机器人既要学会完成任务，还要进一步学会把任务做得更好。
作者｜王博 张麟
2026中国国际工业博览会（简称“工博会”）现场，一台红黑相间的单臂机器人面对一堆大小、姿态各不相同的纸箱，完成了一次又一次多品类箱体混合码垛作业。
但是仔细看，「甲子光年」发现这个现场演示和其它同类的演示有些不太一样。机器人没有沿固定轨迹依次抓取纸箱：判断时，机械臂已经伸向面前的纸箱，又改变方向，转而拿走高处的箱子；抓取时，它会调整吸盘与箱体的相对姿态；放置时，还会绕开已经码好的货物。
通常来说，展会场景对机器人操作会存在一定的限制，比如展区面积、灯光、周围人员和设备干扰，有些在实验室中能完成的Demo，现场可能会出现问题。但是完成这个演示的团队只用了大约三天采集数据、两天进行强化学习，剩下的一天检查和调整。
多品类箱体混合码垛作业
这台在工博会上新发布的单臂机器人叫Sculptor，这家具身智能企业是深诣机器人。深诣机器人将Sculptor定义为“全球首款端到端模型驱动的智能装卸货机器人”。
深诣机器人是一家成立还不到9个月的清华系创企，创始人兼CEO刘凯、联合创始人兼大模型负责人罗宇、联合创始人兼具身系统负责人黄康尧均毕业于清华大学计算机系。
除此之外，深诣机器人还首次对外发布了自研具身基础模型SEEN·E SE-1，以及面向工业精细操作的双臂机器人Edge。
Edge现场展示了0.1mm级精密插接与交互式糖果分装两项任务，这分别对应具身智能的两类关键能力：精细物理操作，以及复杂任务的理解与执行，展示了具身智能面向工业柔性作业的更多可能。
0.1mm级精密插接
交互式糖果分装（可随机指定某几种糖果让机器人分装）
这三个演示，机器人形态和任务不同，但背后指向同一个问题：机器人能否缩短进入新任务的“实习期”，并在真实工作中继续积累经验。
在今年的WAIC、WRC上，具身智能行业已经展示了大量抓取、搬运和插接Demo。到了更靠近生产现场的工博会，客户的问题变得具体：换一批货物还能不能做？进入新工厂要调试多久？连续运行是否稳定？多久能够收回成本？
深诣团队用大约一周完成混合码垛的新任务，只回答了第一个问题，他们真正想证明的是，这种学习速度能否被复制到更多客户现场。
1.一周“上岗”，Sculptor学会了什么
Sculptor现场演示的多品类箱体混合码垛看似简单。的确，如果箱体的位置全部固定，工程师可以提前写好工业机械臂从A点到B点的轨迹。如果箱体尺寸相同、垛型规则、作业节拍长期不变，传统自动化方案也能提供更高的效率和稳定性。
但现实并非如此。
刘凯曾参与创办智能物流机器人公司极智嘉，经历了一家机器人公司从产品定义、规模交付到上市的过程。再次创业前，他去过国内外多个物流和工业现场。
让他印象很深的一个场景是香港的一处物流转运中心。夏季室外温度超过35摄氏度，集装箱内部温度更高，工人光着膀子搬运重量不一的纸箱。而集装箱内的货物非常杂乱，如何堆放事先并不确定，工人在搬运过程中还要识别、分类和重新码放。
不同物流转运中心实景
这种现实中尚未被自动化覆盖的工作，往往同时具备几个特点：物体位置不断变化，任务包含一定判断，工序又足够辛苦。
目前已有的一些针对集装箱场景的机器人搬运方案，要么机器人本身尺寸比较大，很难在限定空间中腾挪开，要么机器人只是机械地搬运货物，无法做出有效的判断。
Sculptor工作半径1.8m，最大负载35KG，定位或操作精度<2cm，可适配10—80cm之间纸箱，连续作业达8个小时，作业节拍400—800箱/小时。它还具备全向行驶和一定的爬坡和越障能力。
这让其非常适合从事集装箱场景的货物搬运工作，深诣团队此前也进行了一些训练和测试。这次在工博会现场的演示，虽然场景有所变化，Sculptor还是很快适应了。
罗宇向「甲子光年」复盘了这一周Sculptor的变化。
在多品类箱体混合码垛作业中，机器人首先要决定抓取顺序。罗宇展示了强化学习前后的对比：训练前，Sculptor虽然知道要搬箱子，却可能去抽取被上方纸箱压住的箱子，造成周围纸箱挤压甚至垛型垮塌；经过强化学习，它有时会在伸手后改变选择，转而先取走更高位置的箱子。
