機器人出海干打包工怎么成了CES上最強DEMO？

如果科技圈有春晚，那一定是CES。

從當年的CD機、等離子電視，到后來的智能手機、VR眼鏡，再到這兩年的AI硬件，CES幾乎定義了過去半個世紀消費電子的演進節(jié)奏。想知道今年什么技術(shù)會火？來CES看一眼就知道了。

這也是CES被科技圈定位風向標的原因。

今年的規(guī)模依然炸裂：23萬平方米展區(qū)，4500多家展商、14萬觀眾、當然，還有近千家的中國企業(yè)。

今年CES的主題是“Smarter AI for All”，雖然是讓AI賦能到所有產(chǎn)品上，但從實際應用來看，沒有什么比機器人更適合。為此，CES還專門開辟了具身智能的專屬展廳，把原本散落在各個角落的機器人公司聚到了一起——這在CES歷史上還是頭一回。

處在CES現(xiàn)場的我，也是狠狠的被震撼了一波，比如波士頓動力新發(fā)布的Atlas，不僅身體更加靈活，還有容易讓人恐怖谷的360°轉(zhuǎn)身，像國內(nèi)的宇樹，智元，傅里葉也都成為了現(xiàn)場圍觀對象。

除了機器人的“體操表演”，現(xiàn)場另外一家來自中國的機器人公司，也引起了包括我在內(nèi)不少人的關(guān)注。

CES上，這家中國公司讓機器人打包送外賣

這家叫做RoboSense速騰聚創(chuàng)的中國公司，在現(xiàn)場用機器人扮演起了“外賣小哥”。

整個演示分為兩部分，先是拆包取貨，在這個流程中，機器人先把身后的盒子平穩(wěn)的放到指定位置，然后打開上面的蓋子，把里面的禮品取出來放好。最后，它還知道把空盒子折疊壓平，發(fā)回到收納地方，以供二次利用。

然后是打包上架，機器人拿起空盒子，放到指定位置，抓起旁邊的禮品袋放進去，然后合上蓋子。最后放回到指定地點。

是不是看上去“平平無奇”，但要知道，這是它——機器人完全自主操作的。沒有人在后面遙控操作，也不是固定場景的應試考試。

我在現(xiàn)場看了好幾輪，從打包、上架、運送、拆包到回收，機器人一次做了將近20個連貫動作，一氣呵成，全程沒有人工介入。展期前兩天實現(xiàn)累計10小時近2000次步驟動作的零失誤自主操作。

根據(jù)現(xiàn)場人員介紹，機器人的所有動作都不是預設(shè)。要知道，CES展館對機器人來說是個全新環(huán)境，嘈雜、擁擠、充滿不可預測的變量。這種場景泛化能力，實在讓人對它的應用場景充滿想象。

要知道，在之前許多自主控制案例中，都是先需要通過遙操，讓機器人熟悉環(huán)境，甚至不少的演示Demo中，背后都有著一個戴著VR眼鏡的操作員。比如說，之前馬斯克在CyberCab發(fā)布會上的機器人調(diào)酒，就是遙操實現(xiàn)的。

相比之下，RoboSense的這個演示，可以說是這次CES上最強AI機器人Demo之一了。畢竟，我們想要的是自主行動的機器人，而不是人類的遠程替身。

演示Demo的另一個值得說的是靈巧手。在機器人業(yè)內(nèi)，流傳一句話——大腦決定機器人能做什么，靈巧手決定機器人能做到什么程度。

這次演示里，機器人要完成打包、拆箱、折疊這些動作，每一步都需要精準的力度控制——盒子捏太緊會變形，太松又會掉；折疊的時候力度不對，紙板要么折不動，要么直接壓壞。

RoboSense速騰聚創(chuàng)的靈巧手上布滿了力觸覺傳感點陣，能實時感知接觸力度的變化。更重要的是，這些觸覺信號會反饋給自研的大模型，大模型再根據(jù)觸覺反饋來決定靈巧手的力度。并且，觸覺反饋還可以幫助機器人解決視覺盲區(qū)的問題——有些時候手擋住了攝像頭的視線，光靠"看"是不夠的，得靠"摸"來補位。

這次Robosense速騰聚創(chuàng)不僅在CES現(xiàn)場進行了表演，他們還拍了在深圳實際場景下的一鏡到底視頻。

視頻里，一個穿著黃色馬甲的機器人在夜晚獨自完成了一整套外賣配送任務：先是拆開外賣回收箱、取出外賣袋、把空箱子折疊好投進回收口，然后拎著外賣袋走到辦公樓，自己按電梯、坐電梯上樓，最終把東西送到3樓目的地。

與CES展臺相比，深圳街頭的夜晚是真正的實用開放場景——光線暗、路況雜、電梯還得自己按。能在這種條件下跑通全流程，說明這套方案的泛化能力確實過硬。

在機器人領(lǐng)域，誰能攻克靈巧手和大模型，等同于拿下了機器人領(lǐng)域的圣杯。兩個場景看下來，RoboSense已經(jīng)朝這個方向邁出了實質(zhì)性的一步。

