先把核心结论说清楚:11 月 10 日,大晓机器人(ACE ROBOTICS)宣布把 "双脑协同架构" 带入真实酒店洗衣场景,机器人可以独立完成从客房取衣、穿过公共区域到洗衣房、操作洗衣机和烘干机、装篮再送回客房的完整长流程服务。这是世界模型、通用模型与具身智能 RSI(递归自我改进)策略在酒店真实洗衣业务中的首次集中落地。所谓 "双脑",一侧是以 Mundo 世界模型为代表的环境与物理仿真脑,负责把真实酒店重建为可交互的数字孪生场景;另一侧是以 GPT-Astra 等通用模型为代表的任务与技能脑,负责理解目标、推理方案、生成并迭代技能。真机执行后的反馈再通过 RSI 策略回流,持续改进可部署的技能。实测中,某一新操作首次现场决策耗时约 30 分 15 秒,有效做法沉淀为 skill 后一轮执行约 18.6 秒,提速约 97 倍。需要说明的是,这些数据来自项目初测和真机实验口径,场景覆盖、稳定性和商业化规模仍需后续验证。下面把架构分工、任务流程、训练链路、迭代机制和公司背景逐项拆开。
一、事件要素一览
| 项目 | 公开信息 |
|---|---|
| 企业 | 大晓机器人(ACE ROBOTICS),扎根上海徐汇 |
| 落地场景 | 真实酒店洗衣(客房取衣 — 洗烘 — 送回客房) |
| 架构名称 | 双脑协同架构 |
| 技术组成 | Mundo 世界模型、Astra 通用模型、具身智能 RSI 递归自我改进、BotAgent 业务编排 |
| 落地意义 | 世界模型、通用模型与 RSI 在酒店真实洗衣场景的首次应用 |
| 公开初测数据 | 新操作首次决策约 30 分 15.64 秒;固化 skill 后约 18.648 秒,约提速 97 倍 |
二、双脑怎么分工
| 脑侧 | 对应模型 / 模块 | 主要职责 | 输出 |
|---|---|---|---|
| 世界模型脑(环境侧) | Mundo 世界模型(开悟世界模型体系的补充) | 基于房间、走廊、电梯、洗衣房图片集重建三维场景,纳入物体质量、摩擦等物理属性,由物理引擎计算运动、接触与碰撞 | 高保真数字孪生训练环境,支持导航、操作训练和策略优化 |
| 通用模型脑(任务与技能侧) | GPT-Astra 等通用模型 | 任务理解、视觉推理、方案探索、技能生成与问题改进 | 经过验证的程序化 skill,含感知、定位、规划、动作、条件判断和异常恢复 |
| 执行与编排侧 | 机器人本体 skill / 策略 / 控制器 + BotAgent | 实时感知与动作执行;拆解订单、调用技能、协调机器人与洗衣机、烘干机、暂存位等资源 | 从取衣到送回客房的完整服务流程 |
分工的关键逻辑是:通用模型擅长探索做法,但每一步都靠模型临场推理会带来时延;精细操作需要稳定、可复现的执行能力。因此让模型先探索出有效做法,再固化为机器人端可高效复用的 skill,兼顾执行效率与场景适应能力。
三、酒店洗衣全流程任务清单
整套服务按顺序包含以下环节:
- 客房取衣:导航到目标房间,识别并收取待洗衣物、抓取衣篮。
- 跨区域通行:穿过走廊、电梯口和狭窄区域,规划路线抵达洗衣房。
- 洗衣机操作:打开洗衣机门、放入衣物、关门、按键启动。
- 烘干转移:将洗好的衣物转移至烘干机,完成烘干。
- 装篮取出:取出衣物、装入衣篮,处理裤腿残留等细节。
- 送回客房:按路线将洗净衣物送回对应客房。
在技能组织上,团队围绕洗衣场景训练了 53 个原子动作,组合为导航到房间、取篮子、前往洗衣区等 14 个高层语义步骤,并可按房间位置、路线、设备状态和订单要求组合成超过 200 种场景动作。
四、Real2Sim2Real 训练链路
机器人不在真实酒店里直接反复试错,而是走一条 "真实场景 — 仿真训练 — 现场执行" 的闭环链路。
- Real(真实场景输入):采集房间、走廊、电梯、洗衣房的多视角图片集,提供空间依据和具体目标。
- Sim(数字孪生训练):Mundo 把场景重建为空间结构、位置关系和物理属性高度还原的可交互环境;机器人在其中练习路线定位规划,以及取衣、搬运衣篮、操作洗衣机等对柔性衣物和刚性物体的操作;每次尝试产生的动作轨迹、接触状态和视觉观测,用于比较策略、优化动作。
