Skip to content

新闻AGIBOT 智元(网页)(via AIHOT)13 天前

智元精灵G2便利店24h实测:Genie Master框架驱动多岗协同与记忆进化 ​

本文由 AI 根据公开内容整理,可能有误,请以原文为准:AI WAVE丨全天营业、全网监工,智元精灵G2进入便利店挑战“打工不能停”(AGIBOT 智元(网页)(via AIHOT))

核心内容 ​

11月2日,6台智元精灵G2人形机器人进入上海徐汇某营业中便利店,开展为期24小时的连续作业实测。机器人分别承担迎宾、咖啡制作、理货补货、收银服务及桌面清洁等全流程岗位,覆盖午晚高峰、深夜值守及早高峰班次。此次测试作为AI WAVE系列技术发布的实战收官,旨在检验全栈技术在真实动态环境下的稳定性与业务承接能力,最终考核结果将基于任务成功率、异常处理及顾客反馈综合评定。

系统层面采用具身Agent框架Genie Master作为统一调度中枢,结合具身执行协议EEP构建“任务判断-动作执行-结果反馈”闭环。针对便利店商品位置多变、光照复杂等非结构化挑战,机器人通过实时视觉盘点替代固定坐标抓取,并具备双重校验机制。关键创新在于将成功与失败轨迹存入长期记忆,遇同类任务直接调用经验,有效调整过程转化为训练数据反哺策略优化,实现“边上岗边学习”的持续进化机制。

关键看点 ​

  • 多岗协同实测:6台精灵G2在24h内轮值迎宾、咖啡师、理货、保洁等5类岗位,覆盖便利店全时段运营流程
  • Genie Master架构:具身Agent框架统一调度任务,通过EEP协议打通感知、决策与执行反馈闭环
  • 长时记忆进化:作业轨迹存入长期记忆库,失败案例自动归纳为训练数据,支持策略持续迭代优化
  • 非结构化适应:摒弃标签坐标依赖,采用实时视觉盘点与力控抓取,应对商品位姿动态变化

工程与产业观察 ​

此次实测标志着具身智能从实验室演示迈向真实商业场景的关键一步。Genie Master框架与EEP协议的工程化落地,验证了机器人在非结构化环境中通过记忆复用实现技能积累的可行性。其“错题集”机制为行业提供了可复制的数据飞轮范式,对解决长尾任务泛化难题具有重要参考价值,加速了人形机器人从技术验证向规模化运营的过渡。

线索来源:AIHOT

基于本页技术方向关联的整机参数、核心零部件、实测报告与同赛道选型横评。

外部来源

本页事实对应的公开页面,以原文为准。(点击将离开本站)

  1. AGIBOT 智元(网页)(via AIHOT):AI WAVE丨全天营业、全网监工,智元精灵G2进入便利店挑战“打工不能停” ↗访问 2026-11-09