機(jī)器之心編輯部

長期以來，我們已經(jīng)習(xí)慣了機(jī)器人行業(yè)中那些令人眼花繚亂的視頻 Demo：在經(jīng)過千挑萬選的背景下，智能體完成著精準(zhǔn)又漂亮的動(dòng)作。

然而，現(xiàn)實(shí)很殘酷。

如果把機(jī)器人扔進(jìn)真實(shí)、雜亂且多變的環(huán)境中，它們往往會(huì)立刻「原形畢露」，頻頻大翻車。

機(jī)器人：抓不到，就是抓不到。

機(jī)器人：炒菜，我是外行。

這些看似簡(jiǎn)單的任務(wù)（例如抓取物體、炒菜），雖對(duì)人類來說輕而易舉，但對(duì)于機(jī)器人卻是充滿了不可預(yù)見的挑戰(zhàn)。

當(dāng)人們?cè)诰?Demo 與笨拙現(xiàn)實(shí)的落差中感到無奈時(shí)，一家專注于具身智能及通用人形機(jī)器人研發(fā)的中國公司，在目前全球最硬核的實(shí)戰(zhàn)賽場(chǎng)上，交出了一份極具說服力的答卷。

近日，憑借自研 VLA 具身智能模型，星動(dòng)紀(jì)元一舉斬獲了具身界靈巧操作奧林匹克 Benjie's Humanoid Olympic Games（簡(jiǎn)稱 Benjie's Olympics）三項(xiàng)任務(wù)的全球第一。

星動(dòng)紀(jì)元在 Benjie’s Olympics 大賽中斬獲的獎(jiǎng)牌

Benjie’s Olympics 公布的最新成績顯示，星動(dòng)紀(jì)元在翻襪子（銀牌難度任務(wù)）中成績位列全球第一，并在開鎖、剝橘子兩項(xiàng)金牌難度任務(wù)中同時(shí)登頂，三項(xiàng)核心任務(wù)全面刷新世界紀(jì)錄。

Benjie's Olympics 公布星動(dòng)紀(jì)元兩項(xiàng)金牌難度任務(wù)（開鎖、剝橘子）第一。

Benjie's Olympics 公布星動(dòng)紀(jì)元銀牌難度任務(wù)（翻襪子）第一。

要真正理解這三項(xiàng)第一的分量，必須先搞清楚一件事：星動(dòng)紀(jì)元擊敗的，不是一個(gè)普通對(duì)手。

他們擊敗的是整個(gè)行業(yè)公認(rèn)的技術(shù)領(lǐng)先者 Physical Intelligence（簡(jiǎn)稱：PI），PI 拿出了從未公開過的閉源模型 π*0.6。

結(jié)果，全敗。

星動(dòng)紀(jì)元也因此成為該賽事迄今為止唯一上榜的中國企業(yè)。

要知道，在全球具身智能領(lǐng)域，PI 的成績大多來自第三方機(jī)構(gòu)調(diào)用其開源模型跑出的結(jié)果，但這并非 PI 的真實(shí)戰(zhàn)力。

Benjie's Olympics 是個(gè)例外。這是目前全球唯一一個(gè) PI 官方主動(dòng)下場(chǎng)、親自參賽并公開打榜的賽事。PI 為此派出的是從未對(duì)外開放的核心閉源模型 π*0.6，可以說是真正意義上的全力出擊。

而星動(dòng)紀(jì)元，正是在這個(gè)擂臺(tái)上，三項(xiàng)全部拿下第一。

毫不夸張的說，這是具身智能行業(yè)有史以來，第一次有機(jī)構(gòu)在全力對(duì)陣 PI 閉源模型的條件下，實(shí)現(xiàn)全面超越。在此之前，沒有任何一家企業(yè)做到過這件事。

硬核機(jī)器人比賽，讓 Demo 玩家出局

要理解星動(dòng)紀(jì)元這幾項(xiàng)第一的含金量，我們必須先了解一下 Benjie's Olympics 是一個(gè)怎樣硬核的存在。

如果你在機(jī)器人行業(yè)待過一段時(shí)間，就會(huì)發(fā)現(xiàn)一個(gè)心照不宣的秘密：大多數(shù)發(fā)布會(huì)上的 Demo，是精心設(shè)計(jì)的表演，而非真實(shí)能力的呈現(xiàn)。

