轮式机器人。 这也是其本体的首次公开亮相。 现场，这台机器人用15分钟，完成了一个完整的家居长程任务： 清理桌面垃圾、检查冰箱库存并补货、将湿衣送入烘干机并启动，再拿出来叠好码放…… 整个过程一气呵成，全程无需人工指挥。 对人类来说，这是六岁小朋友都能做完的家务，大家可能会觉得没啥可说的。 但对机器人而言，任何任务一旦沾上「长程」二字，基本就是死路一条。现阶段敢展示5分钟以上的，都算非常自信了。 更别提还是泛化性要求拉满的家庭场景。 而墨奇这次在WRC现场，直接硬生生干了 15分钟家务 …… 可以说是非常独树一帜了。早上刚开馆不久，墨奇的展台就已经围得水泄不通，甚至工作人员自己都有点惊讶： 根本没想到会有这么多人。 所以，墨奇究竟是怎么做到的？ Agent原生的具身大脑 回答这个问题前，先得看看传统方案是怎么做的。 目前为了解决「长程」，Agent方案基本已成共识了：Google Gemini Robotics、Figure Helix 02……等等。 核心就是分层架构，也就是老生常谈的 System 1与System 2 。 System 2：机器人大脑。 由大语言模型或视觉语言模型担任，负责理解目标、拆解任务、验证结果； System 1：策略模型。 接收子任务指令后，结合视觉和本体状态执行动作。 这套架构让机器人初步具备了完成长程任务的能力，是具身行业的一次大突破，也出现了不少有趣的demo。 但问题也很明显—— 全靠System 2在Carry啊。。。 任务的主体智能——目标维护、记忆管理、进度追踪、失败恢复——几乎全部压在System 2认知层。 而直接和物理世界打交道、持续输出动作的System 1，则彻底「瘫坐」，沦为一个只会机械执行子任务的傻瓜机器。 这会带来两个问题。 1、目标接口有限。 传统动作模型只能接收固定格式的文本子任务指令，不支持图像指令，也处理不了多阶段的结构化任务描述。 System 2只能不断把高层目标拆碎、格式化，再喂给System 1。 这个过程中，每转译一层，信息就损耗一层。 到最后，最初的目标定义已经稀碎了——System 1根本不知道「目标」这俩字是啥意思，眼里只有下一个Action。 2、执行以短时序、反应式为主。 这应该也是大家普遍存在的疑惑—— 机器人动作慢也就算了，为啥总一卡一卡的？？ 根源就在于System 1的技能点太少了。 模型既没有对任务整体进度的认知，也没有多粒度执行记忆。遇到环境扰动或者中途偏差，System 1自己不会纠错，只能停下来等System 2重新调度。 结果就是： 频繁停顿，重新规划，再次启动。 这在强调「实时+闭环」的具身语境下当然是不行的。真实物理世界充满不确定性，要是每走一步都等大脑发号施令，那黄花菜都凉了…… 这也是墨奇提出MoRA的原因。 与业界常见的「大模型外挂动作策略」方案不同，墨奇主张让Agentic能力原生存在于策略模型内部，把 目标持续性、执行记忆和任务进展 变成System 1的原生能力。 这样，机器人才能从「输出下一个动作」转向「持续工作」。 具体而言，MoRA的System 1具备三项核心能力。 1、目标为条件的持续执行。 目标得在输入时就定义好。 MoRA接收的是由文本和图像共同定义的结构化任务目标，不是离散的动作指令。 同时，目标接口原生内化进策略模型，指令和动作之间无需层层转译。 机器人从接收到目标的那一刻起，就知道自己要做到什么状态才算完成。 2、多层级记忆。 这是执行过程中内置的进度条。 长程任务的本质挑战是时间跨度，模型要同时记住：刚刚做了什么、做到哪一步了、整体进展如何。 为此，MoRA在System 1内部构建了三层记忆—— 短期：处理毫秒级的控制连续性； 中期：管理步骤级的执行状态； 长期：保留任务整体的目标与进度。 这些进度记忆，会成为模型表征空间的一部分。 3、进度认知的闭环。 最终就是将这些能力在输出阶段打通了。 MoRA在输出动作的同时，会结合目标、执行记忆和环境反馈，持续判断任务状态与当前进展，并在必要时反馈给System 2使其介入。 有了这些上下文，大部分中途偏差，System 1自己就能感知并修正，不必事事上报。 最终，MoRA的双系统，变成了这样—— System 2化身「项目经理」： 专注意图理解、全局规划与异常兜底，并通过多模态交互与人协同； System 1，晋升「主力员工」： 明确目标后不间断输出全身动作，自主维护记忆、追踪进度，仅在遇到能力边界时主动请求介入。 双剑合璧。 亮相WRC 2026：15分钟长程任务实录 纸上谈来终觉浅，这套架构在真实场景中到底表现如何？ WRC 2026 的现场，墨奇给出了答案。 这是公司自成立以来第一次亮相大型展会，一同公布的，还有他们的自研本体——MORPHI KINO轮式机器人。 长得也是挺萌的，还有不同表情，可以换着DIY。 它的主秀，是一个家居长程任务。 真的很长，整整15分钟啊…… 我尽量还原一下现场，讲几处比较有意思的点。 任务一：桌面整理。 机器人导航到垃圾桶处，拿起垃圾桶一路溜达到茶几，把茶几上的纸巾、空矿泉水瓶丢进去，再把垃圾桶送回原位。 这主要考验的是模型的 通用Picking能力 。 任务二：冰箱补货。 机器人走向水吧台，伸手拉开了冰箱门。 开门这个动作，对机器人来说其实很有挑战性。 门把手的位置、门的开合方向……都需要实时感知和调整，还要考虑躯干的站位，不能把门堵住。 但真正有意思的在后面。 门开之后，KINO探头看了看冰箱内部， 停顿了两三秒 。 这是在干啥？？？ 检查库存。 是的，就像酒店的客房服务人员，每天检查冰箱里的矿泉水数量，不够就要补上。 然后大的来了。 检查完毕，KINO直起身，转身走向房间里的另一张小桌子， 取了一瓶矿泉水 ！！！ 然后回来放进了冰箱里。 任务三：衣物洗烘与折叠。 机器人前往洗衣房，拉开烘干机门，取出一件已经烘干的T恤。 然后，它走到叠衣桌旁…… 把这件干T恤直接放进了净衣篓？？？ 是的，根本没有叠，仿佛下定了某种决心般，径直走向了洗衣机。 说实话，当时真没太看懂，我还以为是出事故