星海图WRC最大展台：具身智能考题转向“快、准、泛化”

事件概述

2026年世界机器人大会（WRC）上，星海图以500平方米展台成为全场最大展台，主题为“生产力觉醒”。现场10组Demo同时开工，覆盖前置仓、工业装配、礼盒折叠、双足与轮式新品等，集中展示具身智能从“自主干活”迈向真正生产力的关键考验——泛化、精度与效率。

核心展示与关键数据

• 前置仓场景：星海图与京东合作，用户iPad下单后，机器人自主排队、找货、取货、送到柜台，并完成打包、封口等全流程。货架无需刻意调整，整套流程由机器人端到端执行。背后的G0.5模型已泛化到上万种SKU，现场从下单到拿到商品约3-4分钟。
• 工业装配：机器人组装机器人场景考验精度。星海图在基础模型上引入强化学习，将操作精度做到1mm以内、成功率99.9%，工作效率提升400%。
• 柔性操作：折礼盒任务中，机器人约1分钟完成，并能根据纸盒实时状态调整动作；面对叠衣服等柔性物体同样适用，解决了此前机器人“中间一步被打断即宕机”的问题。
• 双足机器人Kengo：遇到没见过的地形时无需重新训练，可边感知边调整步态。运控技术可追溯至2023年联合创始人赵行团队的Robot Parkour Learning，该工作曾入选CoRL 2023 Oral并跻身最佳系统论文候选Top 3。
• 其他展示还包括抓包裹、物料分拣、折衣服、长程送件等。

模型架构与技术路线

• VLA模型G0.5：采用统一自回归路线，将视觉理解、具身推理和动作生成放进同一个Transformer Decoder，不同于“VLM负责看和想、Action Expert负责动”的分离架构。该设计让模型一边理解环境、一边生成动作，并可将大语言模型已有的理解与推理能力迁移到机器人任务中。G0.5已在LIBERO、BEHAVIOR-1K、RoboTwin 2.0、DROID Zero-shot等8个权威Benchmark中登顶。
• 世界模型Fast-WAM：针对以往世界模型推理过慢的问题，将推理延迟压至约190ms，较传统方案提升约4倍，发布时为全球最快。目前论文引用量位居世界模型领域第一。

数据与闭环

星海图押注真实数据，2025年9月开源GOD真实场景数据集，下载量全球第一；通过投资简智、元流等扩充数据来源，并计划2026年将真实数据规模做到100万小时。自研本体包括双足机器人Kengo、轮式机器人Nexo以及R1、R1 Lite、R1 Pro等。创始人高继扬表示，不掌握本体就很难掌握数据闭环，数据闭环跑不起来，大脑就难以持续迭代。由此形成“数据推动模型、模型定义本体、本体再生产数据”的飞轮。

值得关注

当“自主干活”逐渐成为行业标配，具身智能的新考题已转向：换一个物体还能否泛化？精度和良率能否满足产线要求？效率能否超过人工？星海图用最大展台同时摆出泛化、精度、效率三项考验，意味着行业竞争正从“机器人能不能自己干”进入“能不能快、准、泛化地干活”的新阶段。