一只双足机器人，先学会了跟人打球。
现在它换了任务。
原来那套本事，还能剩下多少。
10月18日，第140届广交会在广州。
一家本地企业把机器人摆在了好几个位置。
珠江边打球。展馆里讲解。展位上搬货巡检。
4月的第139届，它只打了5天球。
这一届，讲解和互动要连做三期。
一直排到11月4日。
展会上露个脸，一次就够。
连着上班，靠的是另一套东西。
同样一台机器，任务从一项变成几项。
场地也从一块变成好几块。
这中间隔着的，是能不能复制。
时间拉长，任务变多，要求也跟着涨。
不只是打好一场球。
模型能不能换个任务接着用，设备能不能换个场地接着跑。
这两件事凑一起，才决定它能不能连着上班。
图 1 · 第139届广交会的人机羽毛球对打
一、球打完了，本事怎么带走
双足机器人每接一球，要做四件事。
盯住球。判断落点。选好击球方式。再把身体协调起来。
对手的运动习惯不一样。
球的速度和方向也不一样。
固定动作套不住，很多球路也预设不了。
只能当场随机应变。
双足打球更麻烦。
移动，挥拍，保持平衡，得同时完成。
它做判断的时候，球并没有停下来。
位置信息一直在更新，动作就得一直改。
感知、决策与执行能不能跟上，直接决定这球接不接得住。
球场是个难得的测试场。
边界清楚，人的动作却猜不到。
球飞过来的角度，每天都在变。可球场大小不变，规则也不变。这种半开放的场景，最适合拿来试模型。
在这里练出来的本事，换个项目还灵不灵。
这个问题不只属于羽毛球。
换成乒乓球，足球，或者收纳搬运和巡检，答案都要重新确认。
常规做法是微调训练。
哪怕任务一样，换个本体形态，也可能得重训一遍。
行内把这叫一机一训。
难点在耦合。
模型和硬件平台绑得紧，和控制接口绑得紧，和任务环境也绑得紧。
迁移一次，成本就上去一截。
说白了，这类 AI工具 的麻烦，全压在这一层。
拿抓取举例。
单臂换双臂，关节数量和自由度都变了。相机数量变了，布局也变了。末端执行器换了，控制方式跟着换。
原来的策略很难直接搬过去。
预训练模型也不等于免费。
没见过的构型，还是得补采数据。
感知输入要调，动作输出接口要调，训练和微调一样跑不掉。
它能给一个起点，但不是零成本搬家。
多一种本体，多一类任务，就多一轮采数、适配和验证。
投入变多，部署周期也变长。
对小团队来说，这笔账不好算。
客户要的是能上岗，不是能演示。
这件事行业研究了很久。
2023年，谷歌那边联合33家学术实验室做了个开源项目。
22种机器人，100多万条真实操作数据。527种技能，16万多项任务，拿来训了一系列模型。
想验证的只有一件事，一台机器攒的经验能不能帮到另一台。
那批数据后来成了公开底座。
不少团队直接在上面接着训。
但底座不等于万能。
换一台没见过的机器，接口还得重新对。
国内也有类似的尝试。
这家企业用了不到一个月，把打球的本事挪到了乒乓球上。
目标跟踪和动作协调，确实有共用的部分。
一机一训这道题，算是找到了一个切口。
切口归切口，规模还是问题。
一次迁移要一个月，十个场景就是十个月。
客户等不了这么久。
再往搬运和巡检走，麻烦换了个样子。
搬东西要看负载，要看末端工具。
巡检要看地形，要看环境。
复杂一点的活，还得先弄懂目标。
把步骤排好，再看执行结果改计划。
这一步比接球难。
接球错了，下一球还能补。
长活错了，前面几步全白干。
现在机器人靠迁移能接新任务，但多数还是单项。
打球的只打球，搬货的只搬货。
能连着做三件事的，市面上还不多。
下一步要看的是长活。
能不能理解，能不能规划，能不能一路做到底。
图 2 · 具身技术栈：深度思考交给大模型
二、想得快，还得动得快
听懂一句话，看懂两个物体的关系，这里头事不少。
要用语言和视觉，还要懂人的意图。
空间推理也得有。
通用大模型的进步，正好补上这一块。
跟 AI对话 那种一问一答不一样，机器人每秒要回几十次。
2025年，谷歌出过一个侧重空间理解的版本，能规划多步任务。
它能接上已有的底层控制器。
模型负责想，控制器负责动，分工就这么来的。
2026年9月的公开评测里，一个通用模型跑了42项仿真任务。
2100次测试，平均成功率22.48%。
精确操作和动态控制，仍然是它的短板。
这个结果说明潜力在，但不能全押。
写 AI编程 的人早就习惯了自动补全，机器人这边还差得远。
这家企业给出的方案叫具身技术栈。
主张很直接，机器人公司不必自己造一个全能大脑。
通用模型，物理智能体，运控系统，本体，分开干活。
他们做了三组真机实验。
第一组让模型指挥多步任务。
模型拆目标，运控系统管动作。
抓一个银色工件，前两次都掉了。回传之后重新规划，第三次才抓稳。会看错，也会改，这一点成立。
但这一组花了约3小时。
连续操作的场景，等不起这个时间。
于是分工再切细一层。
