从质检到出餐，跨维智能在WRC展示多场景具身智能落地方案

8月19日，2026世界机器人大会（WRC）在北京亦庄北人亦创国际会展中心启幕。本届大会上，跨维智能集中展示了自研仿真基础设施及多场景机器人应用方案，覆盖工业制造、零售和商业服务，包括与蓝思科技联合打造的手机流水线质检方案、实时多物理场仿真引擎DexVerse及生成式仿真技术，以及商超扫码分拣、冰淇淋与爆米花出餐、象棋对弈和自主迎宾交互等应用。

同日下午，由跨维智能主办的“物理AI引领者论坛”顺利举行。论坛以“物理AI进行时”为主题，参会嘉宾包括跨维智能创始人兼CEO贾奎、智象未来创始人兼CEO梅涛、大晓机器人董事长王晓刚、清华大学计算机系副研究员苏航，以及来自地瓜机器人、临界点、智在无界等企业的算法与技术负责人。

围绕生成式世界模型、具身数据与基础模型、跨本体学习、仿真训练和真实场景部署，与会嘉宾讨论了物理AI如何从“理解世界”走向“在世界中完成任务”，以及具身智能实现规模化应用的产业路径。

论坛现场，贾奎发表《Physical Token经济学》主题演讲。他提出，可以用“获取新能力的边际成本”衡量物理AI的规模化进程，即随着数据、模型和部署经验不断积累，机器人学习下一项能力所需的数据、算力、试错和工程投入能否持续下降。“让下一份智能比上一份更便宜”，是Physical Token经济学关注的核心问题。

与论坛讨论相对应，跨维智能在WRC 2026展台展示了手机装机流水线质检、商超自主扫码分拣，以及冰淇淋与爆米花连续出餐三类任务。这些任务对操作精度、环境感知和连续执行能力有着不同要求，也用于检验同一套具身智能技术在不同场景中的稳定性和跨任务泛化能力。

智能终端质检产线由两台Dexforce W1 PRO人形机器人协同完成动态追踪、装拆盒及检测上下料。该任务源自跨维智能与蓝思科技合作的真实工业场景。作业过程中，机器人需要持续感知传送带和工件状态，在动态环境中完成定位和精细操作，同时与另一台机器人及检测设备保持协同。

跨维智能与蓝思科技已建立战略合作，合作范围涵盖机器人应用和生产制造。双方结合真实工厂需求，持续推进产品迭代和规模化部署。

在商超自主扫码分拣演示中，机器人需要处理随机摆放、形状各异的瓶装和袋装商品。据跨维智能介绍，这是大会现场唯一能够自主完成全流程零售扫码作业的机器人演示。

在不知道条形码位置和朝向的情况下，机器人先抓取商品，再通过持续观察调整抓取姿态、重新规划动作，主动寻找条形码，完成扫码后将商品放至指定位置。面对商品倾倒、姿态变化以及不同形态和颜色的包装，机器人会根据商品状态调整抓取策略。该任务主要考验机器人对商品状态的理解，以及感知、决策和操作的闭环能力。

商业服务场景则由另一台W1 PRO人形机器人连续完成冰淇淋和爆米花出餐。机器人融合多源传感器信息，通过具身模型识别环境状态和任务目标。当爆米花桶、铲子等工具的位置发生变化时，机器人会调整抓取和铲取策略；遇到纸杯缺失、物料不足或出料异常时，系统会暂停作业并发出提醒。

据跨维智能介绍，该方案可标准化应用于商场、展馆及文旅场所的无人零售场景，以减少人工值守。在执行过程中，机器人会根据状态反馈持续调整动作决策，而非简单重复预设动作。

除机器人本体和模型外，跨维智能还展示了自主研发的实时多物理场仿真引擎DexVerse与生成式仿真技术。DexVerse能够在同一环境中统一求解刚体、软体、布料、流体和铰接体等物理形态，并通过图像和自然语言生成仿真场景及训练数据，用于VLA、世界模型和机器人策略训练。

现场观众可以使用VR手柄实时操控仿真环境中的W1 PRO机器人，完成多米诺骨牌摆放、形状配对和爆米花铲取等任务。系统将操作者双手的空间位姿实时映射为机械臂的运动目标，并结合逆运动学、动力学仿真和实时渲染，模拟机器人抓取、碰撞和移动时的物理交互，包括物体滑落等细节。

这套系统可用于方案验证、操作训练和数据采集。在不占用真机的情况下，研发人员可以提前检验机器人的可达性、操作流程和物理交互效果，减少设备及工件损耗，以及进入真实现场后的反复试错。

跨维智能表示，基于DexVerse与生成式仿真能力，公司正尝试解决具身智能训练中新数据的低成本、规模化生产问题。相关仿真数据训练已应用于超过1500个工业智能化项目，累计沉淀超过200TB高质量机器人数据，并用于柔性操作、精密装配、线缆插拔和复杂接触等产业任务。

从手机装机质检、商超扫码分拣到连续出餐，三项现场演示对应的任务不同，但采用了相近的能力生产路径：机器人进入工厂和商业场景前，先在统一的数据体系和高保真虚拟环境中进行训练和测试，再将经过验证的能力部署到真实任务中。

按照跨维智能的规划，公司希望构建一套能够持续训练机器人、降低新能力获取成本的基础设施，让数据积累和部署反馈服务于后续能力训练，并最终转化为真实场景中的劳动力价值。