点击下方卡片，关注【Xbotics具身智能实验室】公众号
你想要的这里都有~~
8 月 26 日，第二届世界人形机器人运动会在北京国家速滑馆闭幕。这一届的赛场铺设的不只有标准化的跑道，还有一座中学图书馆的逼仄书架、一处仿真火场的消防栓和一张酒店的床。
16 个国家和地区的 666 支队伍、2056 台机器人打了 1301 场比赛，参赛队伍比去年多了 138%。51个赛项中，场景赛占据21席，占比超四成，并首次为“微操”单列了灵巧手专项赛。规则天平也在倾斜：全自主完成的分值权重为1.0，遥操作仅有0.5，这套分值直接为「独立判断」标了价。
首次出征的智元机器人，带回46枚奖牌：18金、16银、12铜，金牌榜和奖牌榜双双登顶。全场共产生50枚金牌，18枚归了智元。尤其是灵巧手专项赛的8个赛项，智元悉数闯入决赛，最终卷走7金。
第二届世界人形机器人运动会奖牌排行榜单（组委会数据，截至 8 月 26 日 21:30）。智元以 18 金 16 银 12 铜、共 46 枚居首。
第二届世界人形机器人运动会颁奖台。智元在舞蹈、武术及障碍赛等项目取得多项冠军。
上场的一共四款产品：OmniHand灵巧手，加上精灵G2、远征A3、灵犀X2三款人形机器人。它们都是量产在售、或者已经在工厂里干着活，没有一台是为这场赛事特制的。
这批机器人，产线上干活，赛场上拿牌，靠的是什么？
一、没有“特供机”，上场的就是产线上的那批
这届比赛的计分规则有一处隐晦的设定：只区分自主与遥操，却不区分样机与量产机。一台用实验室“特调”参数的展品，与一台刚从流水线摘下防尘罩的批产件，在同一条赛道上执行同一套评分细则，分数上不分彼此。
智元把量产机拉上赛场，规则不会因此多给一分。这是它自己加的约束。既然没有加分，那这张成绩单就只剩下一个读法：产线上什么样，赛场上就什么样。
为一场赛事调参，与让一套软硬件系统在产线上经受一年灰尘、震动与昼夜节律的考验，是两种工程哲学。前者决定的是几十分钟的排名，后者影响的是一台机器被客户定义为“资产”还是“废料”的整个生命周期。
智元产线奔跑的速度刻在数字里：截至今年6月28日，第15000台机器人走下总装线，而在2023年，这个数字仅是6。根据Omdia统计，2025年全球通用人形机器人总出货约1.3万台，智元以5100余台占据39%的份额。
今年 6 月 28 日，智元第 15000 台通用具身机器人下线，机型正是精灵 G2，当日交付龙旗科技工厂。
二、金牌埋在图书馆、火场与装配台上
场景赛覆盖了从家庭清洁、酒店服务到应急救援、工业生产的九类真实工位，21个赛项均从这些实景中抽取考题。智元的奖牌库多源于此，其中精灵G2机器人独揽消防应急与图书管理两枚场景金牌。
图书场景赛设在北京市第八十中学望京校区的真实图书馆内。机器人须在30分钟内依次完成图书回收、精准上架与巡检纠错，中途不得跳过任一环节。这场考试的长逻辑链在于长流程规划和错误恢复，一步错位，后续全盘皆乱。
链条这么长，智元的解法却很传统。团队先给图书馆建了高精度地图，标好书架与推车的点位，路径交给定位导航算法；书脊标签用开源视觉模型识别，因为图书颜色不鲜明，靠颜色分不开。方案 7 月初才启动，一个多月从零搭起，单项算法都不新，难的是把长流程里每个可能失败的节点逐个焊死。
场景赛的图书管理项目设在北京市第八十中学望京校区，机器人要在真实书架前完成上架与纠错。
消防应急场景则还原了一个真实火场。参赛队要完成危险品识别、异常阀门关断、灭火器抓取与灭火三项核心任务，考的是环境理解和工具使用。
其中最难的一步是抓灭火器。它重 4.5 到 5 公斤，超出多数机械爪的承载，硬夹容易过载。智元把夹爪绕开了，在手腕处加一个结构件，用勾代替夹把灭火器提起来，再插进底盘上的容器，让底盘承重，另一只手臂压稳。一个结构件就把末端的力学瓶颈转移掉了，机器人本体不用动。
精灵G2能拿下这两块金牌，底子来自产线。2025年12月，它进驻代工厂龙旗科技的南昌产线；今年5月完成8台并线，完整覆盖整条平板量产质检工段，是全球首个实现3C电子产线质检工段全覆盖的人形机器人。
