在具身智能领域，人形机器人正从实验室走向真实场景，但落地难题始终横亘在前。尽管各类展会上机器人已能完成礼宾引导、快递分拣等任务，但面对真实世界的意外状况时，其表现仍停留在“预设程序表演”阶段，缺乏随机应变能力。智元机器人合伙人、首席科学家罗剑岚直言：“现实世界不是演示场景，机器人能否落地取决于可靠性，而非单纯的功能展示。”
针对这一痛点，智元机器人推出面向真实世界部署的在线后训练系统SOP，试图重构机器人学习范式。传统具身智能依赖视觉-语言-动作模型（VLA），通过图片、视频等离线数据训练机器人“基本功”，但这种“闭门修炼”模式难以应对复杂环境。罗剑岚比喻：“这就像照着秘籍在山洞练功，下山后才发现对手招式千变万化，秘籍里的套路根本不够用。”
SOP系统的核心在于构建“集体在线学习”闭环。数十台具备基础能力的机器人被派往真实场景“历练”，无论任务成功或失败，经验都会实时回传至云端算法模型。算法分析后更新训练策略，再同步至所有机器人。这种“干中学”模式使机器人群体能快速积累真实场景经验，避免传统离线训练中“复盘-修改-再训练”的低效循环。实验数据显示，经过3小时在线训练，机器人性能提升约30%；而引入80小时人类标注数据仅提升4%。“失败经验的价值远高于预设数据，”罗剑岚强调，“一个机器人犯错，所有机器人都能学会规避。”
在商超整理、叠衣服等测试场景中，SOP系统的优势已初步显现。引入该系统后，机器人在物品繁杂的商超环境中综合性能提升33%，叠衣服任务的操作吞吐量提高114%。更关键的是，经36小时连续运行测试，机器人展现出卓越的稳定性，能应对“物品突然掉落”“障碍物突然出现”等意外状况。罗剑岚认为，这种适应力源于真实场景中“踩坑”带来的经验积累：“机器人需要学会处理突发状况，而不是仅执行预设程序。”
目前，智元已在真实场景中部署数十台机器人用于SOP系统开发，并计划今年将部署规模扩大数个量级。罗剑岚透露，工业场景将是SOP系统的首要落地领域，目标是将任务成功率提升至可规模化应用的水平；家庭场景则需结合预训练模型，逐步扩展任务能力。他预测，2026年将成为机器人从“能做事”到“把事做好”的关键节点：“未来，真实场景中部署的机器人数量将决定数据质量，进而影响模型迭代速度，形成正向循环。”
在应用探索方面，智元已迈出实质性步伐。几天前，其灵犀X2机器人通过租赁平台“擎天租”入驻上海漕河泾的美宜佳便利店，成为长期“员工”，负责商品整理、货架补货等任务。商超、文娱等场景的布局也在推进中。罗剑岚表示，机器人产业可能从“一次性硬件交付”转向“软硬件持续服务”模式，类似自动驾驶系统的软件更新机制：“机器人进厂或进家庭后，仍需通过真实场景数据持续优化，这将是提升用户体验的关键。”不过，他也坦言，这一过程需解决安全、隐私等伦理问题。