- Real(现场执行验证):仿真中优化过的策略迁移到真实酒店执行,现场结果再回流,验证策略效果并反哺下一轮适配。
这条链路让大量试错和策略调优在虚拟空间完成,缩短场景适配周期、降低现场调试成本,仿真沉淀的经验也可复用到同类服务场景。
五、RSI:从真机反馈中持续改进技能
1. 迭代机制
RSI 策略面向真实身体与物理环境,处理视觉遮挡、定位偏差、物体接触、衣物形变等具体问题,并用真机结果检验改进是否有效,闭环步骤如下:
- Astra 根据目标生成 skill,机器人真机执行并记录多路录像、测量数据和动作时间线。
- Astra 结合失败、用户反馈和执行指标定位问题,提出改进方案。
- 改动先经历史样本离线回放,确认修复有效且原有能力未退化后,再部署到机器人进入下一轮。
- 机器人在轮次中稳定执行,Astra 在轮次之间分析和改进,保证每轮任务可复现、可回放,技能持续进化。
2. 纳入的配套能力
- 自主复位:烘干机取衣后机器人可自行将衣物散开放回,为下一轮实验创造起点,减少人工复位等待。
- 独立评判:另一个 Astra 依据录像和测量独立判断结果,对分歧轮次复核。
- 版本撤回:效果不佳的修改可以撤回;评价标准从 "是否抓起" 细化为 "筒内还剩多少衣物",并通过历史记录核对。
3. 公开实验数据
烘干机取衣技能约 57 小时完成 165 轮真机实验,形成 37 条改进提议和约 80 个版本,场景逐步扩展到牛仔裤、洗衣袋及混合衣物;后期单轮用时 170 至 210 秒,牛仔裤留在筒内的比例从平均 48% 降至 32%,最好一次为 19%。
4. 典型调优案例
- 抓篮子视野遮挡:腕部相机离目标太近、标签易被遮挡,Astra 改用头部相机并优化观察规则。
- 烘干机取衣残留:针对裤腿仍拖在筒内的问题,调整抬起高度和指尖角度。
- 按键定位校验:先验证识别和定位,发现位姿数据过期便拒绝按压,之后改进时间同步和拍摄条件。
六、公司与其他业务背景
- 大晓机器人核心团队汇聚 AI 领域科研人才,董事长王晓刚为商汤科技联合创始人,首席科学家由陶大程院士担任,团队延续计算机视觉和人工智能大模型积累,独立聚焦具身智能赛道。
- 已形成三类行业方案:晓满即时零售、晓新酒店非标洗衣房、晓途开放场景。其中晓满履约机器人 W1 已在部分便利店场景运行,依托 SenseMart OS 生态;晓途在上海西岸片区开展开放场景试点。
- 本次酒店洗衣是其双脑协同方案在真实服务业流程中的一次落地验证,重点是证明机器人能承接完整长链条服务,而不局限于单个简单动作。
七、本篇小结
大晓机器人这次酒店洗衣落地,展示的是一条可复用的技术范式:先用世界模型把真实场景变成可训练、可交互的数字孪生环境,再用通用模型探索任务方案并固化为高效技能,最后靠 RSI 把真机反馈转化为持续迭代的技能版本。双脑协同解决的是 "环境理解" 和 "任务推理" 两类能力的分工问题,RSI 解决的是 "经验如何沉淀、技能如何进化" 的问题。后续值得跟踪的节点包括:方案在更多酒店和房型中的稳定性、200 余种场景动作的实际覆盖度、单轮作业成本与人效对比,以及晓满、晓途等其他场景能否复用同一套双脑架构。
【相关 FAQ】
问题 1:大晓机器人双脑协同架构里的 "双脑" 分别指什么,在酒店洗衣场景各做什么?
回答 1:双脑一侧是 Mundo 世界模型构成的环境脑,把真实酒店重建为带物理属性的数字孪生场景,支持导航和操作训练;另一侧是 Astra 通用模型构成的任务技能脑,负责任务理解、方案探索、技能生成和问题改进。机器人本体 skill 和 BotAgent 负责实时执行与订单编排,共同完成客房取衣、洗烘到送回的酒店洗衣全流程。
问题 2:这次大晓机器人在酒店洗衣场景落地了哪些任务,覆盖多少种现场工况?
回答 2:任务覆盖客房取衣、跨走廊电梯通行、洗衣机开关与投放、烘干转移、装篮取出和送回客房。技能层面由 53 个原子动作组成 14 个高层语义步骤,可按房间位置、路线、设备状态和订单要求组合成超过 200 种场景动作,BotAgent 负责拆解订单并协调机器人与洗衣设备资源。
问题 3:双脑协同里提到的 RSI 是什么,机器人怎么从真机反馈中改进?