Benjie's Olympics 的存在，就是為了終結(jié)這種表演文化。

該賽事由前谷歌資深機(jī)器人專家 Benjie Holson 發(fā)起。創(chuàng)立初衷只有一個(gè)，就是為了撕下機(jī)器人行業(yè)的包裝，把評(píng)判體系從炫技表演拉回到實(shí)用落地的層面上來

正因如此，它在業(yè)內(nèi)迅速贏得了一個(gè)非官方的稱號(hào)：機(jī)器人行業(yè)的壓力測(cè)試。那些花里胡哨的 demo 炫技在這場(chǎng)比賽中將無所遁形。

這場(chǎng)比賽的含金量，不僅體現(xiàn)在賽制本身，更體現(xiàn)在參賽陣容上。賽事匯聚了 PI、Sunday Robotics 等全球頂尖具身智能公司。前面我們也已提到，這也是 PI 唯一主動(dòng)參與的賽事，他們?yōu)榇藢ｉT出動(dòng)了其閉源旗艦?zāi)Ｐ?π*0.6，代表了 PI 大腦能力的最高水準(zhǔn)，而非任何保留實(shí)力的參賽版本。

換句話說，這場(chǎng)比賽的成績單，直接反映了當(dāng)前具身智能領(lǐng)域的全球最高水平。能在這個(gè)擂臺(tái)上拿第一，意味著什么，不言而喻。

賽事共設(shè)有15 項(xiàng)實(shí)戰(zhàn)挑戰(zhàn)，按照難度分為金牌、銀牌和銅牌難度任務(wù)，開鎖和剝橘子屬于金牌難度任務(wù)，而翻襪子則屬于銀牌難度任務(wù)。在這些任務(wù)中，任何微小的差錯(cuò)（1–3mm）都可能導(dǎo)致任務(wù)失敗，極考驗(yàn)機(jī)器人的精準(zhǔn)度和穩(wěn)定性。

對(duì)于金牌難度任務(wù)，行業(yè)內(nèi)公認(rèn)幾乎無法達(dá)標(biāo)，對(duì)于銀牌難度任務(wù)，看似日常，實(shí)則對(duì)柔性物體操控能力要求極高。星動(dòng)紀(jì)元正是在大家公認(rèn)不可能全部完成的任務(wù)上，全部拿到第一。

規(guī)則層面的苛刻程度同樣超出常規(guī)賽事：全面考驗(yàn)機(jī)器人的自主能力和適應(yīng)能力。要求全自主、零人工干預(yù)、無仿真。一旦任務(wù)開始，禁止任何形式的遙控、人工介入或遠(yuǎn)程修正，機(jī)器人必須在真實(shí)場(chǎng)景中完全自主完成任務(wù)。環(huán)境和物體隨機(jī)擺放，禁止使用標(biāo)記或預(yù)掃描地圖，確保每個(gè)任務(wù)都在全新的、不可預(yù)知的條件下進(jìn)行。

這意味著，參賽選手不能靠背題，只能靠真本事。

正如 Physical Intelligence 團(tuán)隊(duì)所評(píng)價(jià)的：「每個(gè)任務(wù)都瞄準(zhǔn)具身智能最難的未解問題，柔性物體、高接觸操作、長時(shí)序自主。沒有其他比賽能比肩。」

業(yè)內(nèi)專家的共識(shí)則更加直白：這是唯一強(qiáng)制泛化而非復(fù)現(xiàn)的比賽。多數(shù)隊(duì)伍連銅牌都過不了；金牌，近乎奇跡。

對(duì)于這種規(guī)格的比賽，選手們也是大倒苦水：「我們花了 6 個(gè)月做 Demo；在 Benjie 任務(wù)上 3 天 90% 失敗。真實(shí)世界真是毫不留情?！箍赐赀@個(gè)評(píng)論，真是覺得好笑又心酸。

行業(yè)因此形成了一個(gè)新的評(píng)判標(biāo)準(zhǔn)：能過 Benjie 關(guān)，才叫工業(yè)級(jí)全棧；過不了，都是 Demo。

正是在這樣的背景下，星動(dòng)紀(jì)元在開鎖、剝橘子、翻襪子三項(xiàng)任務(wù)中全部斬獲第一。

但這三項(xiàng)成績的意義，不能用普通比賽的邏輯來理解。

以剝橘子為例，單是這一項(xiàng)任務(wù)，就要求機(jī)器人同時(shí)具備：3D 視覺與觸覺的實(shí)時(shí)融合、LLM 任務(wù)規(guī)劃與運(yùn)動(dòng)控制的協(xié)同調(diào)度、物理常識(shí)推理（重力、摩擦、形變預(yù)判），以及誤差自修正能力（如物體跌落后的恢復(fù)策略）。任何一個(gè)環(huán)節(jié)的短板，都會(huì)導(dǎo)致全盤失敗。

