编辑｜Youli 11 月 3 日，上海新国际博览中心，CeMAT 2026 现场人潮涌动，货架之间一台台机器人穿梭其中，展示着对货物的抓取、分拣与转运…… 仔细观察，一个明显的变化正在发生：原本属于物流行业的展会，俨然成了具身智能角逐实战能力的新擂台，宇树、星动纪元、自变量等众多具身智能玩家集体「跨界」涌入。 仓储物流，似乎正成为物理 AI 走出实验室、产业落地的「主战场」。 然而，真实仓储不同于实验室，对机器人提出了更高难度的挑战，海量 SKU 每天都在动态变化，商品的材质、形状、反光特性与堆叠姿态各不相同。 这意味着， 具身机器人既要具备足够强的泛化能力，又要保持稳定的作业节拍。 但现实中，厂商往往面临两难：要么具备泛化能力但动作迟疑、节拍过慢，无法满足商业生产节奏；要么动作敏捷但依赖预设示教，商品品类稍有变化即停摆…… 而在展台上，极智嘉展示了另一种可能。 搭载了 Gravity 具身模型的机械臂面对现场观众递过来的陌生物品，能随机应变，完成挑战…… 面对日化用品、瓶装饮料等不同类型的商品，通用人形机器人 Gino 1 都能够连续完成抓取、拣选，而且还能进行料箱搬运。整个过程中，动作迅捷流畅，全程保持极高的连续作业稳定性。 视频链接：https://mp.weixin.qq.com/s/9SMT7M1ByTkE74kQmoJDnw 从单机操作到与仓储机器人协同作业，极智嘉的野心显然不只是制造一台高效具身机器人，更重要的是，如何让具身智能融入整座仓库，与其他机器人协同工作，释放系统级整仓生产力。 兼具强泛化与高效率背后的 Gravity 能力底座 展台上 Gino 1 和松灵臂的高效表现，背后依托的是极智嘉自主研发的 Gravity 具身智能模型所构建的综合能力体系。 现场极智嘉让 Gino 1 制作一顿早餐，在这一 复杂长程任务 中，模型将多种精细操作自主编排、有序衔接，即使作业状态发生变化，依然稳定完成全套任务，展现出兼顾精细操作与长程稳定作业的综合能力。 而旁边的大屏则展示动作预演过程，从理解物品状态、规划路径，到确定动作并执行，呈现出 「先想清楚，再动手」 的完整过程。 除此之外，现场极智嘉还设置了一项陌生物品挑战，观众可以拿出随身物品来「刁难」Gravity，让模型面对现场提供的陌生对象，直观呈现其 泛化表现。 而这背后，Gravity 首先采用混合 Transformer（MoT）双脑协同架构，将复杂任务的理解与具体动作执行分开处理。其中，认知侧负责理解任务目标、环境和步骤关系，行动侧负责根据当前状态规划具体动作。 与此同时，采用分层记忆机制帮助机器人持续管理任务进度。短时记忆追踪近期观测和动作变化，长期记忆则保存任务目标、执行阶段和关键事件，这意味着，机器人不必把每个动作都当成独立指令，而是能够围绕一个更长的任务目标持续推进。 此外，Gravity 还有一项重要能力 —— 自然语言纠偏， 即当机器人遇到分布外任务时，操作人员可以通过自然语言提示进行纠偏，提高任务成功率。 例如，操作人员只需输入「抓深一点」，模型通过检索概念表中的特征词表，即可在线修正动作。实验数据显示，复杂操作任务的整体成功率从 17.5% 提升至 87.5%。 从陌生物品泛化，到复杂任务连续执行，再到自然语言纠偏，Gravity 试图建立一套更完整的具身智能能力体系，「用同一模型解答三类效率考卷」： 动作效率： 通过异步推理机制，让动作执行与后续计算在时间上重叠，单次拣选动作稳定在约 2 秒，避免计算等待拖慢整体节拍； 适配效率： 面对未曾采样的透明袋装、易滚圆柱与软包，模型无需追加专项数据采集与单独微调，直接理解空间几何与抓取规律，大幅压缩新增 SKU 的适配成本； 异常恢复效率： 面对商品滑动或翻滚，机器人无需停机，而是自主调整构型或重规划抓取，将单次失败降维为中间状态，极大保障了产线的连续运行。 这背后反映出一个趋势： 具身智能的商业化竞争，正在从泛化能力的展示，转向泛化效率的比拼。能否适应新任务、保持作业节拍并自主应对异常，决定了机器人能否真正进入真实场景。 一台机器人不够，极智嘉让整仓一起工作 不过，单台机器人的效率再高，如果无法与货物存取、搬运和工作站衔接，在真实仓库中仍可能成为效率瓶颈。 这也是极智嘉与许多主要聚焦单机能力展示的具身企业之间的差异： 将具身机器人融入已有仓储机器人体系，通过多形态机器人和统一软件系统协同，形成端到端整仓生产力。 过去十余年，极智嘉已经建立起一套完善的 AMR 解决方案，而如今具身智能的加入，则与原有 AMR 共同组成更完整的作业方案，形成端到端机器人方案，满足不同仓储流程与广泛作业场景需求。 具体来看，全品类 AMR 方案组合，覆盖了料箱、托盘、货架不同存储形式仓库里的搬运和存拣等结构化作业环
