从10万台工业验证到全栖场景延伸，这家企业跑通了具身的“场景闭环”

对比前两年世界机器人大会（WRC）的现场，不难发现，今年具身智能企业展出的产品形态和Demo都已大变样。变化背后，是技术路线、产品定位乃至整个行业评价标准的迁移。早期行业比的是能不能跑跳，到现在比能不能干活、有没有直观的性能评价标准，以及能否在不同场景中快速复制、持续创造价值。

在WRC 2026现场，越疆机器人以“一脑多体，见证工业级具身生产力”为主题，把这些变化浓缩在了同一个展台上：人形机器人既能在柔性产线上接力完成分拣、抓取、装配与物料回流，又可以自主折叠衣物，与人高速对打乒乓球。

从工业产线到家庭客厅，这些场景跨越了不同的空间与任务复杂度，其背后是一条清晰的技术主线：在以工业为核心的真实场景里完成验证后，用同一套“大脑+小脑”驱动全形态机器人，把验证过的能力普及到更多场景，最终让这套能力走入家庭。

具身智能行业有一个心照不宣的分水岭：那就是真实场景的交付。一次成功的演示并不难，难的是在节拍、精度、安全与成本的多重约束下，把同一件事连续做成千上万次。

而越疆机器人早已站在分水岭的另一侧。十余年间，越疆机器人已在全球实现超10万台部署，占据13.2%的全球市场份额。在销量之外，10万台的真正分量，在于十万次真实产线的极限测试，对良率、连续作业与安全边界的反复验证。

这10万台既是越疆机器人技术体系的产物，也为越疆机器人留下了一层别人买不到的地基——小脑。

越疆机器人将十余年协作机器人业务中积累的运动控制、力控算法、轨迹规划、末端控制与工业安全能力，沉淀为自研的高精度全身力控系统，并完整迁移到人形机器人上。人形机器人行业最难跨越的“稳定性鸿沟”，越疆机器人已经从产线上跨过一遍了。

小脑的水平，也恰恰是最适合被现场量化的，越疆机器人就选择了在WRC展台上将其具象成两类观众可以现场检验的能力。

第一类是精细操作。今年行业集体从“能动”转向“能干活”，但干得好不好缺乏量化标准。多数企业仍停留在高精度、精准操作这类模糊表述上，客户既无法横向对比，也无从验证。

越疆机器人把工业机器人测量标准直接搬上展台：人形机器人连续高速摆臂，用末端金属棒反复触碰千分表针尖，重复定位偏差锁定在0.05mm内。作为业内首家以实测数据量化人形机器人操作精度的具身智能企业，越疆机器人把精度从形容词变成了度量衡。这也是整场大会中，极少数能给出一个直观性能数字的演示。

第二类是运动控制。乒乓球人机对抗中，机器人要在高速来球的极短反应时间内，同时控制球拍末端位置、拍面方向、挥拍速度与击球时机，下肢、腰部和躯干还要同步完成重心调节与姿态补偿。这背后是越疆科技对人形机器人动态操作能力的精准把控，也为其在更多场景中复制提供了关键的技术验证基础。

无论是手上的精细操作，还是全身的动态协调，都成了观众可以现场检验的硬实力。这里的小脑解决了“怎么做得准”。而对于更上游的问题，该做什么、为什么这么做，则是越疆“大脑”正在解决的问题。

越疆机器人打造的“大脑”是其自研的空弈DobotWAM具身大模型。它在视觉—语言—动作（VLA）建模的基础上，引入三维空间理解、机器人运动几何约束、世界模型与真实数据闭环机制，让模型不只模仿动作怎么做，更要理解为什么这样做。

在具身智能权威基准LIBERO上，DobotWAM以99.25%的平均成功率位居全球第一；随后又在面向复杂遮挡机器人抓取的国际评测赛事UNOBench Challenge公开排行榜上，于Set of Marks与Natural Language两大赛道同时登顶，展现出从语义理解到动作前置推理的领先实力。