通用模型管深度思考，物理智能体管实时决策。运控系统管运动控制，本体管执行。
通用模型把长任务拆成子任务。
物理智能体用端侧模型随时改主意。
运控系统把决策变成指令，本体照做。
感知，决策，控制，执行，反馈，串成一个圈。
第二组实验换了个场景。
酒店清洁用品的收纳，三件工件。
通用模型给子任务序列，物理智能体在现场补位。
抓完三件，用了不到2分钟。
按单件平均折算，效率是第一组的100倍以上。
诀窍不在模型更聪明。
宁可让端侧自己拿主意，也不让整条线卡在等推理上。
图 3 · 模型自己搭训练，30 秒动作对比
第三组实验里，工程师只写三样东西。
任务目标，约束条件，还有仿真搬真机的注意项。
模型自己生成训练智能体，调显卡跑训练。
仿真里自动验证迭代，达标再上真机。
新场景的训练效率，提升了数十倍。
以前手工调、反复验的活，现在有模型搭手。
三组实验指向同一种分工。
通用模型出理解，团队管物理世界里的反馈和动作。
规划能不能落到设备上，就看这一段顺不顺。
训练和部署提速，只是第一步。
能不能变成持续的服务，还得看场地里的表现。
图 4 · 商场羽球馆里，机器人陪顾客打球
三、从一场秀到一门生意
今年夏天，商场里已经能见到这类服务。
过去只在展会和电视里出现的机器人，走到了人身边。
这家企业是其中一个。
它把展台上的对打，搬成了商场的常设项目。
7月初，广州一家商场开了个羽球馆快闪店。
开了将近一个月。
来的人年龄不同，口音也不同。
从老人到小孩，也有海外游客。
单日最高接待上千次。
累计接触的市民接近一万。
服务时间一长，现场的事就多了。
要组织排队，安排顺序，还要管设备维护。
快闪的价值，是把算法和流程放进同一个环境里验。
人员怎么排，设备怎么调，都算进部署方案。
下一处场地才有东西可抄。
第140届广交会把范围又放大了一圈。
讲解和体育互动覆盖三期。
第一期展位上，工业搬运，特种巡检，灵巧操作，一起摆开。
图 5 · 展位上的巡检机器人演示
珠江边散步道上，它打羽毛球，打乒乓球，还打拳击。
转身又成了讲解员。
在陈列馆里，它自己认路，自己避障，中英双语讲解。
这套安排要持续到11月4日。
图 6 · 陈列馆里的智能导览，自己认路自己避障
同一系列机器人既打球又讲解。
任务模型和场地配置，得随时能换。
走到工业和特种作业，选型又是一道题。
要看负载，要看地形，还要看怎么操作。
搬重物用的是四轮足机器狗。
它背着大货箱走，持续负载210公斤。
最大能到500公斤。
图 7 · 这只四轮足机器狗，换上了巡检挂载
同一个本体，背上还能换挂载。
挂上什么，就能干什么。
换成灭火器、烟感器和激光雷达，就是巡检和应急的配置。
图 8 · 灵巧手在玩剪刀石头布，23个主动自由度
精细活还得靠手。
这家企业首次公开了全直驱的拟人灵巧手。23个主动自由度，能做机械臂协同，也能做精密装配和遥操作。
产品摆在一起，思路就清楚了。
先看任务要什么，再定本体。
已有的硬件和控制能力，尽量接着用。
复制到下一个场地，本体和设备可以照搬。
重点挪到新任务的模型适配和现场调试。
能复用的部分越多，要重做的环节就越少。
单个项目的实施成本，才有机会往下走。
能不能在新场地一直跑，还要看部署和运营接不接得上。
图 9 · 与双鱼签约，场地和技术接上了
运动业务上，它找了体育品牌做搭档。
技术开发和场地支持，各出一半力。
日前，双方完成了战略合作签约。
共建运动交互实验室，做赛事互动，也做体育教育。要把一次合作复制到更多场地，经验得变成标准件。
与其每换一个场地重新摸索一遍，不如把踩过的坑整理成动作。
他们给出的答案是场景方案。
以体育娱乐和商业服务为切口，把场地条件装进去。
硬件，模型，还有运维，也装进同一套东西。
合作方不用再逐项核对配套条件。
采购完就能开张，部署和运维提前解决掉。
两届广交会的对比，也能看出这条路。
4月那届，重点是羽毛球的智能决策和互动体验。
到了这一届，应用扩到公共服务。
不同本体，多种场景，一起上场。
背后是环境适配和硬件配置的统筹。
模型怎么部署，运维怎么跟上，也得提前想好。
这套全链路的标准化能力，已经初步成形。
结语 · 多一个场景，少一些重复投入
多场景，常态化上岗，是商业化的必经之路。
真正卡住进程的，是每多一个客户，还要投多少新的训练、调试和维护。
已有的经验越能派上用场，研发投入才越摊得薄。
账其实很好算。
一台机器多跑一个场地，边际成本就低一截。
反过来，每次从零调一遍，规模越大越吃力。
广交会上的展示，只是起点。
能把多少经验带到下一个场景，让客户少调试几天，更快投用。
这决定机器人能不能走进更多场馆，并且留下来长期干活。
这里需要的，正是把场地，硬件，模型和运维统一起来的标准方案。
这家企业的尝试说明，行业里已经有人迈出了第一步。
剩下的是时间和订单。
谁能把重复的部分先做完，谁就先跑起来。