今年6月一场全流程直播，这8台机器以早八晚六的节奏独立运行6天，完成多媒体界面测试、音频检测等多道工序，作业64828次，产出17625件，成功率99.99%。G2也已在上汽等工厂上岗。图书馆和火场考的长流程规划与工具使用，这套能力在产线上已经反复验证过了。
灵巧手专项赛则是另一层维度的考核。电动工具装配、粉末称量、钉钉固定、开瓶撬盖、拆箱拆包、线缆连接、镊子夹豆与积木搭建，八项任务，每项限时5分钟。粉末称量要求用勺子将食盐舀至电子秤，称出20克，误差须压在0.5克以内。
这类任务不赛速度，不斗蛮力，考的是视觉测量与力控反馈的微米级配合：能否看清一粒黄豆的位置，并在夹取瞬间不将其捏飞。
灵巧手专项赛的 8 个赛项都要在 5 分钟内完成，考的是看得清、拿得稳、放得准。
智元OmniHand灵巧手搭载了一套名为DUET的双层具身接触智能架构。上层负责动作序列规划，也就是下一步去哪；下层负责接触力学，根据打滑率、摩擦力与形变实时调整力度。夹起一粒黄豆与撬开一个瓶盖的差距，主要落于下层控制律。
8个赛项全数闯入决赛，斩获7金4银3铜，积木搭建、粉末称重、镊子夹豆均列金牌榜，其中3项为全自主完成。一些队伍在不同赛项中换用不同灵巧手，甚至在同一赛项左右手分别采用不同型号；而OmniHand用同一只手打满八项，整机仅510克，搭载16个自由度。
图书馆、火场、装配台，共同点是环境不固定、流程长、中途没人接手，正是机器人真要上岗时会碰到的挑战。这场运动会，本质是一次公开的落地预演。
三、赢在指尖与脚下，但决胜于“大脑”
太极拳的金牌、100米障碍赛的冠军、灵巧手的7金，表象上各不相干，底层却指向同一组能力：脚需感知地形，手需精算力度，脑需统筹全流程时序。
远征 A3 在武术项目上完成整套太极拳，动作精度与形态表现出自同一套全身运控。
智元把这些能力归纳为「三智一体」：运动智能负责行走与平衡，交互智能负责理解与反馈，作业智能负责将一项任务从头执行至尾。赛场的主要考察落点在前者与后者，而其中最关键的，是决定了机器人能否真正“上岗”的作业智能。
在作业智能层面，智元的规划端由三块拼图构成：基座大模型GO负责推演步骤；世界模型GE提供可试错的虚拟沙盘；真机强化学习RW-RL在真实产线上持续微调。执行端则落在DUET架构上。运动智能一侧，则由AGILE引擎驱动。
GO走了两代。GO-1回答一个问题：训练数据从哪来。GO-2回答另一个：想好的事怎么落到动作上。
GO-1发布于2025年3月，核心是ViLLA架构。常见的VLA（Vision-Language-Action）看着画面、读着指令，直接吐动作。ViLLA在中间多插了一步：先预测一串隐式动作标记，再让动作专家把它转成关节指令。
所谓隐式动作，就是从前后两帧画面的差异里反推出“发生了什么”：不管关节转了多少度，只管画面从A变成了B。
多这一步，换来一批原本用不上的数据。智元把具身数据排成金字塔：底层是互联网图文，中间是没有动作标注的人类操作视频，顶层是昂贵的真机示教数据。传统VLA用不上中间那层，ViLLA的隐式动作标记把它接了进来，没有动作记录的人类操作视频，也能变成训练信号。
GO-1 的 ViLLA 架构。上方是隐式动作的来源：把前后两帧画面送进编码器，反推出一串隐式动作标记；下方 GO-1 先由隐式规划器接住这串标记，再交给动作专家生成关节指令。（图自智元 GO-1 论文《AgiBot World Colosseo》，arXiv:2503.06669）
当时最优模型在五类任务上平均成功率46%，GO-1做到78%。仅增加隐式规划器一项，就把成功率从66%推至78%。其数据底座是真机数据集AgiBot World Colosseo，最新规模超100万条轨迹。
GO-2今年4月发布，冲的是「语义—运动鸿沟」：模型能给出合理规划，却未必能在真实扰动中稳定执行，想得明白不等于做得可靠。
GO-2的做法是动作思维链：推理直接在动作空间里做，省掉先在语言或视觉空间绕一圈、再翻译成动作的那一段。模型先出一段高层动作序列当作整体规划，再往下给控制信号。
配套的是异步双系统：慢系统低频给出下一步的大致意图，快系统高频结合当前画面做实时修正。训练时还会故意把规划做歪一点，让执行端提前习惯「上级指令不太准」。机器人从「边看边做」变成了「想清楚再做」。
