“30秒换手即用”，RoboScience机器科学实现跨本体灵巧操作行业突破，全球首个云端具身大模型WAIC首秀

背景

2026年7月17日至20日，世界人工智能大会（WAIC）在上海世博中心和世博展览馆举行，以“智联世界 生成未来”为主题，展览面积超10万平方米，超1100家企业参展，是当年AI领域规格最高、规模最大的国际盛会。在通用具身智能领域，RoboScience机器科学首次亮相WAIC，展示了其自研通用具身大模型Visics、可微多模态物理仿真引擎RoboMirage等多项成果，并开展深度技术演示与沉浸式操作互动。当前行业普遍更依赖二指夹爪完成抓取任务，灵巧手的跨本体泛化操作仍是难题，RoboScience机器科学借此机会首次实现了一套统一具身大模型同时支持多款不同构型灵巧手完成流畅抓取，且能做到Zero-shot（零样本泛化）适配、换手即用，无需针对特定硬件重新训练或微调。

核心内容

RoboScience机器科学在WAIC 2026现场展示了通用具身大模型Visics的三大亮点成果：跨本体灵巧操作实现“30秒换手即用”，商超场景多SKU抓取成功率99%以上，FingerEye精细操作实现亚毫米级力控精度。

在灵巧操作展项中，多款不同品牌的灵巧手搭载同一套Visics通用具身大模型，同时向观众展示灵巧抓取能力。灵巧手全程自主实时感知、自主规划抓取策略并完成不同属性物体操作，从刚性工具到柔性物料，从规则形状到异形物件，甚至能抓取观众现场随机提供的物品，无需预设抓取流程。现场工作人员直接更换不同品牌的灵巧手硬件，无需重新适配，灵巧手在30秒内被即时识别，并流畅执行多类抓取任务，整个换手到再启动过程压缩至30秒以内，真正实现“换手即用”。这一成果验证了Visics跨本体、跨物体、跨任务的三大维度泛化能力，意味着具身大模型第一次真正做到了“一脑多手”。

在商超场景中，机器人能够自主理解指令，完成从移动到抓取再到交付的全流程操作，无需人工干预。针对狭窄通道，机器人采用紧凑型硬件设计，灵活适应复杂空间。该方案目前已与多家零售、物流企业开展试点合作，多SKU抓取成功率稳定在99%以上。

在精细操作与视触觉感知方面，搭载了RoboScience机器科学自研微型视触觉模块FingerEye的机械臂，现场演示拆红包、立硬币等精细任务。FingerEye可在接触前提供立体深度指引，接触后通过形变推算六轴力矩，实现亚毫米级的力控精度。

RoboScience机器科学已与腾讯云达成战略合作，共同打造行业首个云端EaaS（Embodied-AI-as-a-Service）具身智能服务。Visics将作为全球首个具备云端部署能力的具身大模型，迈向云端规模化调用。双方优势互补：RoboScience提供自研通用具身大模型Visics的核心算法能力，包括VLOA架构、Object Trajectory数据标准、跨本体泛化能力及全自动数据管线等上层技术；腾讯云提供经过大规模用户验证的存储与算力底座，包括统一数据底座、高性能计算、智能编排调度等基础设施能力。双方共同打通从多地协同标注到模型训练再到商业化落地的完整路径，使具身智能从“技术验证”走向“规模化交付”，推动具身智能从“本体绑定”走向“云-端解耦”时代。

Visics大模型采用自研VLOA（Vision-Language-Object-Action）架构，以物体为中心进行感知、规划和执行。它融合了“具身世界模型”和“通用操作模型”两大核心引擎，创新性地引入Object Trajectory作为中间接口，以物体的连续3D点云轨迹进行表征。上层具身世界模型负责认知和预演物理轨迹，下层通用操作模型负责将轨迹转化为不同机器人的物理控制信号，实现了高层语义与底层物理规律的完美解耦，并分别用海量互联网视频及仿真数据进行预训练。

针对数据缺口，RoboScience机器科学选择以自研可微多模态物理仿真引擎RoboMirage为核心，结合全自动视频数据标注与清洗管线，构建“仿真+视频”双数据飞轮。这一体系将单条数据的获取成本降至传统方案的1/20~1/200，同时以每周数十万小时的增速持续扩展，为Visics大模型实现LLM级别的万亿级数据Scale-up奠定了基础。其中，具身世界模型的预训练基于海量互联网视频数据，通过全自动数据标注及清洗pipeline，团队已积累数百万小时以物体为中心的高维多模态操作相关数据集（数千万video clips），并以每周数十万小时的速度增长，目标在2026年构建上千万小时的全球领先数据集；通用操作模型则通过自研可微多模态物理引擎RoboMirage积累了数百亿次高质量manipulation操作轨迹数据集，2026年目标是构建超过1T高质量manipulation操作轨迹数据集（1万亿次全空间物体的manipulation操作轨迹数据）。

关键要点

• 跨本体灵巧操作实现“30秒换手即用”：多款不同品牌灵巧手搭载同一套Visics通用具身大模型，工作人员直接更换硬件，30秒内即可实现即时识别并流畅执行抓取任务，无需重新适配、训练或微调，验证了Zero-shot泛化能力。
• “一脑控多手”的范式突破：首次实现一套统一具身大模型同时支持多款不同构型灵巧手完成流畅抓取，克服了行业灵巧手跨本体泛化操作的难题。
• 商超场景多SKU抓取成功率99%以上：机器人自主理解指令，完成从移动到抓取再到交付的全流程操作，已与多家零售、物流企业开展试点合作。
• FingerEye微型视触觉模块实现亚毫米级力控精度：可演示拆红包、立硬币等精细任务，接触前提供立体深度指引，接触后通过形变推算六轴力矩。
• 与腾讯云合作打造全球首个云端EaaS具身智能服务：Visics作为全球首个具备云端部署能力的具身大模型，结合腾讯云存储与算力底座，打通从标注到训练到落地的完整路径，推动具身智能从“本体绑定”走向“云-端解耦”。
• Visics采用VLOA架构，以物体为中心进行感知、规划和执行：融合“具身世界模型”和“通用操作模型”，以Object Trajectory（物体连续3D点云轨迹）作为中间接口，实现高层语义与底层物理规律解耦。
• “仿真+视频”双数据飞轮大幅降低数据成本：自研可微多模态物理仿真引擎RoboMirage结合全自动视频数据标注与清洗管线，单条数据获取成本降至传统方案的1/20~1/200，数据集以每周数十万小时速度增长，目标2026年构建千万小时级视频数据集和1T次高质量操作轨迹数据集。

意义与影响

RoboScience机器科学在WAIC 2026上的展示，标志着具身智能领域从“本体绑定”向“云-端解耦”迈出关键一步。其跨本体灵巧操作“30秒换手即用”的突破，直接验证了具身大模型在跨本体、跨物体、跨任务三大维度上的泛化能力，打破了灵巧手长期依赖特定硬件、无法快速迁移的技术瓶颈。这一成果意味着未来机器人可以像软件一样灵活适配不同硬件平台，大幅降低部署成本和维护复杂度，为工业、物流、服务等场景的规模化落地提供了技术基础。

与腾讯云的战略合作