一顿早餐，多重考验：极智嘉 Gravity 具身模型复杂长任务能力大揭秘

在具身智能领域，长任务从不是时长竞赛。

一条包含多个关联子任务的作业链，考验的是机器人对任务依赖、动作条件和环境变化的综合管理能力。因此，长程任务不应只是比拼时长的“耐力赛”。

效率同样重要。单步动作缓慢、步骤之间等待、子任务失败后反复重试、甚至整段重启，都可能让任务时间“变长”，却不增加有效产出。

极智嘉Gravity具身智能模型在此次早餐任务演示中，面对反复干扰仍能自主完成任务，展现出决策速度、动作精度、应变灵活度与纠错自主度四个维度上的综合能力，让长任务执行兼具泛化能力与作业效率

决策速度

MoT双脑架构与分层记忆

高效执行长任务，首先要求任务决策与连续动作有效衔接。

做早餐包含一系列关联子任务。Gravity需要持续判断当前步骤是否完成、下一步的执行条件是否满足，避免重复判断和无效切换。

在Gravity的MoT双脑架构中，AR Transformer负责理解指令和场景、解析任务目标，并完成子任务编排；Diffusion Transformer负责预测未来状态、评估子目标并生成连续动作。

Gravity 框架架构总览

Short-Long Term Sensor-Task Memory 则维持任务上下文：短时记忆追踪近期观测、动作轨迹和环境变化，长期记忆保存任务目标、执行阶段与关键事件。配合Stage/Progress状态输出，模型能够持续判断当前步骤的完成度与后续任务的执行条件，构成可感知、可校验、可动态调度的任务闭环

动作精度

精密操作与可供性推理

单步操作的准确性，是控制长任务返工成本的基础。

将面包片放入狭窄槽口前，Gravity先调整面包片与槽口的相对位姿，对准入口，再完成约束插入。这种局部调整有助于减少错位及重复尝试。效率不是省略必要动作，而是通过精准操作降低整个子任务的完成成本。

当两片面包间距不足、无法直接形成稳定夹取时，模型首先进行抓取可供性推理（Grasp Affordance Reasoning），判断当前条件是否满足；随后通过非抓取操作（Non-prehensile Manipulation）主动调整目标构型，为稳定抓取创造空间，避免在不可行状态下反复试抓。

Gravity的Robot Skill与专家先验机制，可进一步将定位、抓取、插装、倾倒等操作封装为可组合技能，并注入操作示范、工艺规范、完成标准和安全边界，在提高泛化能力的同时降低试错成本。

应变灵活度

4D WAM与在线重规划

真实作业环境持续变化，执行动作也必须随之更新。

面包架和面包机发生大幅移动后，Gravity重新定位源端与目标端，调整夹取和放置动作；餐盘移动后，亦能重新确定放置位置。模型依据当前环境状态更新执行目标，而非沿用失效的位置与轨迹。

Gravity 4D通过RGB、Pointmap和Scene Flow构成4D未来表征，联合建模视觉外观、空间结构与运动变化。WAM根据观测与任务上下文推演未来状态，逆动力学模型 IDM 据此生成动作chunk，为在线重规划提供技术支撑。

当目标位置发生变化时，系统需要以最新观测为条件重新生成动作。当杯子被遮挡时，模型进入安全等待状态。

当杯子被移走时，果断中止当前倾倒动作以避免倾洒。

未来状态推演与执行条件校验共同支撑行为调整，减少无效执行，兼顾作业效率与操作安全。

纠错自主度

对齐物理状态与任务状态

长任务真正困难的地方，在于某个动作没有达到预期结果后，机器人是否知道哪里出了问题。

当面包片未能正确插入时，系统需要根据完成条件判断当前步骤尚未结束，重新估计面包片与槽口的相对位置，执行局部重规划并再次尝试。这属于动作级的闭环纠错。

如果已经完成的任务状态被改变，例如面包片被重新取出，则系统需要将Stage回溯至对应步骤，再次执行夹取和插入。这属于任务级的异常恢复。

纠错的效率价值，在于仅修正受影响的步骤，避免局部异常触发全流程重启。

进一步地，Gravity通过Evaluation Model与强化学习建立“部署—反馈—评估—再训练”闭环。成功、失败和人工接管轨迹经过结构化评估后，可用于失败样本重加权和离线强化学习，让现场异常持续转化为模型能力。

泛化与效率同时成立

才是真干活

此次早餐Demo集中呈现了一组可迁移的生产能力：任务编排、精密插入、抓取可供性推理、动态目标重定位、安全状态管理和闭环异常恢复。

这些能力可以进一步迁移至仓储中的打包、搬运、复核和巡检等任务。进入真实现场后，这套能力与WMS、WES、RMS协同，并接受成功率、作业周期、异常接管率和持续运行时间的检验。

Gravity以“深认知、快行动”将泛化能力与执行效率纳入同一框架：面对变化能够重新判断，面对异常能够自主恢复，同时以精简推理链路守住生产节拍。

按预设坐标把动作串起来，运行再久也只是“长脚本”。

只有把感知、规划和多个动作持续串联起来，并在环境变化、操作受阻之后继续完成目标，机器人才能真正接手一段完整流程。