WAIC 现场从不缺“表演型”机器人，模型惊艳、本体精美、互动吸睛。然而，一旦脱离预设环境投入真实作业，许多机器人便显得力不从心。今年 WAIC 的显著变化在于，真正具备实干能力的机器人开始登场，极智嘉便是其中的代表。
极智嘉在展台复刻了全套真实作业场景，展现了卓越的多 SKU 泛化能力。无论是抓取充气量不同的袋装薯片、透明包装面包，还是边界模糊的毛绒玩偶，均能精准完成。分拣后，机器人还能协同移动机器人进行料箱搬运，实现端到端的高效作业。
能够将泛化能力与作业效率在真实场景中打通，极智嘉交出了一份具有行业代表性的答卷，并获央视新闻报道。
这一突破源自极智嘉合作研发并发布的世界模型 Gravity 4D。该模型并未追随仅在画面层面做预测的主流路线，而是向前迈进了一步：通过让模型学习包含三维空间与时间维度的"4D 表征”，使其依据物体结构和运动规律而非画面表象进行判断。这使得机器人在面对光照变化、视角切换及商品更替等真实扰动时，展现出更强的稳定性与泛化能力。
为推动机器人真正走进工厂，极智嘉制定了“一核双引擎”战略：“一核”指 Gravity 具身智能框架，即懂物理、能干活的大脑；“双引擎”分别为数据与生态。数据引擎将真实作业经验回流以优化模型，生态引擎则联合上游大脑与本体制商，共同交付复杂的工厂场景需求。
01 参考第五代模型，比大热的世界模型走得更远
理解 Gravity 4D 的定位，需先厘清具身智能的技术演进趋势：从纯语言模型，到基于图文的 VLA 模型，再到基于视频引入时间维度的第三代世界模型。当前学术界正探索第四代（基于三维空间）与第五代（三维加时间，即 4D 表征）模型。
极智嘉此次发布的 Gravity 4D，抢先提取了对拣货最具价值的 4D 表征层，从而在 WAIC 上实现了优异的拣货效果。
主流世界模型多在 RGB 像素层预测未来画面，虽能生成视觉合理的视频，却难以保证物理一致性，容易出现“穿模”或违背重力规律的现象。这在视频生成中仅是瑕疵，在真实仓库中则可能导致货物摔坏或设备撞损。
Gravity 4D 的核心突破在于补全了画面背后的“物理”逻辑。它在预测未来时，同步学习物体在三维空间的确切位置及其运动方向。团队摒弃了仅在外挂分支预测三维信息的捷径，转而采用“原生融合”策略，将三维信息与画面信息在同一套训练中深度融合。这种第一性原理的 approach，使模型从根本上理解了结构与运动，显著提升了泛化能力。
在公开基准 LIBERO-Plus 上的测试印证了这一点：Gravity 4D 相比基线整体提升约五个点，尤其在相机视角、光照、传感器噪声等仅改变画面而不影响底层结构的扰动下表现稳健。对于大规模部署而言，这意味着模型能从底层消化传感器安装误差和环境光照差异，无需反复采集数据微调，极大地降低了落地成本。
02 不只会秀 demo，追求落地
极智嘉的模型设计初衷即为产业落地。其核心理念是：通过服务真实产业积累数据，反哺模型迭代。真实产业中的 Corner Case（极端案例）是模型进化的关键，如商品被挤至角落、包装反光干扰视觉、抓取导致货位偏移等，这些无法在实验室完全模拟，只能在真实作业中不断修正。
针对行业“模型不好用不敢进场，不进场地没数据模型好不了”的死结，极智嘉凭借更好的模型、本体及客户资源打通了闭环。
在本体设计上，极智嘉未选择两指夹爪或五指灵巧手，而是采用了三指手。这是基于真实产线强度的精细考量：高频作业下，五指手寿命不足，两指手覆盖 SKU 有限，而三指手在灵巧度、寿命与可靠性之间取得了最佳平衡。
此外，极智嘉构建了三层数据体系：底层利用互联网数据建立常识，中层通过人类第一视角操作数据贴近真实动作，顶层则依靠昂贵的真机数据尤其是 Corner Case 进行打磨。公司还计划自建数据采集工厂，加速这一飞轮运转。
03 市场需求度极高，但没有人能独自把它接住
市场对实干型机器人的需求迫切且巨大。全球范围内，工厂与仓库面临严峻的用工荒，劳动力在数量与质量上均存在缺口。客户对机器人的接受度远超预期，只要产品稳定可靠并能带来明确的投资回报，便供不应求。真正的瓶颈在于供给端缺乏能真正干活的机器人。
鉴于具身智能技术路径尚未收敛，单一企业难以覆盖所有场景。极智嘉在 WAIC 上推出了 GINO ECO 开放生态：作为最接近客户的集成商与解决方案专家，极智嘉桥接下游产业需求与上游技术供给，与合作伙伴共享场景数据、共建解决方案。
极智嘉联合创始人陈曦表示，开放并非让渡壁垒，而是将“最懂场景、最能交付”的核心能力平台化。目前，极智嘉已集齐量产在即的机器人本体、懂物理的前沿大脑、百万级 SKU 的真实作业场景以及运转中的数据闭环。在多数玩家仍在补齐短板的赛道上，这套组合拳构成了稀缺的竞争优势。
演示时代即将过去，未来的故事属于那些真正将机器人送入工厂并让其长期稳定运行的人。
来源 | 极客公园
