机器人从演示走向上岗:智元 Genie Studio 2.0 把落地流程平台化

智元发布 Genie Studio 2.0,试图用一站式具身智能作业平台解决机器人从模型演示到真实产线部署之间的工程化难题。

10月23日,智元发布“AI WAVE”七连发第二弹:一站式全流程具身智能作业平台 Genie Studio 2.0。该平台面向机器人进入真实作业场景的过程,覆盖数据采集、模型训练、仿真评测、任务编排、真机部署和多机运维等环节。智元称,全新作业场景从0到1的部署验证最快可在7天内完成。

模型跑通之后,还要过工厂这一关

大模型和具身模型提升了机器人的感知、推理和控制能力,但真实工厂并不只看演示效果。机器人进入产线后,需要识别现场物料、对接既有设备、处理异常情况,并支撑多台设备长时间稳定运行。以机床上下料为例,一整套流程可能包括接收生产指令、导航取料、识别工件、抓取转运、设备交互和异常回滚,任何一环出错都可能导致任务中断。

围绕这些问题,Genie Studio 2.0由三个模块组成:

  • Flywheel:具身模型迭代开发平台,解决机器人如何掌握具体技能。
  • Agent:模块化作业编排平台,解决不同能力如何组成完整作业流程。
  • Monitor:多机舰队运维平台,解决部署后的稳定运行和持续优化。

三者共同覆盖“采—训—测—推—编—管”全生命周期,目标是将模型能力转化为可持续运行、可规模复制的作业方案。

训练、编排、运维组成闭环

Flywheel负责模型能力的持续迭代。平台可统一管理真机、仿真和开源数据:真机数据记录视觉信息、动作轨迹和执行状态;采集成本高、出现频率低或测试风险较大的情况可通过Genie Sim生成仿真数据;平台也可接入AGIBOT World等开源数据集,扩大任务和场景覆盖。客户可在平台上训练图像感知模型、视觉—语言—动作模型(VLA)和真机强化学习模型,并使用GO-2具身基座模型、模型微调、实验管理和算力调度等工具。智元称,在真实项目验证中,其自研强化学习训练框架实现小时级收敛,相关任务成功率达到99%。

训练后的模型不会直接进入真机运行,而是先经过仿真评测。Genie Sim Benchmark覆盖四个维度、42类任务,支持5分钟接入、30分钟完成评测,仿真结果与真机表现误差小于10%。真机部署后,失败和异常数据会回流到Flywheel,用于下一轮训练,形成类似“错题本”的更新机制。

Agent模块负责把单项能力组织成完整业务。开发者可通过可视化拖拽方式编排导航、视觉定位、模型推理、逻辑判断等能力,并接入VLA、强化学习等模型推理能力。面对复杂场景和定制需求,平台提供二次开发工具,可接入自定义业务逻辑和第三方通信。编排后的应用可先在仿真环境中试运行,检查路径、碰撞、位姿和流程逻辑;验证后的流程、技能节点和参数配置可以打包成业务模板,供多个项目复用。

Monitor面向规模化运维。当几十台机器人同时部署时,逐台人工维护并不现实。Monitor可集中查看设备状态、任务进度和运行数据,进行分组管理和任务调度;出现异常时记录故障、发出预警,并支持远程介入和在线调试。相关运行数据、异常信息和处理结果还可返回Agent和Flywheel,用于调整任务流程和更新模型。

真实项目开始检验部署速度

从已披露的项目案例看,Genie Studio 2.0已进入制造和轨道交通等场景。在常州数控机床项目中,围绕6台数控机床上下料需求,机器人与自动导引车协同作业,从需求梳理到产线验证用了14天。现场联调阶段,机器人与PLC、MES、视觉系统和工装设备连接,Monitor同步接入设备状态和任务信息。项目完成后,任务流、能力节点、参数和接口配置被整理成模板,便于同类产线复用。

在均普智能中试验证线,三台精灵G2参与汽车电池管理系统(BMS)控制器的零部件上料与装配、成品入箱和料箱转运。面对高反光金属物体和小于1毫米的放置精度要求,相关精密上下料与装配任务成功率稳定达到99.9%以上,单次作业节拍控制在13秒以内,并完成7×24小时稳定生产验证。

广州地铁站点服务场景则呈现了规模化部署的运维需求。Genie Studio 2.0已在该场景支持60余台设备部署,通过全局看板展示不同站点的设备状态、任务成功率和平均无故障时间等指标;出现故障或预警时,系统可发送消息提醒,并支持远程连接和快捷指令。

部署平台成为具身智能竞争新变量

从这些项目看,Genie Studio 2.0的价值不只是提供一个开发工具,而是把数据、模型、机器人技能与现场系统连接成可部署、可运营、可持续优化的作业系统。具身智能进入真实生产,仍需跨出现场调试、系统集成、长期运营和跨场景复制等门槛。平台化交付的意义,在于减少从零定制开发,把项目经验沉淀为模板和可复用能力。

对机器人厂商而言,单台设备的能力仍然重要,但客户最终需要的是稳定完成任务。部署周期、异常处理、多机运维和模板复用,正在成为具身智能竞争的新焦点。机器人要从“能演示”走向“能上岗”,依赖的不只是更强的模型,还有成熟的工程交付体系。

原创文章,作者:点点,如若转载,请注明出处:https://www.dian8dian.com/ji-qi-ren-cong-yan-shi-zou-xiang-shang-gang-zhi-yuan-genie

Like (0)
点点的头像点点
Previous 2小时前
Next 41 mins ago

相关推荐