這不是某一項(xiàng)技術(shù)的領(lǐng)先，而是全棧能力在極端壓力下的整體驗(yàn)證。

在一個(gè)金牌近乎奇跡的比賽中，拿下三項(xiàng)第一，這就是星動(dòng)紀(jì)元交出的答卷。

擊敗 PI，星動(dòng)紀(jì)元三大核心任務(wù)奪冠

Benjie's Olympics 在成績公告中宣布，星動(dòng)紀(jì)元在剝橘子、開鎖和翻襪子三大核心任務(wù)中，均以顯著的優(yōu)勢(shì)超越了前紀(jì)錄保持者 PI。

PI 曾是該賽事中首個(gè)拿下多個(gè)金牌難度任務(wù)的頂尖團(tuán)隊(duì)。然而，星動(dòng)紀(jì)元此次交出的成績單，不僅是執(zhí)行時(shí)間的全面縮短，更是在操作方式和模型泛化能力上展現(xiàn)出了獨(dú)特優(yōu)勢(shì)。

剝橘子（金牌難度任務(wù)）：首個(gè)實(shí)現(xiàn)純手剝，速度比 PI 飆升 35%

剝橘子這類任務(wù)，對(duì)人類來說非常輕松，但對(duì)機(jī)器人而言，卻是典型的高難度操作。一不小心就會(huì)把橘子捏碎，果肉撕裂，導(dǎo)致操作失敗。

更困難的是，這一過程往往需要雙機(jī)械臂的協(xié)同配合：一只機(jī)械手需要穩(wěn)定固定橘子，控制整體受力，另一只手則需要沿著果皮邊緣進(jìn)行精細(xì)剝離。在剝離過程中，力的大小、方向以及接觸位置都需要不斷動(dòng)態(tài)調(diào)整，一旦兩只手之間的配合出現(xiàn)偏差，就容易造成擠壓或撕裂。

與此同時(shí)，橘子在操作過程中還會(huì)持續(xù)發(fā)生形變，機(jī)器人需要實(shí)時(shí)感知果皮與果肉之間的微小變化，并據(jù)此調(diào)整動(dòng)作策略。這使得剝橘子不僅是一個(gè)簡(jiǎn)單的操作任務(wù)，而是對(duì)視覺感知、力控制、雙臂協(xié)同以及實(shí)時(shí)決策能力的綜合考驗(yàn)。

面對(duì)這一極其復(fù)雜的柔性操作，前紀(jì)錄保持者 PI 借助削皮刀等外部工具，最終用時(shí) 2 分 46 秒完成。而星動(dòng)紀(jì)元?jiǎng)t直接打破了工具的依賴，成為該賽事首個(gè)實(shí)現(xiàn)完全無工具、純手剝操作的團(tuán)隊(duì)。他們僅用時(shí) 1 分 47 秒就完成了純手剝?nèi)蝿?wù)，速度比 PI 快了足足 35%。

開鎖（金牌難度任務(wù)）：克服重重視覺干擾，速度比 PI 提升 25%

人類開鎖往往可以依靠手部的觸覺反饋，但機(jī)器人的高精度操作極度依賴視覺前置引導(dǎo)。鑰匙開鎖作為典型的精細(xì)任務(wù)容錯(cuò)率幾乎為零，金屬表面的高光反光還會(huì)在機(jī)器人的視覺傳感器中形成噪點(diǎn)干擾。這就要求 AI 模型不僅要能在一片反光中「摳出」鎖孔位置，還要精準(zhǔn)解算出鑰匙的三維姿態(tài)。

在這項(xiàng)穿針引線的任務(wù)中，PI 的完成時(shí)間為 66 秒。星動(dòng)紀(jì)元?jiǎng)t展現(xiàn)出了更強(qiáng)的高接觸操作能力，僅用時(shí) 49 秒便順利開鎖，將整體操作速度提升了 25%。