第二个变化出现在抓取姿态上。Sculptor末端吸盘装有相机，如果长边对着短边抓取，相机容易被箱体遮挡，码放的结构也可能出错。训练后，它会主动调整吸盘位姿，让长边与长边对齐。
第三个变化发生在放置过程中。此前，机械臂偶尔会从其他纸箱上方摩擦过去，甚至压到已经码好的箱子；经过强化学习，它开始从侧面绕行，找到更合理的路径，再把纸箱放到目标位置。
强化学习驱动自进化
这些动作并非预先为每个箱子写好固定轨迹。现场的纸箱被随机摆放，每次初始位置都可能不同；机器人通过相机视频流获取环境信息，由模型生成后续动作。它面对的也不只是一次从A点到B点的搬运，而是一段包含识别、选择、抓取、避碰和码放的长程任务。
那么，为什么强化学习能改变Sculptor的取箱、抓取和绕行方式？
2.让机器人快速上岗，
也要让它从工作中学习
缩短机器人的“实习期”，需要解决两个相连的问题：它先要理解任务和物理世界，随后还要根据真实反馈修正自己的行为。
深诣把这两个环节概括为“理解”与“对齐”。
自进化核心机制
“理解”主要由此次深诣在工博会发布的SEEN·E SE-1具身基础模型完成。SE-1采取了一条逐层细化的路径：从语义任务进入多维物理预测，再生成连续动作。
SEEN·E SE-1：任务理解、世界推演与流畅作业
面对“把这些纸箱码到托盘上”的指令，模型先要结合此前已经完成的步骤，把抽象目标拆成连续的子任务。在同一个子任务下，多个世界模型专家分别预测未来的潜在表征、深度和关键点轨迹，动作模块再根据这些信息生成机器人的连续动作。
SE-1模型关注的是与机器人行动直接相关的物理变化。它需要判断抽取某只纸箱是否会造成垛型垮塌、机械臂沿当前路径移动是否会发生碰撞，以及箱子应该以什么姿态放下。
理解任务之后，机器人还要让自己的行为接近人类定义的工作目标。
深诣把这个过程称为“对齐”：通过真实交互和奖惩反馈，强化学习逐渐排除失败动作，保留更有效的策略。这里的“价值”十分具体，包括更高的成功率、更少的碰撞、更准确的插接和更稳定的作业节拍。
双臂线束插接Demo提供了一个直观例子。线束和接口的位置没有固定，系统也不会提前获得XYZ坐标。仅通过示范数据学习时，机器人知道“应该把线插进去”，但插歪后有时仍会继续向前推；加入强化学习后，它会在发现失败后退出、重新对准，再次尝试。
“强化学习是提升机器人对插过程中成功率的关键，”罗宇告诉「甲子光年」，“我们测下来，经过一天的强化学习成功率就能从60%提升到90%，而这两天在展会实测下来，成功率能到96%以上。”
真实生产现场能够产生的新数据通常有限，深诣因此引入了OMPO。环境、目标位置或机器人状态发生变化后，OMPO通过匹配和校正历史数据与少量现场数据的分布，让过去积累的经验能够继续用于价值学习和策略更新。
OMPO
异步强化学习负责把这些经验转化为下一版策略。机器人在现场产生新数据，训练系统同时调用历史任务和其他机器人的数据，完成价值判断和动作策略更新，再将新的策略投入下一轮交互。训练过程与现场作业错开，可以利用机器人停机或充电的时间更新模型。
异步强化学习
PRISM和TimelyDAgger进一步提高训练数据的有效性。PRISM识别一个任务中精度要求更高的动作阶段，例如线缆接近插口的最后一段，并增加这些动作的监督权重；TimelyDAgger则判断机器人何时真正需要专家介入，让人工示范更多集中在模型尚未掌握的能力上。
PRISM
TimelyDAgger
这些方法共同指向深诣所说的“自进化”。
罗宇强调，自进化是一项目标，并非某一种单独算法。机器人工作中产生的数据仍需经过筛选、训练、安全验证和版本部署，机器人不会在生产过程中未经检查便自行修改动作。
总结来看，SE-1负责理解任务和物理世界，强化学习负责根据结果修正行为；OMPO、PRISM和TimelyDAgger分别提高旧经验、精细动作数据和专家示范的利用效率，异步强化学习再把这些经验更新进策略。
「甲子光年」发现，深诣对“世界模型”这个概念本身反而保持了克制。
“我们还是从第一性原理去思考，具身基础模型到底要干什么。”刘凯告诉「甲子光年」。在他看来，机器人的世界模型需要理解与行动直接相关的物理规律。SE-1采用轻量化的世界模型MoE架构，把建模重点放在力、深度和物体轨迹等信息上，而非生成一段像素级的未来视频。
