跻身世界人形机器人运动会工业场景赛全国前三，ROSS Harness 以全自主模式突破工业具身智能落地瓶颈

机器之心发布 在 2026 世界人形机器人运动会 - 工业场景赛 -「装配上料岗」赛项中，一台机器人需要连续完成搬运上架、拣选上料、物料装配三项任务：从搬运 10kg 物料箱，到七类零件拣选，再到发动机 18 个气门的亚毫米级装配。最终， 灵犀智涌机器人 纯自主完成整套任务，三项分别取得 84 分 、 65 分及 21 分，在计入 10 分专项扣分后，以总分 160 分的成绩顺利完赛。按企业维度排名，仅次于行业头部机器人企业旗下的两支队伍，也是首次参赛即冲入全国前三的唯一初创公司。 对于正在从 Demo 走向真实产线的具身行业来说，这场比赛的意义远不止分数。相较于其他赛场上歌舞喧嚣，场景赛上的 2 0 分钟，浓缩了工业具身智能机器人当下真正需要解决的问题：不仅要在真实场景里「会做」，还要在工业级时间窗口内连续做对；不仅要完成一个动作，还要把多个动作串联成稳定执行的完整任务；更要可交付、可验收的工业生产结果。 这也是灵犀智涌想解决的问题。这家由 98 后中科大博士段逸凡在上海创立的工业级自进化具身智能机器人公司，没有把核心竞争力仅仅押在模型上，而是选择了一条不同的路线：CONWAY 工业原生模型 + ROSS Harness 自主进化引擎。模型负责想「怎么做」，ROSS Harness 负责「怎么把模型真正用好，把活真正干好」。 工业具身智能，正在进入「第二道考题」 过去两年，具身智能行业最核心的技术叙事，始终围绕一个问题展开：如何让机器人拥有更强的「大脑」？VLA、World Action Model、强化学习、第一人称视频数据…… 模型能力不断向前推进。 但一个基本 事实 是：从 2025 年至今，行业还没有一家公司完整跑通工业场景的产品闭环。 实验室里，一个机器人成功完成一次抓取、搬运或装配，就足以说明模型具备相应能力；工厂却不是这样 —— 这里没有完全可控的光照，没有始终固定的工位，也没有一成不变的物料。机器人需要面对夹具误差、物料变化、设备状态变化和长尾异常，还要满足真实生产节拍。 因此，工业真正关心的不是「这个任务能不能做出来」，而是「能不能持续高质量交付」。 当前工业具身智能的落地问题，可以概括为四个层面：成功率不够、吞吐率不够、运行成本高，以及迁移困难。工业现场要求接近 100% 的良率，容不下长尾出错；机器人不是「做出来一次」就行，而是要接近甚至超过人工节拍；更现实的是，「三个工程师服务一台机器人」并不罕见 —— 若一台机器后面要站几个工程师，商业账就算不过来。 这几个问题实际上对应着同一个断层：模型的能力，不等于工业系统的交付能力。一个模型可以拥有很强的 Zero-shot 能力，但进入真实产线后，仍然可能需要场景数据、后训练以及大量工程约束；而工业任务往往是长程任务，不可能让模型在每一步都自由发挥。 于是，当行业还在追问「谁的模型更强」时，工业现场其实已经提出了第二道考题：谁能把模型真正用好？ 从「模型会不会」到「系统能不能做好」， 中间差的是 Harness 这个问题并不只属于具身智能。在数字世界里，大模型从「会回答问题」走向「真正干活」，已经经历过类似的变化。今天的 Coding Agent 并不是简单把一个大模型放进代码编辑器，模型之外，还有上下文管理、任务规划、工具调用、工作流编排、安全校验、多轮执行和结果验证。真正让模型成为 Agent 的，不只是模型本身，而是围绕模型构建起来的 Harness。 一个有力的佐证是： 同样的基座模型，放进不同的 Coding Agent Harness，其任务表现可能判若两人 —— 模型决定它会不会，Harness 决定它能不能真正把事做好做成。 灵犀智涌试图把这套逻辑进一步带到物理世界：数字世界 Agent = LLM + Harness；物理世界 Embodied Agent = Embodied Model + Embodied Harness + Hardware。 区别在于，机器人面对的是一个连续、开放、不可完全预测的物理世界。数字 Agent 调用了一个错误的 API，最多重新执行一次；机器人执行了错误动作，却可能意味着碰撞、物料损坏，甚至安全风险。 所以，具身 Harness 不能只是「调用工具」的软件层。它必须同时理解：模型什么时候应该被调用，一个长任务应该如何拆解，多个 Skill 如何组合，模型输出是否安全，任务是否仍在正常推进，出现异常后应该重试、回退还是重新规划，以及一次失败如何沉淀为下一次执行可以使用的经验。 这也构成了 ROSS Harness 的基本逻辑：它不是在模型外面再加一层工程代码，而是在模型与机器人之间建立一条能够持续运行的执行闭环。 CONWAY 与 ROSS：两条能力链的协同 这里也是灵犀智涌技术体系最值得关注的地方。强调 Harness，并不意味着模型不重要 —— 恰恰相反，如果不理解模型，就很难真正做好 Harness。灵犀智涌的路线因此不是「放弃模型」，而是同时构建 CONWAY 工业原生模型与 ROSS Harness，并让二者协同演进。 CONWAY 解决的是：机器人「如何形成高质量的局部动作决策」。 它的定位并不是与通用基座模型比参数规模，而是围绕工业任务本身，研究模型在真实工业环境中需要具备什么能力。团队围绕力触觉增强、快速推理、动作对齐、少样本适配、强化学习后训练等方向持续研究，形成了若干项已有论文支撑的自研成果： FAVLA 引入 6D 力觉，提升机器人在插拔、装配等工业接触任务中的稳定性与响应速度； DBPO 把多步生成压缩为原生单步策略，并支持强化学习后训练，满足工业机器人对高频、实时控制的要求； CAC-VLA 通过显式 latent action 对齐视觉语言理解与连续动作控制，提升工业操作中的动作精度与泛化能力； VLA-Stem 在不改动原有 VLA 的情况下增加轻量级安全层，使机器人能够在工业现场处理空间约束和动态避障。 这些工作指向同一个问题：机器人如何从「看懂」进一步走向「做好」。 ROSS Harness 解决的是 ：机器人如何让这些动作在真实工业现场被正确组织、可靠执行，并持续形成闭环。 模型给出动作，并不意味着机器人就应该直接执行，工业环境需要在模型和硬件之间增加一整套确定性的组织机制，正是灵犀智涌 ROSS Harness。ROSS Harness 将不同具身模型统一到模型抽象层之上，再通过 Skill 把导航、抓取、力控等底层工具与现场工程经验封装为可复用能力，由 Agentic AI 完成任务拆解、技能编排和异常恢复，并通过分层安全监控保证机器人在不同时间尺度下可靠执行。更重要的是，每一次真实执行中的环境变化、失败案例、人工接管和恢复过程，都会进一步沉淀为 Skill、任务编排、长期记忆和训练数据，让系统在持续执行中不断积累工业 Know-how，并形成面向真实场景的数据飞轮。 围绕上述任务编排、安全约束、多机协同和实时执行，团队同样形成了多项论文成果： CLMASP 让大模型负责语义理解与粗粒度规划，再用形式化逻辑对任务步骤、环境状态和机器人约束进行校验与补全，把开放式推理转化为确定、可执行的任务； Safe-BeAl 在大模型规划与