翻襪子（銀牌難度任務(wù)）：訓(xùn)練樣本比 PI 少 32%，執(zhí)行速度快 30%

在機(jī)器人控制任務(wù)中，抓取硬質(zhì)零件通常依靠的是三維坐標(biāo)體系，但這套邏輯在「翻襪子」面前會(huì)瞬間失效。作為一個(gè)柔性物體操作場(chǎng)景，它的核心難點(diǎn)在于無規(guī)律形變。在翻轉(zhuǎn)的每一幀，襪子的物理形態(tài)都在發(fā)生改變。機(jī)器人必須實(shí)時(shí)跟蹤動(dòng)態(tài)形變，精準(zhǔn)區(qū)分出襪子的內(nèi)外側(cè)和開口位置。這意味著模型必須真正理解眼前的這團(tuán)布料，具備物理規(guī)律常識(shí)，而不是背誦動(dòng)作指令。

為了完成這項(xiàng)任務(wù)，PI 動(dòng)用了 176 個(gè)樣本，耗時(shí) 1 分 33 秒。而星動(dòng)紀(jì)元?jiǎng)t展現(xiàn)出了極其驚人的小樣本學(xué)習(xí)能力：他們僅使用了 120 個(gè)樣本（比 PI 大幅減少了 31.8%），不僅成功完成任務(wù)，耗時(shí)更是縮短至 1 分 04 秒，速度比 PI 提升了 30%。

星動(dòng)紀(jì)元的超越不止是單純的更快，而是其模型在應(yīng)對(duì)復(fù)雜任務(wù)時(shí)展現(xiàn)出的具體優(yōu)勢(shì)：純手剝橘子不依賴外部工具，證明了模型對(duì)柔性物體形變的理解；開鎖任務(wù)的流暢執(zhí)行，展現(xiàn)了高精度感知與動(dòng)作的穩(wěn)定協(xié)同；而用更少的訓(xùn)練樣本完成翻襪子，則證明了其更高效的數(shù)據(jù)利用率與泛化能力。

這三項(xiàng)任務(wù)的綜合表現(xiàn)，驗(yàn)證了這套自研具身大腦在真實(shí)場(chǎng)景下的技術(shù)優(yōu)越性。

星動(dòng)紀(jì)元 VLA 模型， 憑什么在具身智能頂級(jí)博弈中勝出？

在具身智能的演進(jìn)路徑中，VLA（Vision-Language-Action）模型已成為主流范式。其核心愿景在于打破視覺感知、語言理解與動(dòng)作控制之間的壁壘，實(shí)現(xiàn)三者的深度表征融合。

盡管 VLA 提供了統(tǒng)一的架構(gòu)，但在實(shí)際應(yīng)用中，智能體仍難以應(yīng)對(duì)如「翻襪子」、「開鎖」等精細(xì)化操作。這類任務(wù)的難點(diǎn)不在于簡(jiǎn)單的指令執(zhí)行，而在于以下三重能力的復(fù)合要求：

• 高效的知識(shí)遷移能力：從海量預(yù)訓(xùn)練數(shù)據(jù)中提取通用規(guī)律，而非對(duì)每個(gè)任務(wù)從零學(xué)起。
• 動(dòng)態(tài)自適應(yīng)感知：在物體形變（如柔性織物）或環(huán)境干擾下保持感知穩(wěn)定。
• 實(shí)時(shí)決策閉環(huán)：根據(jù)動(dòng)作反饋即時(shí)修正軌跡，確保操作精度。

針對(duì)上述痛點(diǎn)，星動(dòng)紀(jì)元 VLA 模型通過底層架構(gòu)優(yōu)化，在數(shù)據(jù)利用、感知精度和控制響應(yīng)等關(guān)鍵環(huán)節(jié)上實(shí)現(xiàn)了顯著突破。

首先是極高的樣本效率，在具身智能研究中，數(shù)據(jù)往往是最稀缺的資源。尤其是在涉及柔性物體操作的場(chǎng)景中，采集和標(biāo)注高質(zhì)量數(shù)據(jù)成本極高，這也使得模型對(duì)數(shù)據(jù)規(guī)模的依賴成為長期瓶頸。

在翻襪子任務(wù)上，星動(dòng)紀(jì)元僅使用 120 組訓(xùn)練樣本，就達(dá)到甚至超過了 PI 使用 176 組樣本的表現(xiàn)，樣本量減少約 32%。這就好比別人背 1000 個(gè)單詞才能考過，它背 700 個(gè)就夠了。

