长程能力30天再提升15%！千寻智能跑出进化加速度，“时间密度”成具身智能新赛点

出品：具身研习社

8月19日，2026世界机器人大会（WRC）在北京开幕。千寻智能（Spirit AI）携Moz系列机器人亮相，重点展示Spirit v1.6具身模型性能在“客厅整理”长程任务中的最新迭代，以及商用服务机器人Moz2的人机交互能力升级。

继7月在WAIC公开长程复合任务演示后，本次WRC千寻智能再次挑战“客厅整理”长程任务。过去30天里，通过包括具身模型、Agent、交互、导航、执行等通用机器人智能体的全栈进化，Moz1在任务理解、路径规划、动作执行和异常处理等环节进一步调优改善，“客厅整理”长程任务综合效率较此前提升超15%，跑出千寻“进化加速度”。

与此同时，新一代商服机器人Moz2迭代升级了自然语音交互能力，更顺畅与观众互动。开展当天恰逢七夕节日，Moz2通过“Love Log”互动活动收集999条普通人眼中的“有爱的瞬间/小事”，并将其作为训练日志的一部分写入机器人的底层代码里，进一步完善机器人在商服场景中的自然交互形态。

一个多月前的WAIC，千寻智能首次公开 Moz1 客厅整理长程复合任务演示。搭载 Spirit v1.6 基座模型的 Moz1 仅需接收一条自然语言指令，即可自主拆解多步骤任务，并连续完成物品识别、抓取、分类、归位等操作，验证了 Spirit v1.6 在长时序记忆、层级化任务规划与实时环境感知层面的能力，攻克了行业长期存在的“金鱼记忆”难题。

一个月后的WRC，千寻智能再次选择“客厅整理”这一长程任务，主动与30多天前的自己进行一场公开的“较量”。活动现场，当Moz1 听到“整理客厅”这一指令后，先是快速感知现场环境，识别可乐、碗、垃圾、玩具等不同物品和位置，然后自主拆解出“可乐放入冰箱”“碗放入洗碗机”“垃圾投入垃圾桶”“玩具归位”等多项子任务，并根据现场情况规划执行顺序和移动路径。

看上去同一款“客厅整理”demo，背后其实正悄然进行一场没有版本号的机器人智能体的全栈进化。

现场演示中，这种进化体现在多个细节里：当工作人员临时调整脏衣篓位置，Moz1 无需重新下发指令，可自主调整行进路线并重新定位目标；当观众将空包装放在桌面非预设区域，机器人能够识别新增物品并完成清理；在冰箱整理环节，若冰箱门未能一次关严，机器人也会实时微调手臂姿态和推力，完成二次推合，确保箱门闭合。

数据显示，经过30 天迭代，Moz1 在可乐放入冰箱、碗放入洗碗机等子任务成功率提升至99%以上；导航目标确认耗时降低近乎50%；硬件稳定性显著提升。这些变化共同构成了“综合效率提升”的基础：不仅是单点动作更快，更是理解、导航、操作和纠偏之间的衔接更顺畅。

支撑这一表现的，是千寻覆盖基座模型、数据管线、Agent、感知导航、机器人本体等多个层面的通用机器人智能体。其中，Agent 长程大脑负责保存长期目标和任务上下文，将“整理客厅”拆解为多个子任务并跟踪任务进度；感知与导航系统负责建立空间信息、规划路线并将机器人送到可操作位置；基座模型与后训练则接收语言指令、视觉状态和机器人本体状态，生成动作，并强化任务相关视觉信息、空间关系、跨环境泛化和精细操作能力。

通过模型训练、真实数据采集、机器人本体和场景验证的持续闭环，千寻智能正在推动机器人智能体从技术验证走向更稳定、更可复制的真实任务执行。

除Moz1外，千寻智能商服机器人Moz2也在本次WRC上完成能力升级。

不同于主要面向工业与复杂操作任务的Moz1，Moz2定位于商超、酒旅、办公楼宇等商用服务场景，更强调公共空间中的亲和化设计和自然交互体验。本次展会上，Moz2进一步完善和升级自然语言交互能力，在现场与观众打招呼、多轮对话、合影互动。

开展当天恰逢传统节日七夕，千寻智能在现场发起Love Log互动体验，邀请路过的观众在心形卡片上写下一件自己觉“最有爱的日常小事或瞬间”，并领取带有专属编号的玫瑰。据悉，这些来自真实生活的“爱的瞬间”，都将作为“Log（日志）”写进Moz2的底层代码里，成为Moz2理解用户需求、学习与人类更好相处的重要素材，也参与和见证机器人的持续进化。

“有用、可靠是基础，有爱才是机器人的加分项。”千寻智能产品负责人表示。事实上，除了这次“Love Log”活动之外，Moz2产品团队从一开始就将有爱、有温度作为其最为重要的设计因素：圆角柔和的整体设计风格、奶杏色的机身颜色，天然给人一种亲近感；全向舵轮底盘、高功率密度一体化力控关节可以快速移动但不容易撞到人；可更换的围脖、全身多处可磁吸位置等，为后续二次装扮留出空间。“技术向内藏，温度向外露。”千寻智能产品负责人表示。

未来，千寻智能将通过“先工业、再商服、后家庭”三步走战略，持续推动通用具身大脑在更多真实场景中完成可复制的价值落地，并为通用机器人进入更复杂、更开放的日常生活场景积累能力基础。