从打羽毛球到当导览，一台人形机器人怎么换活干？

一台能和人连续对打羽毛球的双足人形机器人，换到导览岗位上，原来练出来的本事还能剩下多少？这是动易科技在第140届广交会上要回答的问题。

据智东西10月18日报道，这家广州企业在广交会多处安排了人机羽毛球、乒乓球对打，并在广交会发展史陈列馆提供中英双语导览。企业展位上，还展示了重载运输、特种巡检与灵巧操作等场景方案。

对比今年4月的第139届广交会，当时动易科技以羽毛球互动为重点，只参加了第一期5天的活动。到了第140届，导览服务与体育互动计划持续三期，一直到11月4日。任务变多、服务时间拉长，考验的就不只是一次对打的技术问题了。

连续对打，难在哪

以第139届广交会上的双足人形机器人PHYBOT C为例，它每接一球，都要完成目标跟踪、落点判断、击球选择和身体协调。不同对手有不同运动习惯，球的速度、方向和落点都有差异，机器人没法只重复一套固定动作，那些意料之外的球路也无法提前预设。

双足形态下，移动、挥拍与平衡控制必须同步完成。机器人要在调整站位的同时协调手臂与躯干，保证击球过程中的身体稳定。而它作出判断时，球并没有停下来，只能根据不断更新的位置信息调整动作。

球场和规则有边界，人的动作却难以预设，运动场景因此成了一种条件明确、变化又足够丰富的测试环境。问题是，在羽毛球里形成的目标跟踪、动作控制能力，换到乒乓球、足球，乃至收纳、搬运、巡检，还能不能复用。

“一机一训”这道坎

通常情况下，要实现跨任务、跨本体复用，模型往往需要针对目标环境做微调训练。即使完成的是相同任务，只要换一种本体形态，也可能需要重新训练，这就是“一机一训”。

核心痛点在于，模型对机器人硬件平台、控制接口及任务环境存在较强耦合，策略迁移成本较高。以抓取为例，从单臂机器人切换到双臂机器人，关节数量与自由度配置、相机数量与布局、末端执行器以及动作控制方式都可能变化，原有策略难以直接迁移。

即便采用预训练模型，面对训练分布中未覆盖的本体构型，开发者仍可能需要补充该构型的操作数据，调整感知输入与动作输出接口，并开展训练或微调。预训练能力可以提供起点，但不是零成本迁移。

行业在这条路上已经走了几年。2023年，Google DeepMind联合33家学术实验室推出Open X-Embodiment项目，整合来自22种机器人本体的超过100万条真实操作数据，涵盖527种技能、超过16万项任务，并用这些数据训练RT-X系列模型。

动易科技也在探索能力复用。据公开信息，它用了不到一个月时间，完成了人形机器人和人对打羽毛球能力向乒乓球项目的迁移。这说明两类项目中的目标跟踪、动作协调等能力存在复用空间。

但应用转向搬运和巡检时，作业条件适配会成为新挑战：搬运要面对负载和末端工具的变化，巡检要面对地形和环境的变化。复杂作业要解决的不只有身体怎么动，机器人还要理解工作目标、安排多个步骤，并根据执行结果调整计划。

大模型管思考，谁管执行

理解人的指令、判断物体之间的关系，既涉及语言与视觉能力，也需要理解人类意图、运用物理常识并进行空间推理。通用大模型的进展，为机器人理解意图、实现任务规划提供了新的可能。

Google DeepMind于2025年推出的Gemini Robotics-ER就侧重空间理解与具身推理，能够规划多步骤任务，并与已有的底层控制器配合。2026年9月公布的RoboDojo评测中，GPT-6 Astra在42项仿真任务、2100次测试中取得22.48%的平均成功率，研究也指出它在精确操作、动态控制等任务上仍有不足。

动易科技提出的Embodied PhyStack主张，机器人公司无需自行打造一个集中式的全能“大脑”，而是让通用大模型与物理智能体、运控系统和本体分工协作。它把常见的“大脑—小脑—本体”细分为四层：通用大模型负责深度思考，物理智能体PhyAgents负责实时决策，自研运动控制系统PhyCore负责运动控制，PHYBOT本体负责执行，执行结果再反馈给决策与规划层。

三组真机实验验证了这套分工。第一组里，模型负责理解目标、规划步骤，PhyCore控制身体动作。在一项工件抓取任务中，机器人抓取银色工件时连续两次失误，把执行情况反馈给模型后重新规划，第三次才完成，但这组任务耗时约3小时。

第二组还原了酒店清洁用品收纳场景，机器人在PhyAgents的实时决策配合下完成收纳，抓取三件工件用时不到2分钟。按单个工件平均耗时折算，执行效率是第一组的100倍以上。

第三组则把大模型用到训练环节：工程师输入任务目标、约束条件和仿真迁移到真机的注意事项，由模型生成训练智能体、调用GPU开展训练，并在仿真中自动验证与迭代，达标后再部署到真机。动易科技团队给出的测试结果是，新场景训练的工作效率提升了数十倍。

从一场表演到持续服务

技术进展只是第一步，能否转化为持续服务，还要看实际场景中的运营表现。7月初，动易科技把这台机器人带到广州商场，落地了为期近一个月的“够C羽球馆”快闪店。运营期间，机器人面对的是年龄、地域、文化背景各异的真实顾客，从老人到孩童，从中国消费者到海外游客。

动易科技公布的运营数据显示，该快闪店机器人单日最高接待上千次顾客，累计与近万名市民接触。服务时间拉长后，现场工作也随之增加：除了完成对打，运营方还要组织参与者、安排体验顺序，并处理设备运行和维护问题。

第140届广交会进一步扩大了场景范围。PHYBOT C在珠江散步道承担人机羽毛球、乒乓球对打及拳击演示，同时在广交会发展史陈列馆通过自主导航、避障与中英双语讲解提供导览服务，公共服务与互动计划持续至11月4日。

同一系列机器人承担运动互动和导览，要求任务模型与场地配置能够切换。扩展到工业与特种作业，则要根据负载、地形和操作要求选择不同本体：四轮足机器狗PHYBOT D持续行走负载达210kg，最大负载可达500kg，背部开发模块可更换挂载设备，特种巡检场景中可搭载灭火器、烟感器与激光雷达。

精细操作还需要末端执行器。动易科技首次公开发布的全直驱拟人灵巧手PhyHand具备23个主动自由度，面向机械臂协同、精密装配和遥操作等应用。

在运动业务中，动易科技选择与体育品牌合作衔接技术与场地。日前，它与双鱼体育完成战略合作签约，双方重点围绕共建机器人运动交互实验室、赛事互动与体育教育等应用展开合作。其推出的PhyAgents Hub，则把场地条件、硬件、模型以及后续运营维护纳入同一套场景方案，目标是通过标准化方案把现场部署和后续运营前置解决。

从第139届到第140届，动易科技的参展重点从羽毛球互动扩展到公共服务和多本体、多场景的持续运营。多场景、常态化上岗是商业化的必经之路，真正影响进程的，是每增加一位客户，企业还要投入多少新的训练、调试与维护工作。已有经验越能派上用场，研发投入才越有机会在更多项目中摊薄。