比榜单更值得关注的，是这颗大脑在真实交互中的泛化表现。

X-Trainer双臂具身AI训练平台前，观众现场抽奖决定抓取零食的品类与数量，零食在桌面上随机摆放，模型实时识别位姿、生成抓取策略，任何人都能上前体验一把没有预设脚本的具身任务演示。

大脑与小脑不同，小脑更像是需要一点点打磨出来的工艺，而大脑则天然需要数据作为养料。具身智能行业的尴尬恰恰在于，物理世界并不像通用大模型一样，有着互联网这样现成的语料库，其依赖的还是长年累月的现场数据积累。

这也是越疆机器人天生具备优势的地方，10万台设备在全球产业现场持续运行，构成了一个难以复制的真实数据源。仿真固然可以快速、批量地生成数据，但只有真实产线才会持续暴露那些设计时想不到的corner case，而这恰恰是打磨机器人场景泛化能力最稀缺的养料。

更关键的是，这颗大脑没有被锁死在某一种本体里。

在“一脑多体”架构下，人形、机械臂、四足和轮式机器人共享同一套“大脑+小脑”系统：上层共享环境理解、任务决策与行为规划，底层结合各自本体的运动学与执行特征完成实时控制。

对行业而言，这套架构算清了规模化落地最现实的一笔账：过去每增加一种机器人形态、一个应用场景，都要重新搭建感知、决策和控制系统，部署与运维成本居高不下；在统一底座之下，已验证的能力可以直接复用到新的本体，新场景的反馈又回到同一套模型里继续积累。

配合覆盖数据接入（DATA HUB）、模型训推（TRAIN & INFER）与仿真验证（SIM SPACE）的具身智能一体化平台，越疆机器人从数据采集、模型迭代到跨形态部署的完整链路已经跑通。。

所以在越疆机器人展台上，才能看到跨度罕见的场景矩阵：既有工业场景下的柔性产线，也有教育场景下的具身教学平台、文旅场景下的超仿生机器人，还有家庭场景下的陪伴与服务机器人。同一套底座，栖居在完全不同的现场。

“产线是具身智能最严苛的考场”，这句话其实只说对了一半。工厂环境固然严苛，但现代工厂早已是人类为机器改造过的世界。家庭恰好相反，它是从未为机器做出过任何妥协的空间。

但对于在人机协作领域有着十数年经验的越疆来说，从工业走向家庭并非跨界，而是沿着结构化程度这根轴向外推，工厂在一端，家庭在另一端。在WRC 2026上首次亮相的越疆机器人鹿萌，就是这条路线走到家庭一端的落点。

鹿萌作为全球首款具身全栖人形机器人，越疆机器人用四个“全栖”定义了它：空间全栖、能力全栖、角色全栖、周期全栖。而这四件事没有一件是为家庭新造的，恰好是“一脑多体”+“数据闭环”在家庭场景里的自然延伸。

以空间全栖为例，鹿萌近1.3米的机身可以穿行于家庭、办公室与户外，适应草坪、沙地、鹅卵石等复杂地形，支撑它实现跨场景工作的，正是那套已被10万台工业设备验证过的“小脑”。

支撑起能力全栖和角色全栖的，则是越疆机器人的DobotWAM大脑。鹿萌融合视觉、语音、运动能力，从被动应答升级为主动感知与行动，靠的就是将多模态感知，转化为不同角色下的决策。

周期全栖则是越疆机器人将数据飞轮换了一个场景，在产线上，靠的是10万台设备的运行数据，将工况回流大脑。而在家庭场景中，回流进大脑的成了用户日常使用的反馈数据，鹿萌通过对家庭习惯的持续学习迭代，伴随用户共同成长。

同样与鹿萌并行进入家庭场景的，还有全球首款家庭智能体四足机器人DOBOT Rover X1。Rover X1把四足平台从表演工具变成了家庭里的实干角色：行业首创的双视觉跟踪系统让它能稳定跟住家人，散步、遛娃时自然随行；全地形轮腿结构让它在室内地板、小区路面与台阶草地之间自由切换；智能负重能力则让它替人驮起购物袋和出行装备。

人形与四足两种形态一同进家，甚至跑的是同一套底座。家庭场景第一次得到了有用、好用、常用的完整体验。