回答 3:RSI 即递归自我改进,是大晓专为具身智能设计的迭代策略。机器人真机执行后留存多路录像、测量数据和动作时间线,Astra 结合失败和反馈定位问题、提出改进方案,先经历史样本离线回放确认不破坏原有能力,再部署到下一轮;配套自主复位、独立评判和版本撤回,让技能在轮次间持续进化。
问题 4:公开报道里 30 分钟到 18 秒、97 倍提速是怎么算出来的?
回答 4:这是某一新操作的初测对比:尚未接入 Harness 时,Astra 首次完成该操作现场决策耗时约 30 分 15.64 秒;把有效做法沉淀为 skill 后,机器人一轮执行耗时约 18.648 秒,据此测算约提速 97 倍。该数据为单项操作初测口径,不等同于整趟酒店洗衣服务的平均耗时。
问题 5:大晓机器人除了酒店洗衣,还有哪些落地场景,双脑架构能否复用?
回答 5:大晓已形成晓满即时零售、晓新酒店非标洗衣房、晓途开放场景三类方案,晓满履约机器人 W1 已在部分便利店运行,晓途在上海西岸片区试点。本次酒店洗衣验证的是世界模型加通用模型加 RSI 的双脑范式,后续能否复用到零售、巡检等其他场景,取决于场景适配数据和技能迁移效果,仍需后续观察。
【参考资料】
- [2026-11-13](徐汇硬核 AI 上新!双脑协同机器人承包酒店洗衣全流程,还会自主进化)上观新闻・上海徐汇
- [2026-11-13](ACE Robotics Pairs Mundo World Model With Self-Improving Skills to Run a Hotel Laundry Workflow)Pandaily
- [2026-11-12](大晓机器人双脑协同架构首次落地酒店洗衣场景)ZAKER・瑞财经
- [2026-11-11](引入双脑协同架构,大晓机器人进酒店完成全流程洗衣)南方 +
- [2026-11-11](顶尖班底与数据飞轮双轮驱动,大晓重塑具身大脑融资范式)界面新闻
- [2026-11-10](大晓机器人双脑协同架构首次落地酒店洗衣场景)腾讯网・界面新闻
- [2026-11-10](大晓机器人双脑协同架构落地酒店洗衣场景)北京商报
- [2026-11-10](从 30 分钟到 18 秒,大晓机器人把酒店洗衣变成 "专属训练世界",97 倍提速背后是具身智能 RSI)新闻晨报・随申 Hi
- [2026-07-21](物理 AI 迎来 "开悟时刻":大晓打通具身智能落地全链条)中国新闻周刊
【免责声明】
本文基于公开新闻报道与企业公开信息整理,所引用的提速倍数、实验轮次、版本数量、残留比例、场景动作数量及团队背景均来自对应来源,部分为项目初测或真机实验口径,可能受特定酒店环境、设备型号和任务类型限制,不代表普遍量产水平。文中涉及的方案覆盖度、商业化进展和其他场景复用情况,以大晓机器人官方后续披露为准;本文不构成投资、采购或合作建议。请在决策前核实官方最新信息并独立判断,风险自担。
本文来自作者[汀间寻狐]投稿,不代表诚邦网立场,如若转载,请注明出处:https://www.cbpmc.com.cn/qyzx/202611/516.html
评论列表(4条)
我是诚邦网的签约作者“汀间寻狐”!
希望本篇文章《大晓机器人双脑协同架构首次落地酒店洗衣世界模型加通用模型,RSI 驱动真机反馈迭代》能对你有所帮助!
本站[诚邦网]内容主要涵盖:互联网行业的追踪与探索
本文概览:先把核心结论说清楚:11 月 10 日,大晓机器人(ACE ROBOTICS)宣布把 "双脑协同架构 " 带入真实酒店洗衣场景,机器人可以独立完成从客房取衣、穿过公共区域到洗衣房、操作洗衣机和烘干机、装篮再送回客房的完整长流程服务。这是世界模型、通用模型与具身智能 RSI(递归自我改进)策略在酒店真实洗衣业务中的首次集中落地。所谓 "双脑 ",一侧是以 Mundo 世界模型为代表的环境与物理仿真脑,负责把真实酒店重建为可交互的数字孪生场景;另一侧是以 GPT-Astra 等通用模型为代表的任务与技能脑,负责理解目标、推理方案、生成并迭代技能。真机执行后的反馈再通过 RSI 策略回流,持续改进可部署的技能。实测中,某一新操作首次现场决策耗时约 30 分 15 秒,有效做法沉淀为 skill 后一轮执行约 18.6 秒,提速约 97 倍。需要说明的是,这些数据来自项目初测和真机实验口径,场景覆盖、稳定性和商业化规模仍需后续验证。下面把架构分工、任务流程、训练链路、迭代机制和公司背景逐项拆开。