GO-2只用仿真数据训练、不给一条真机数据，直接在真实环境测试，平均成功率 82.9%；同一评测里，另一款基座模型π0.5是77.5%。
世界模型GE（Genie Envisioner）就是那个可以反复试错的地方。它从2025年8月的初代起就把动作当输入，给它一段动作，它生成这段动作会带来的后果。
今年4月的GE 2.0补上了两件事，「在里面练」才真正可行。一是生成能稳定撑到分钟级，二是内置通用奖励模型，不必为每个任务人工设计奖励函数。书被放错了格、货架换了个摆法，这类没人给过示范的意外，在GE里最容易批量造出来。
今年5月，GE 2.0以20亿参数拿下了CVPR 2026 WorldArena世界模型赛道的总分冠军。
世界模型 GE 的平台结构。中间的 GE-Base 负责生成，左边把生成出的表征解成机器人动作，右边把动作当成输入条件、渲染出这段动作的执行过程，两边合起来就是一个可以闭环试错的世界。（图自智元《Genie Envisioner》论文，arXiv:2508.05635）
RW-RL（Real-World Reinforcement Learning）则把学习环节放回真实产线。2025 年 11 月，这套系统在龙旗的试点产线上跑了起来。新技能的训练与稳定部署周期从数周压到了数十分钟；精灵 G2 学会内存条插接这类精密柔性操作，只用了 1 小时。换一道新工序，不必再等一次完整的模型迭代。
运动智能那边是 AGILE（AgiBot Generative Intelligent Locomotion Engine）。灵犀 X2 在 100 米障碍赛夺金、400 米障碍赛拿下银牌与铜牌，靠的就是它。AGILE 把环境感知接进了运控决策，面对不规则障碍与不同地形，机器人不再只凭关节处的本体感知判断怎么迈步。
障碍赛道上的灵犀 X2 以量产版本参赛，本体未做改装。
这几块并不共享同一个模型，各管一段。共用的是底下那层：同一批真机数据、同一套仿真与评测环境，和一条从产线回流到训练的通路。
奖牌最密的场景赛，考的正是把一件长活从头做到尾的能力。
四、从「能动」到「会干」，Y 曲线的第一年
四个月前，智元已为这一阶段命名。今年4月17日合作伙伴大会上，董事长兼CEO邓泰华首次提出具身智能产业的XYZ曲线。
X曲线对应2022至2025年的“开发尝鲜期”，解决从无到有，让机器人像人一样动起来；Y曲线是2026至2030年的“部署成长期”，让机器人像人一样干活；Z曲线则在2030年之后，机器人在制造、物流、服务等领域的生产力开始超越人类。
“2026年是部署态元年，具身智能正式从‘开发态’迈入‘部署态’，从‘能动’走向‘会干’。”他在演讲中如此定调。
部署态的门槛得以清晰量化：以万台级量产为基座，以标准化解决方案为载体，实现7×24小时无人干预稳定作业，具备快速复制、规模化交付与真实商业价值生成能力。
智元称其是目前唯一具备本体、运动、作业、交互全栈能力，并完成万台量产验证的企业。而本届运动会，恰好将这两项特质并置于聚光灯下：万台量产体现在上场的全是产线机型，全栈能力则呈现在指尖、足下与长流程三条赛道同步夺牌。
赛制的变化亦与Y曲线同频：赛项从跑跳转向场景，规则向自主倾斜。
一场运动会不过数十分钟，而产线上的考题是7×24小时，这批机器正两头同时运转。一个此前只能靠demo视频来回答的问题，如今被搬至第三方出题、当场计分的真实考场。
Y 曲线才走到第一年。下一条产线复制得多快、多便宜，这一年就见分晓。
-END-
Ask Me Anything｜提问箱
对文章有疑惑，或想聊更深？欢迎把你的问题丢给我们：技术方案、实操踩坑、课程与资料、项目合作、职业发展，都可以问。
怎么问：在评论区留言，或私信公众号
我们会做什么：每周集中整理高质量问题并公开回复，重点问题邀请作者或嘉宾深度解答；典型问题会加入知识库并持续更新。
提问小提示：尽量说明「你的目标—当前做法—期望产出」，附上必要信息（硬件/软件版本、数据规模等），能更快获得有用答案。
一起把问题变成知识，推动社区进步 🚀
