在近期举办的世界人工智能大会上，一款能够真正投入实际作业的机器人吸引了众多目光。与以往那些仅擅长展示技能、在设定环境中表现良好却难以应对复杂现实的机器人不同，极智嘉推出的这款机器人展现出了强大的泛化能力和作业效率，成为大会上的亮点之一。
在大会现场，极智嘉搭建了一个完整的真实作业场景。机器人需要抓取各种难处理的物品，包括充气程度不同的袋装薯片、透明包装的面包以及边界模糊的毛绒玩偶。令人惊讶的是，它能够精准地抓取每一个物品，分拣后还能搬运料箱，并与移动机器人组队，实现高效的端到端作业。这种在实际场景中同时展现泛化能力和作业效率的表现，得到了央视新闻的报道。
极智嘉能够取得这样的成果，得益于其合作研发的世界模型Gravity 4D。与当前流行的仅在画面层面做预测的世界模型不同，Gravity 4D更进一步，通过学习4D表征，即三维空间和时间的结合，让模型依据物体的三维结构和运动进行判断，而非仅仅依赖画面表象。这使得机器人在面对光照变化、视角改变和商品更换等真实扰动时，依然能够保持稳定的泛化能力。
极智嘉首席科学家赵昊解释了这一技术背后的演变。他指出，具身智能技术正从VLA向世界模型发展，目前学术界正在探索更高级的模型。第四代模型将基于三维空间，让模型了解物体的真实位置；第五代则在三维基础上加入时间维度，学习4D表征。极智嘉的Gravity 4D正是在这一趋势下，提前将4D表征应用于拣货任务，取得了显著效果。
主流的世界模型通常在RGB像素层预测未来画面，虽然能生成看似合理的视频，但无法保证物理一致性。例如，预测的机械臂可能在视频中看似接触物体，实际上并未接触；物体的运动可能流畅，但违背物理规律。这些问题在视频生成中只是小瑕疵，但在实际仓库中会导致商品损坏和设备故障。Gravity 4D通过同时学习物体的三维位置和运动方向，解决了这一问题，提升了模型的泛化能力。
极智嘉在训练模型时，起初尝试了一种较为简便的方法，即在主体模型旁边增加一个分支来预测三维信息。然而，这种方法效果不佳，因为三维知识未能真正融入模型的核心判断。最终，团队采用了原生融合的方法，将三维信息和画面信息一起训练，使模型从一开始就具备三维感知能力，从而显著提升了泛化能力。这一方法在公开基准测试中得到了验证，Gravity 4D在相机视角、光照和传感器噪声等扰动下表现优异。
极智嘉不仅注重技术突破，还非常重视实际应用。公司认为，一个模型要持续进步，必须通过服务真实产业来积累数据，并用这些数据反哺模型。真实产业中的意外情况，即corner case，是让模型真正变强的关键。然而，过去行业面临一个难题：模型不够好用，客户不愿让其进入现场；无法进入现场，就无法产生真实数据；没有数据，模型又难以改进。极智嘉希望通过更好的模型和本体，以及现有的客户资源，打破这一循环。
极智嘉年初发布的机器人本体也体现了其落地决心。公司没有选择简单的两指夹爪或时髦的五指灵巧手，而是采用了三指手。这一选择基于对实际作业需求的精细考量：拣货强度极高，五指灵巧手寿命较短，两指夹爪覆盖的SKU有限，而三指手在灵巧度和耐用性之间取得了平衡。这种设计是在真实产线上反复打磨后得出的结果。
除了本体设计，极智嘉还拥有多年合作的工业客户，为机器人提供了真实的作业岗位。然而，公司也认识到，仅靠现场落地是不够的，因为真机数据获取成本高且速度慢。为此，极智嘉构建了一个三层数据体系：底层是成本低、数量大的互联网数据，用于建立模型的基本常识；中层是来自人类第一视角的操作数据，更贴近真实操作；上层是最真实、昂贵的真机数据，尤其是从现场获取的corner case。这一体系加速了模型的迭代。
市场需求是推动极智嘉前进的另一大动力。公司联合创始人陈曦指出，无论国内还是海外，工厂和仓库都面临招工难的问题。许多工人宁愿送外卖也不愿进厂或进仓，导致生产力在数量和质量上出现缺口。因此，客户对能够稳定可靠工作的机器人需求迫切。极智嘉今年发布的Gino本体在发布当天就收到了大量客户需求，目前正逐步量产。
在技术路径尚未收敛的阶段，极智嘉认识到，单一公司无法覆盖所有场景。因此，公司在大会上推出了GINO ECO开放生态，与做大脑的公司共享真实场景和数据，与做本体的公司共建解决方案，自己则扮演集成商和解决方案专家的角色。这一策略使极智嘉能够更接近客户，了解客户需求，并通过合作伙伴扩展场景覆盖范围。
目前，极智嘉已经具备了量产在即的机器人本体、懂物理的前沿大脑、真实的作业场景和正在运转的数据闭环。在大多数玩家还在为凑齐其中一项而努力的赛道上，极智嘉的这些优势显得尤为稀缺。随着技术的不断进步和市场的需求增长，真正能够干活的机器人正在从概念走向现实。
