智元精灵G2进入便利店挑战“打工不能停”：将全栈具身AI能力放在具体任务中接受检验

IPO早知道 2026-11-02 21:41

具身智能的规模化应用，正是从一个岗位的实践、一次次经验的积累中起步。

本文为IPO早知道原创

作者｜

Stone Jin

微信公众号｜ipozaozhidao

据IPO早知道消息，六台智元精灵 G2 人形机器人于11月2日以迎宾员、咖啡师、理货员和保洁员等身份，在上海徐汇一家正在营业的便利店里开启连续工作整整一天——接单、制作、补货、打扫，进行《机器人打工不能停》挑战，接受全网观众在线监工。

自 10 月 22 日 AI WAVE 启动以来，智元陆续发布了数据、仿真、模型、本体与作业系统等多项技术成果。而这些成果集中最终走向同一场检验：在一家真实营业的便利店里，支撑机器人完成作业，并在连续 24 小时中保持稳定输出。具身智能的规模化应用，正是从一个岗位的实践、一次次经验的积累中起步。

六位“新员工”四班连轴转

便利店足够真实，也足够难

六名机器人“新员工”的工牌上，写着各自的岗位：阿豪站在门口，负责迎宾接待与顾客咨询；火宝和倦王是一对理货搭档，一个取货补货、一个巡视货架，撑起全店的商品流转；咖少是咖啡工位的专职“咖啡师”；叮酱守在收银台，顺带做熟食服务；冷姐则是全场的桌面清洁担当。六个岗位环环相扣，覆盖一家便利店从开门迎客到日常保洁的完整服务流程。

据智元具身研究中心副总裁任广辉介绍，之所以配 6 台，一是为了覆盖门店的主要岗位，二是为了验证岗位之间的协作。而背后的调度则由具身 Agent 框架 Genie Master 负责，它是整个班组的大脑，通过具身执行协议 EEP 连接机器人的能力、执行引导、结果反馈和任务连续性。具体到门店，调度要同时考虑订单优先级、机器人状态和作业空间：两项任务要占用同一个货架位置就错开，互不干扰才并行。一台机器人故障或延迟后，另一台能不能接替，取决于它有没有相应的末端工具、操作能力和空闲状态——条件满足就接管，不满足就重新编排任务，必要时请求人工。

任广辉进一步指出，便利店，足够真实，也足够难。

“在便利店，我们能很直观地观测到，机器人能不能把多种能力组织起来，持续完成任务。相比 Demo，真实门店里，顾客会走动，商品的位置、朝向、包装状态随时在变，机器人要一边理解现场，一边调整操作和任务安排。”任广辉补充道，“工业和分拣场景的技术要求同样很高，但它们强调的是节拍、精度、可靠性，环境相对固定。便利店更考验随机应变的能力——商品差异、柔性操作、人机混行、顾客交互、多机协作，全被压缩在一个小空间里，而且任务之间会互相影响：补货可能占掉取货的位置，清洁可能堵住通道，某一步延迟，后面一连串交付都要往后推。所以我们想验证的不只是单项能力，还有系统在遇到变化、中断、异常之后还能不能继续推进，以及这些经历能不能变成可复用的经验，让后面的作业更稳。”

失手计入“错题集”

让机器人持续自我进化

当然，在真实营业过程中，机器人也并非百发百中，作业时偶有失手。但失手，并不意味着失败——真实场景里，人同样会犯错，关键在于犯错之后怎么办：能不能识别问题、纠正问题，并把教训变成经验。

所以，衡量这批“新员工”是否合格，标准不在于单次成败，而在于能否“知错就改”。这正是智元此前推出具身 Agent 框架 Genie Master 的出发点：作为六台机器人共同的 Agent“大脑”，它既负责调度任务，也连接执行结果与后续学习。

“知错就改”，首先靠一套跑通的执行闭环。通过具身执行协议 EEP（Embodied Execution Protocol），Genie Master 将任务判断、动作执行与结果反馈连接起来。Agent 根据机器人的能力与现场状态组织任务，动作策略结合实时观测完成操作，执行结果再返回 Agent，为后续判断和异常处理提供依据。

但当场纠正还不够，更关键的是把新掌握的技能转化为可复用的经验。Genie Master 每日总结成功与失败的作业轨迹，并将相关经验存入长期记忆，遇到同类任务时直接调用；有效的调整过程则形成训练数据，反哺动作策略的持续优化。“记住经验”与“练成技能”两条路径相互配合，让每一轮作业都为下一轮学习提供反馈，机器人由此“边上岗、边解锁新技能”。

这套机制已经在门店里初见成效：过去一段时间，精灵 G2 已在多个复杂精细任务上持续改进；深夜空闲时，机器人还会主动加练。

全栈布局将从四方面接受检验

同一套经验将向更多岗位、更多场景复制

从系列技术发布，到六台精灵G2走进便利店，智元正在将全栈具身AI的能力放到具体的营业任务中接受检验。数据、模型、仿真平台、本体与作业平台的价值，也由此落在了服务能否完成、异常能否处理、经验能否复用这些实际问题上。

在任广辉看来，过去（机器人进便利店）的核心难点是，单项能力和门店实际运营之间有距离——能抓某些商品，不等于能稳定处理多包装、复杂订单、顾客干扰和异常恢复。现场适配和维护如果一直依赖工程师，复制成本就降不下来。

而从单店到规模化，要解决机型和工具标准化、商品和业务系统接入、快速部署、远程运维，以及经验怎么在不同门店之间复用。进餐饮和工业，还要分别满足卫生、工艺、节拍和安全要求。智元的做法是把数据、模型、本体、部署系统全栈打通，让能力以体系的方式沉淀，每部署一个新门店，重复开发的工作越来越少。

谈及如何验证全栈布局的成效时，任广辉表示，智元希望看到四类能持续核验的结果——第一，同样任务和服务标准下，合格产出提高，重试、人工接管和异常恢复的耗时下降。第二，换商品、换布局、换门店之后，需要补的数据、调试时间和工程投入减少，已有能力能直接复用。第三，部署后的改进在独立评测里站得住，不以原有能力退化为代价。第四，长周期运行覆盖不同班次和客流，成本随运营成熟度持续下降。

接下来，智元将继续打通技术与真实应用之间的链路，让机器人在岗位上接受检验、在作业中持续改进。随着这套能力在更多任务上被验证、被沉淀，同一套经验将向更多岗位、更多场景复制。

本文由公众号IPO早知道（ID：ipozaozhidao）原创撰写，如需转载请联系C叔↓↓↓