郭震 AI公众号:郭震AI

实时 AI 消息

智元发布Genie Master:机器人在真实便利店实现“无人在环”自主进化

智元机器人公布具身Agent框架Genie Master,并在真实便利店环境中让精灵G2机器人完成失败诊断、策略调整与经验沉淀,实现不依赖人工调试的持续改进。公司称这是Physical RSI首次走出仿真与实验室设定,在真实业务流中跑通验证,11月2日还将安排6台机器人连续24小时营业。

发布时间

智元机器人公布了其具身Agent框架Genie Master的细节。这是其自10月22日启动的AI WAVE系列技术发布的第四项,核心主张是把Physical RSI,也就是具身递归自进化,搬进真实的便利店业务流。

量子位报道了一个具体片段:便利店货架上的小挂钩被价格标签牌挡住了一部分,精灵G2机器人第一次尝试挂货时落空。以往这种情况需要工程师排查、改程序、补数据。这一次它回看了执行记录,判断头部相机分辨率不足且标签牌遮挡,于是调整策略:左手先用腕部相机凑近补一个近距离视角,确认位置后再由右手完成挂货,并把这条经验存了下来。

Genie Master的定位是连接上层Agent推理与底层机器人动作的框架。它让Agent能够调用机器人的各项能力、理解真实的物理执行反馈,并根据任务进展持续组织行动和针对性练习。

关键设计是具身执行协议EEP,包含能力、引导、反馈和连续性四类接口,配合时序对齐等协同设计。EEP把上层推理的意图翻译成底层动作策略能执行的动作,再把执行后的观测与子任务状态实时回传。

进化被拆成两条路线。Harness RSI在不改动模型权重和已有工具接口的前提下,优化提示词、记忆与执行规则,把成功和失败案例像错题本一样沉淀进长期记忆;Policy RSI则把自主执行、人工接管示范以及异常恢复产生的数据筛选加权,用监督学习、模仿学习或强化学习直接更新底层的动作策略模型。

两条路线互相咬合,形成从真实执行、发现能力缺口、自主加练到经验沉淀与策略更新的闭环。智元称已将取货、补货、清洁、异常恢复和多机协作纳入统一工作流。

需要说明的是,无人在环并不意味着完全不需要人。Policy RSI仍会使用人工接管示范等数据,动作策略的更新也需要经过数据处理和模型训练。

这套闭环若能在11月2日的24小时直播中经受住无剧本营业的检验,具身智能的规模化部署成本曲线才会真正开始下移。届时6台精灵G2将连续上岗,接受一场没有预设剧情的能力考核。

为什么重要

机器人能力从出厂即定型转向部署中持续生长,交付周期与复制到新门店的边际成本都会被压缩。这也是具身智能从演示走向规模化商业部署的关键前提。

微博邮件

AgiBotEmbodied AIAgentRobotics
返回AI日报

附近消息

全部