其背后的關(guān)鍵在于基礎(chǔ)模型的知識(shí)遷移能力。通過在大規(guī)模預(yù)訓(xùn)練階段學(xué)習(xí)到的通用視覺與動(dòng)作規(guī)律，模型能夠?qū)⑦@些已有經(jīng)驗(yàn)遷移到具體任務(wù)中，從而在少量樣本條件下快速適應(yīng)新場(chǎng)景。這種能力，使得模型不再完全依賴針對(duì)單一任務(wù)的大規(guī)模數(shù)據(jù)堆疊，而是具備了一定程度的跨任務(wù)泛化能力。

這種泛化能力在實(shí)際應(yīng)用中非常關(guān)鍵，在現(xiàn)實(shí)場(chǎng)景中，很多任務(wù)都不具備充足的數(shù)據(jù)支持。如果模型需要依賴大量樣本才能發(fā)揮性能，那么其落地成本將極高；而一旦模型具備小樣本泛化能力，具身智能才能更好的在現(xiàn)實(shí)場(chǎng)景中落地。

其次是自適應(yīng)視覺注意力機(jī)制，在具身智能任務(wù)中，感知能力往往是最容易被低估、卻最決定成敗的一環(huán)。尤其是在開鎖這類精細(xì)操作中，鑰匙孔往往只有毫米級(jí)大小，同時(shí)還伴隨著光照變化、金屬反光、視角偏差等多重干擾，這些因素都會(huì)顯著影響視覺識(shí)別的穩(wěn)定性。一旦感知出現(xiàn)偏差，后續(xù)的動(dòng)作執(zhí)行幾乎必然失敗。

在這一點(diǎn)上，星動(dòng)紀(jì)元引入了自適應(yīng)視覺注意力機(jī)制，使模型能夠在復(fù)雜環(huán)境中動(dòng)態(tài)聚焦關(guān)鍵區(qū)域，對(duì)鑰匙、鎖孔等微小目標(biāo)進(jìn)行特征增強(qiáng)。模型不再是平均地看所有信息，而是能夠在關(guān)鍵時(shí)刻把注意力集中在最重要的細(xì)節(jié)上。

其直接結(jié)果是在高干擾環(huán)境下模型依然能夠保持穩(wěn)定的目標(biāo)識(shí)別與對(duì)齊能力，為毫米級(jí)精度的操作提供可靠的感知基礎(chǔ)。這類能力，決定了機(jī)器人能否從看得見邁向看得準(zhǔn)，也是其在開鎖任務(wù)中實(shí)現(xiàn)更快、更穩(wěn)定執(zhí)行的關(guān)鍵因素之一。

最后是異步高頻推理與短時(shí)域規(guī)劃。在具身智能任務(wù)中，機(jī)器人的反應(yīng)速度往往直接決定任務(wù)能否成功。然而，現(xiàn)實(shí)環(huán)境處于動(dòng)態(tài)變化之中：物體的位置會(huì)發(fā)生偏移、形態(tài)會(huì)發(fā)生改變，一旦動(dòng)作執(zhí)行與環(huán)境狀態(tài)脫節(jié)，誤差就會(huì)快速累積，最終導(dǎo)致任務(wù)失敗。

但在傳統(tǒng) VLA 模型中，控制策略通常以固定頻率生成一段較長的運(yùn)動(dòng)軌跡（往往超過 1 秒）。在這段軌跡執(zhí)行過程中，模型無法根據(jù)環(huán)境變化進(jìn)行及時(shí)調(diào)整，這意味著一旦出現(xiàn)偏差，只能等到下一次規(guī)劃時(shí)再修正，導(dǎo)致反應(yīng)滯后。

針對(duì)這一問題，星動(dòng)紀(jì)元引入了異步推理與短時(shí)域規(guī)劃機(jī)制：在當(dāng)前軌跡尚未執(zhí)行完成時(shí)，就同步預(yù)測(cè)下一段軌跡，一旦新軌跡生成，系統(tǒng)便立即切換執(zhí)行。這樣一來，模型的決策頻率被顯著提升。

機(jī)器人的某個(gè)關(guān)節(jié)先沿著第一段軌跡（Chunk 1）運(yùn)動(dòng)，當(dāng)?shù)竭_(dá)第二段軌跡（Chunk 2）出現(xiàn)的時(shí)刻（圖中的豎線位置）時(shí)，便切換為沿第二段軌跡繼續(xù)運(yùn)動(dòng)；隨后再在第三段軌跡（Chunk 3）出現(xiàn)時(shí)進(jìn)行切換，如此循環(huán)。來源：https://generalrobots.substack.com/p/robotera-snatches-silver-in-sock

