10 月 23 日，接棒 “首个真实场景 Physical Agent 数据集”，智元释出 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。围绕 AI WAVE 系列发布 “让机器人真正上岗” 的目标，Genie Studio 2.0 打通了机器人从模型能力走向真实作业的 “最后一公里”，推动机器人能力转化为可持续运行、可规模复制的作业方案。
当大模型、具身模型不断刷新实验室性能，行业却面临一道残酷现实：很多机器人 Demo 惊艳，一进工厂就 “水土不服”。
模型跑通只是第一步，想要真正上岗干活，机器人要读懂现场物料、对接产线设备、自主处理突发异常，还要支撑几十台设备 7×24 小时稳定运转。能力不等于生产力，从 “演示态” 到 “部署态” 之间，横亘着开发、编排、集成、运维、复制的重重门槛。
10 月 23 日，作为智元「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 正式对外发布。平台由三大核心模块组成：Flywheel 具身模型迭代开发平台、Agent 模块化作业编排平台、Monitor 多机舰队运维平台，完整覆盖「采‑训‑测‑推‑编‑管」全生命周期，补齐机器人从模型能力到真实上岗的关键短板，最快 7 天即可完成全新作业场景从 0 到 1 的部署验证。
如果说Flywheel解决的是“机器人如何适配一项具体技能”，Agent解决的就是“不同能力如何协同完成一项真实作业”，Monitor则解决“机器人部署后如何稳定运行、持续优化并规模复制”。三者共同打通了机器人从模型能力走向真实作业的“最后一公里”。
第一站 Flywheel｜机器人的 “技能特训营”：快速学会岗位专属本领
通用机器人走进真实工厂，面对千差万别的工序、物料、精度要求，必须完成 “岗位再培训”。Flywheel 就是完成这套适配迭代的核心平台。
完整闭环分为四步：数据采集→模型训练→仿真模拟大考→真机部署，异常数据回流反哺迭代。
第一步：多源数据采集。Flywheel统一管理真机、仿真和开源数据。真机数据记录机器人的视觉信息、动作轨迹和执行状态；对于采集成本高、出现频率低或测试风险较大的情况，可以通过Genie Sim生成仿真数据；平台还可接入AGIBOT World等开源数据集，扩大任务和场景覆盖。
第二步：高效模型训练。有了数据后，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。在真实项目验证中，智元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%。
第三步：仿真测试。模型训练完成后，需要先经过“模拟考试”。Genie Sim Benchmark评测平台覆盖四个维度、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%，把大部分风险拦截在真机上线之前。
第四步：真机部署 + 错题本闭环。机器人投入运行后，失败和异常数据会重新回到Flywheel，用于下一轮训练。因此，Flywheel也像一本持续更新的“错题本”：每解决一类现场问题，都能为后续部署积累可复用的能力。
第二站 Agent｜机器人的 “工作编排系统”：搭积木式拼装完整作业流程
学会单项技能，距离完成真实业务还差很远。
以机床上下料举例：一整套任务包含接收生产指令、导航取料、识别工件、抓取转运、设备交互、异常回滚等数十个步骤，任何一环出错，整条流程就要中断。
Genie Studio Agent，用可视化拖拽编排，像搭积木一样把导航、视觉定位、模型推理、逻辑判断等基础能力自由组合，快速搭建完整作业工作流。平台支持按需组合调用，并支持接入VLA、强化学习等模型推理能力。面向复杂场景和定制需求，平台还提供丰富的二次开发工具，让开发者可以接入自定义业务逻辑，并与第三方通信。
编排好的应用还可以先在仿真环境中试运行，检查路径、碰撞、位姿和流程逻辑。经过验证的流程、技能节点和参数配置还可以打包成可复用业务模板，一次开发，多项目复用。
第三站 Monitor｜机器人集群 “总控指挥室”：管好几十上百台机器人持续干活
单台机器人可以工程师蹲点调试；当几十台机器人规模化铺开，靠人工逐台运维完全不现实。
Monitor是多机舰队全域运维平台，可以集中查看每台机器人的设备状态、任务进度和运行数据，对机器人进行分组管理和任务调度。
机器人出现异常时，Monitor可以记录故障、发出预警，并支持远程介入和在线调试。管理人员不必逐台登录设备、翻查日志，而是能够更快定位到具体机器人和任务环节。
Monitor记录的运行数据、异常信息和处理结果，还可以返回Agent和Flywheel，用于调整任务流程和更新模型。机器人上线不是终点，而是持续进化的起点。
真实战场成绩单：从 7‑14 天快速落地，多个标杆场景跑通规模化验证
目前，Genie Studio 2.0 已经在制造、轨道交通多个真实项目经受住产线实战检验。
常州数控机床项目｜14 天完成从需求到产线落地
围绕6台数控机床的上下料需求，引入机器人和自动导引车协同作业，通过Genie Studio 2.0，仅用14天就完成了从需求梳理到产线验证的完整流程。Flywheel完成数据和模型准备，Agent将导航、取料、机床上下料、放料和异常处理编排成完整流程。机器人先在仿真环境中检查运行路径、动作衔接和潜在碰撞，再进入真机验证。
现场联调阶段，机器人与PLC（可编程逻辑控制器）、MES（制造执行系统）、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。经过连续测试后，相关任务流、能力节点、参数和接口配置被整理成项目模板，同类产线可以快速复用。
均普智能 BMS 装配产线｜99.9% 任务成功率，7×24 小时连续生产
在均普智能中试验证线，三台精灵G2协同完成汽车电池管理系统（BMS）控制器的零部件上料与装配、成品入箱和料箱转运。双方基于Genie Studio 2.0编排任务，并在仿真环境中提前验证流程。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。
龙旗科技平板上下料产线｜多台机器人集群统一运维
在龙旗平板电脑上下料产线，Genie Studio 2.0平台对多台机器人进行统一管理，统计工作时间、作业次数、成功率、节拍和故障情况。任务出现异常时，运维人员可以查看流程执行到哪个节点，相关数据也会回流云端，用于问题分析和后续优化。
广州地铁服务场景｜60 + 台设备规模化部署
在广州地铁站点服务场景， Genie Studio 2.0已支持60余台设备部署。平台通过全局看板集中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，系统可以发送消息提醒，并支持远程连接和快捷指令，减少对现场巡检的依赖。
当前，具身智能进入真实作业场景，仍需跨越现场调试、系统集成、长期运营和跨场景复制等多重门槛。作为“AI WAVE”第二弹，Genie Studio 2.0补上的不只是模型开发环节，而是将数据、模型、机器人技能与现场系统连接为可部署、可运营、可持续优化的作业系统。
随着能力、流程和模板持续积累，机器人部署将逐步减少对从零定制开发的依赖，走向更高效的应用交付、更稳定的长期运营和更低的综合使用成本。让全栈具身AI技术最终经由真实作业场景创造价值，正是智元持续推进作业智能落地的目标。
