WRC交卷⎜机器人长程任务总断片？墨奇用Agentic-Native重构具身大脑

编辑｜杜伟 2026 年的世界机器人大会，最难的演示可能一点都不炫。 这几天，北京亦庄一下子挤进 300 多家机器人企业。 翻跟头、跳舞、打拳 ……，这些都算不上新鲜事了。相反，让一台机器人犯难的，可能是人类每天随手就能完成的一些小事，比如收拾房间。 在成立仅半年多的通用具身智能机器人公司墨奇智能（MORPHI）的展台上，其 首次公开亮相的轮式机器人 MORPHI KINO ，面对的就是这样一场长约 15 分钟的家务实战： 它要穿过多个区域，将茶几上的物品收纳到指定的盘子里： 移动到冰箱前，发现缺货后打开冰箱门，将一瓶矿泉水放进去，再关上冰箱门： 随后进入洗衣区域，将湿衣物取出，放入烘干机处理，再将已经烘好的衣物折叠好： 单独拆开来看，抓取、打开冰箱、放矿泉水、开关洗烘设备、叠衣服，每一项都是机器人行业反复展示过的能力。真正难的地方是， 这些动作现在被串进了同一个长程任务中 。 这就要求机器人十几分钟内始终记得自己的任务目标，清楚哪些事情完成了、哪些还没有。另外，它还要应对位置变化、执行偏差和环境干扰，在出现意外之后继续干活。 这也让「任务连续性」成为今年世界机器人大会上一个值得关注的技术信号。 一边是继续卷抓取、折叠、开门等单一动作，另一边是把机器人放进一个足够长、足够复杂的任务中，看它是否有能力一路执行到底。 墨奇智能选择了后者 。 机器人碰到长任务， 为什么容易接不上？ 当前较为常见的一类具身 Agent 采用「一个想，一个干」的分层双系统架构。 高层认知模型 通常由语言模型或视觉语言模型承担，负责理解需求、拆分任务、调度技能、判断并处理异常情况，这一层被称为 System 2； 底层具身策略模型 结合视觉和机器人本体状态，把高层给出的任务指令变成连续的动作，即 System 1。 这套分工解决了很多问题，让机器人有能力处理复杂的多步骤任务。但一旦拉长执行时间，短板开始暴露。 以上文展示的「收拾房间」为例，高层模型可以很快规划出一条完整的流程：清垃圾、整理桌面、检查冰箱、补货、处理衣物 …… 但负责执行动作的底层模型知道自己这一刻该做什么（比如走到桌边抓起水瓶），却未必清楚为什么要做这些动作、整个房间收拾到哪一步了，后边还有哪些事等着做。 此外，一旦环境发生变化或者某一步执行出现偏差，底层模型也无法准确判断任务如何继续，这时需要高层模型重新确认状态、调整规划并把新的子任务交代下来。任务周期越长，这种来回调度就越容易打断整个执行过程。 对于一个要连续干十几分钟甚至更久的机器人，如果每遇到一点变化都要等「大脑」重新规划，任务很难连贯起来。 墨奇智能的解法，是让负责执行的具身策略模型更多地承担「自己把任务持续做下去」的能力。围绕这一思路，该公司提出了 Agentic-Native 技术路线 ，并推出 MoRA 具身模型架构（以下简称 MoRA） 。 让执行模型，自己把任务接下去 Agentic-Native 的关键在于： 重新调整了具身 Agent 架构中 System 1 和 System 2 之间的能力分工 。 过去主要由 System 2 负责的目标维护、任务记忆和进度追踪，被进一步下沉到直接控制机器人行动的 System 1 中，使得它们在持续输出动作的同时也能一直记住目标、保留上下文、判断当前任务进度。同时在超出能力范畴时，主动请求高层模型介入。 MoRA，承载的正是这套 Agentic-Native 思路 。 它的全称为「MORPHI Reasoning & Autonomy」，名字本身就点出了它的两个核心方向： Reasoning 负责对环境、任务和行为的推理、规划和预测， Autonomy 负责让机器人基于感知和推理结果做出决策并执行。 把两者放在一起看，MoRA 要让机器人在行动过程中理解任务、判断当前状态，并据此自主决定接下来做什么，直至目标完成。要实现这样的长程执行，模型至少要具备以下三项核心能力。 始终盯着最终目标 第一个下沉的是 对任务目标的持续维护 。传统动作执行更容易围绕局部子任务展开，比如上文展示的拿起矿泉水、移动到冰箱前以及把矿泉水放进去。这些指令单独看都很明确，但它们只是整个冰箱补货任务中的局部动作。 在 MoRA 的设计中，System 1 直接接收由文本、图像共同定义的结构化任务目标，并在连续执行过程中以这个 Goal 作为条件。这就是 Goal-Conditioned Execution 。 由此带来的变化很直接，机器人不会因为「拿起矿泉水」这个当前动作完成，就将整项任务判定为结束，它始终记得最终的目标。 干活全程不断片 目标明确之后，第二个问题紧接着出现：怎么避免机器人「干着干着就忘了」？这对应了下沉的第二项能力 —— 保留执行记忆 。 从时间尺度来看，长程任务中的「记忆」并不只有一种。尤其当任务持续数分钟甚至十几分钟时，机器人要一一清楚总任务是什么、当前做到哪一步了、哪些工作还没有完成。 MoRA 在 System 1 内部引入 长、中、短三种不同粒度的执行记忆（Multi-Granularity Memory） ，其中长期记忆保留整项任务的目标与进度、中期记忆维护步骤级执行状态、短期记忆负责控制层面的连续性。 更关键的是，这些任务上下文被纳入模型表征本身，而非仅交给外部状态机维护。这就像人收拾房间一样，不会每做完一步就重新查看任务清单，长程工作的机器人也需要类似的连续记忆。 对任务进度了如指掌 目标告诉机器人最终要做什么，记忆保存一路执行下来的上下文。最后还缺一个关键环节：它得知道自己现在做到哪了，距离目标还差什么。 第三项下沉的能力是 任务进度判断 ，它对应了 MoRA 的 Progress-Aware Closed Loop 。 传统动作模型最核心的职责是输出动作，但在 MoRA 的设计中，System 1 有能力同时维护任务状态和当前进度。MoRA 内部形成了一个持续运行的「动作 →状态→进度→调整」闭环，中间出现偏差时及时调整，并根据任务状态判断当前目标是否完成。 三项能力结合起来，抬高了传统 System 1 的能力上限，让基于 Agentic-Native 的 MoRA 能够更好地支撑长程任务。 长程任务，重估数据价值 MoRA 在架构层面重新回答了「能力怎么组织」的问题， 接下来还要回答这些能力「靠什么学出来」 。 对于长程任务，机器人面对的环境变化更多，任务跨度也更长，训练数据是否来自真实场景，以及是否包含完整的执行过程，都会直接影响模型最终能学到的能力。 当前行业很喜欢「百万小时」具身数据这样的叙事，但小时数够大并不等于质量高。一段只记录「标准成功动作的数据」与一段包含「环境变化、执行偏差、纠错乃至完成过程的任务轨迹」，模型从中学到的信息并不一样。 长程任务需要学习任务执行过程中的连续因果关系和状态变化，为此墨奇智能构建了一套「 Human-to-Robot Embodiment Transfer 」的数据与训练方法。 拆分来看，它以 人类第一视角真实作业数据 作为重要来源，再通过 统一具身动作空间 对齐人类行为和机器人动作，把其中相对独立于具体本体的任务知识迁移到机器人。 相比高度标准化的采集环境，真实作业数据包含更多实