這樣一來，機(jī)器人能夠以更高頻率持續(xù)修正動(dòng)作，對(duì)突發(fā)擾動(dòng)（如襪子形態(tài)變化）做出更及時(shí)響應(yīng)，從而有效抑制誤差累積，顯著提升任務(wù)的成功率與整體穩(wěn)定性。

也正是在上述模型能力的支撐下，星動(dòng)紀(jì)元的 VLA 具身模型在柔性物體操作、雙手協(xié)作、工具使用以及長程復(fù)雜任務(wù)等關(guān)鍵能力上實(shí)現(xiàn)了同步提升。

這些能力單拎出來都不罕見，難的是在一套模型里同時(shí)跑通、同時(shí)穩(wěn)定。這也是為什么 Benjie's Olympics 任務(wù)極具挑戰(zhàn)，而星動(dòng)紀(jì)元卻能連拿三項(xiàng)第一的原因。

能在這樣的賽場(chǎng)上三項(xiàng)登頂，宣告了星動(dòng)紀(jì)元在解決具身智能核心難題上，已經(jīng)摸索出了一套比國際頂尖同行更有效的方法論。

星動(dòng)紀(jì)元憑技術(shù)創(chuàng)新，引領(lǐng)具身大腦全球研究范式

其實(shí)，星動(dòng)紀(jì)元早已在全球具身智能的研究范式上確立了引領(lǐng)地位。

今年 2 月，星動(dòng)紀(jì)元?jiǎng)?chuàng)始人陳建宇團(tuán)隊(duì)與斯坦福大學(xué) Chelsea Finn 團(tuán)隊(duì)（她正是前紀(jì)錄保持者 PI 的創(chuàng)始人）聯(lián)合發(fā)布了 Ctrl-World 可控生成世界模型。

該模型在世界模型權(quán)威評(píng)測(cè) World Arena 榜單上一舉擊敗谷歌、英偉達(dá)等頂尖模型，在主體一致性、軌跡精度、深度準(zhǔn)確性、策略評(píng)估一致性四大核心維度上全部登頂，拿下了具身任務(wù)能力全球第一。

在具身模型技術(shù)引領(lǐng)上，星動(dòng)紀(jì)元更是屢次創(chuàng)下行業(yè)第一：

• 他們是全球首個(gè)提出分頻 VLA 架構(gòu)的團(tuán)隊(duì)（2024 年 9 月推出 HiRT 快慢分層架構(gòu)），早于 PI、Figure、谷歌、英偉達(dá)等巨頭和明星公司。
• 他們打造了全球首個(gè)融合世界模型的具身大腦。2024 年 12 月，星動(dòng)紀(jì)元發(fā)布融合世界模型的 VLA 算法框架 VPP（Video Prediction Policy，現(xiàn)已開源），將具身智能的可用數(shù)據(jù)擴(kuò)展到了海量互聯(lián)網(wǎng)視頻數(shù)據(jù)，機(jī)器人可以實(shí)現(xiàn)邊想邊做。
• 其研發(fā)的 ERA-42 模型，是全球僅有的四個(gè)實(shí)現(xiàn)了全尺寸人形機(jī)器人全身及五指靈巧手精準(zhǔn)控制的標(biāo)桿之一（其余三家為 Figure Helix、特斯拉 Grok 及英偉達(dá) GR00T）。

目前，星動(dòng)紀(jì)元的具身大腦 ERA-42 已真正在物流（分揀及掃碼）、制造（零部件抓取、高精度裝配、質(zhì)量檢測(cè)）以及商業(yè)服務(wù)等真實(shí)場(chǎng)景中落地，部分場(chǎng)景中的效率已經(jīng)達(dá)到了 70%～80%。

星動(dòng)紀(jì)元真干活機(jī)器人成為中關(guān)村論壇關(guān)注焦點(diǎn)。

長久以來，具身智能技術(shù)的話語權(quán)和最驚艷的 demo 往往掌握在硅谷巨頭手中。但星動(dòng)紀(jì)元一次又一次地用實(shí)戰(zhàn)結(jié)果證明，機(jī)器人技術(shù)比拼的不是 demo，而是誰的底層架構(gòu)更扎實(shí)、誰在真實(shí)環(huán)境的泛化能力更強(qiáng)。

在這個(gè)決定產(chǎn)業(yè)未來的戰(zhàn)場(chǎng)上，國內(nèi)公司正在引領(lǐng)前沿風(fēng)向。