这套架构还结合了VLM的任务拆解、推理和认知能力，并在动作生成层引入MoT（Mixture-of-Transformers）架构，为强化学习和持续更新策略提供基础。
对深诣来说，世界模型最终仍要落到几个具体结果上：机器人能否更快理解任务、更准确地生成动作，并在真实工作中持续改进。
3.九个月跑向交付，这支团队为什么快
在离产业更近的工博会上，“落地”自然是观众和客户关心的话题。
刘凯把深诣机器人的落地场景概括为两个方向：混杂搬运与精细操作。前者更接近重体力“普工”，后者带有一定“技工”属性。
深诣因此设计了两种机器人形态：Sculptor面向重载物流任务，双臂机器人Edge承担精细操作。机器人的身体根据任务重新设计，背后的基础模型和学习机制则完全复用。
这种路径可以概括为“1个大脑+2款机器人+多种场景”。
深诣“1+2+N”策略
从成立到拿出一个基础模型、两款机器人，深诣用了不到9个月。这个速度背后，一边是前沿模型与强化学习研发，另一边是机器人产品化和规模交付经验。
刘凯来自清华大学计算机系，有超过15年的机器人技术及系统工程技术积累，曾在极智嘉从事物流机器人十年，经历过产品定义、本体与系统研发、量产交付和全球商业化。罗宇是清华大学计算机系博士，曾在华为诺亚方舟实验室从事基础模型、多模态模型和强化学习研究，入选了“华为天才少年”和”腾讯青云计划”。黄康尧同样博士毕业于清华大学计算机系，负责机器人系统、交互强化学习与控制。
另外，清华大学计算机系教授、国家杰出青年基金获得者刘华平担任了深诣机器人首席科学家顾问。作为国内最早研究具身智能学者之一，他的学术论文引用量超过20000。2025年，他还入选了2026年度IEEE Fellow（IEEE授予会员的最高荣誉）。
这组能力组合决定了深诣的研发起点：模型团队从真实作业任务中寻找问题，产业团队则要把模型能力装进可以交付的整机和系统。
刘凯把团队的能力概括为“从产业到模型，再到强化学习和系统”，而团队的心态是“轻装上阵”。
「甲子光年」发现，深诣没有等模型足够“通用”后再寻找场景。团队先进入物流和工业现场，寻找仍然依赖人工、客户又能算清投入产出比的环节，再围绕这些任务设计机器人形态、模型和训练流程。
“我们不会发布一款尚未准备好交付的产品，”刘凯告诉「甲子光年」，“这次新推出的Sculptor机器人，下个月就可以交付给客户。”
刘凯透露，深诣目前有十余个物流和工业POC（概念验证）项目正在推进，涉及装卸货、汽车零部件和3C零部件等场景。下一步就是要看这些项目能否稳定运行，并被复制到更多客户现场。
过往的产业经验让刘凯对“发布”和“交付”之间的距离更加敏感。他清楚认识到，如果公司发布一款产品，几个月后仍然无法交付，客户的期待很快就会被消耗。
这也是深诣表现出务实感的另一个地方：他们不只谈机器人可以完成哪些任务，还在讨论部署周期、作业节拍、连续工作时间和投资回报。
按照刘凯的测算，在物流场景中，Sculptor的投资回收期约为12至18个月。
Sculptor搬运货物
刘凯并不认为具身机器人会快速取代工业臂和协作机器人。对于位置固定、流程稳定、节拍明确的任务，传统自动化仍然更加成熟、高效。具身智能更适合进入多道工序连接、环境持续变化、需要一定判断能力的工作。
这为深诣划出了一条相对清晰的商业边界：他们寻找的是传统自动化与人工操作之间的空白。
不过，从一周准备好一个展会现场演示，到在多个客户现场稳定交付，中间仍有多道关卡。
十几个POC最终能有多少转化为规模订单，现场适配需要投入多少工程师，不同客户的数据能否帮助模型持续进步，以及12至18个月的投资回收期能否在实际运营中成立，这些问题将决定深诣能否完成下一步跨越。
当行业关注点逐渐从融资和Demo转向订单、交付与投资回报，深诣仍需面对一家初创机器人公司都会遇到的规模化考验。
「甲子光年」问刘凯：“作为一家初创公司，做到什么可以说是阶段性安全？”
刘凯回答：“持续以真实客户订单支撑公司运营。”他特别强调了“真实”两个字。
话音刚落，Sculptor从货堆中取出一个纸箱，转过身去，稳稳地把纸箱放到托盘上。