而這背后，是三項關(guān)鍵技術(shù)的支撐：一個前面提到過能感知壓力的靈巧手，另外兩個是RoboSense自研的VTLA-3D的操作大模型和一套叫Active Camera的視覺系統(tǒng)。

VTLA-3D看上去有點抽象，但是和去年智能駕駛中大火的VLA多少有點“異曲同工”。VLA是把攝像頭捕捉的圖像（Vision），以及用戶文字指令作為輸入（Language），機器人根據(jù)圖像和文字來執(zhí)行動作（Action）。

VTLA-3D在此之上，加入了3D激光點云信息和觸覺感知（Touch），多了兩個維度的信息通道，3D點云則解決了普通2D圖像對深度和距離判斷不夠準確的問題，讓機器人對空間的理解從"平面"升級到"立體"；觸覺解決了靈巧手“用多大勁”的問題——抓紙盒和抓鐵塊力度肯定不一樣，這在日常高頻的抓取中作用非常大。

根據(jù)官方的介紹，只用200多個小時的訓練數(shù)據(jù)，就達到了上面大家看到的泛化效果。如何在數(shù)據(jù)量不夠的情況下，達到可用的效果，這在訓練數(shù)據(jù)稀少的機器人領(lǐng)域，非常重要?？磥鞷oboSense找到了一條通路。

Active Camera和普通的純視覺Camera不同，它本身有一個帶雙目RGB攝像模組用來接收信息，還有dToF的收發(fā)模組，用來生成上面提到過的3D激光點云，剩下有IMU慣性單元。作為有感知解決方案基因的公司，RoboSense能把三種不同感知能力一體化集成，這方面的積累確實是它的優(yōu)勢所在。

不止是硬件和大模型，從這次CES展出的內(nèi)容來看。RoboSense在背后其實搭建了一整套具身智能技術(shù)體系，從底層AI平臺，數(shù)據(jù)采集系統(tǒng)，核心部件到頂端的模態(tài)控制，高效推理，基本上實現(xiàn)了具身智能的全棧自研。

通過交流，目前RoboSense速騰聚創(chuàng)已經(jīng)可以為行業(yè)提供成套的解決方案，幫助各行業(yè)快速搭建具有高度泛化和可用的具身智能。無論是物流配送，工業(yè)制造還是服務業(yè)，都可以實現(xiàn)快速接入，不用從零開始造輪子。

具身智能正在深入行業(yè)

具身智能的發(fā)展正在邁入一個充滿活力的新階段。從技術(shù)演示走向?qū)嶋H應用，機器人行業(yè)已經(jīng)穩(wěn)健踏入了商業(yè)化落地的新征程。

如果說2025年行業(yè)重點關(guān)注的是運動能力的突破，看機器人如何更靈活的行走，奔跑，甚至完成高難度動作。那么2026年CES所展示的趨勢表明，產(chǎn)業(yè)焦點已明確轉(zhuǎn)向更高階的操作能力與環(huán)境交互能力，逐步實現(xiàn)從“會動”到“能干實事”的質(zhì)變。

例如RoboSense速騰聚創(chuàng)展示的“手眼協(xié)同”方案，這個能體現(xiàn)出行業(yè)對完整任務閉環(huán)的重視。該方案通過感知，決策到執(zhí)行的系統(tǒng)性支持，可以說將機器人技術(shù)轉(zhuǎn)化為了實際的生產(chǎn)力。

這種從“炫技”到“干活”的轉(zhuǎn)變，是產(chǎn)業(yè)走向穩(wěn)健發(fā)展的積極信號。機器人不僅助力工業(yè)制造降本增效，也在醫(yī)療、養(yǎng)老、物流等多元場景中持續(xù)創(chuàng)造價值。政策支持、資本投入與技術(shù)突破正形成強大合力，推動機器人從實驗室和展臺，真正走進工廠、商圈與家庭。

雖然我們離完全類人，什么活都能干的通用機器人還比較遙遠，但在特定場景中輔助人類、實現(xiàn)勞動能力復制與擴展的技術(shù)已越來越近。以RoboSense速騰聚創(chuàng)的演示為例，最后100米的機器人送貨若能與無人配送車、無人倉等系統(tǒng)結(jié)合，有望顯著提升物流效率，這對于生產(chǎn)制造和消費服務行業(yè)的影響是非常深遠的。

對于那些受數(shù)據(jù)、算力等因素限制的工業(yè)操作與商業(yè)服務場景，聚焦具體需求、“精耕細作”的解決方案也展現(xiàn)出可行路徑。隨著各領(lǐng)域操作能力持續(xù)提升，一些前沿的機器人服務體驗，預計將很快出現(xiàn)在我們身邊。

在不斷攀登技術(shù)高峰的同時，深耕場景、務實落地，才能在即將到來的機器人時代占據(jù)先機。我們正站在人機共生社會的門檻上，對未來充滿信心。