当前位置| 热点 > > 列表>详情

酒店洗衣,机器人想当熟练工可不容易!先在“数字酒店”练熟,再去酒店真干活

2026-11-20 14:22:16 来源:上观新闻

在上海徐汇一家酒店的二楼走廊里,一台机器人提着衣篮向前移动,进入洗衣房。它伸出机械臂打开洗衣机门,把衣物放入,关门;洗涤完成后,再将衣物转入烘干机,烘干后装篮送回客房。

这一连串动作的背后,是申城具身智能企业大晓机器人双脑协同架构在酒店洗衣场景的首次落地。新民晚报记者获悉,该架构集中应用世界模型、通用模型与具身智能RSI,让机器人从数字环境训练走向真实酒店连续服务。

在数字酒店里练熟洗衣全流程

酒店洗衣看似日常小事,背后涉及空间理解、设备操作、物理交互和多步骤任务协同。机器人要先熟悉从客房到洗衣房的路线,学会在走廊、电梯口和狭窄区域定位与规划,还要识别洗衣机、烘干机和衣篮等对象。

在大晓机器人的开悟世界模型体系中,Mundo世界模型负责把真实酒店转化为可探索、可编辑、可物理交互的数字孪生世界。研发团队介绍,Mundo可将房间、走廊、电梯与洗衣房的图片集转化为三维场景,随着多视角信息汇入,电梯门、墙体等建筑结构以及楼层与洗衣区域的空间关系逐步呈现。“Mundo将物体质量、摩擦等物理属性纳入场景,使物体运动、接触与碰撞可通过物理引擎计算。”

摄影:陶磊

在这座数字酒店里,机器人可以练习前往洗衣房,也可以围绕取衣、搬运衣篮、操作洗衣机等任务反复训练。动作轨迹、接触状态和视觉观测,为分析执行过程、比较策略和优化动作提供依据。这条Real2Sim2Real训练链路,让机器人在贴近真实酒店的环境中反复练习,加快场景适配。

让通用模型探索,让机器人复用技能

如果每一步都依赖模型观察、推理和决策,执行时延难以满足酒店高频服务要求,精细操作也需要稳定、可复现的执行能力。大晓机器人发挥GPT-Astra等通用模型的任务理解、视觉推理和泛化能力,从任务目标出发探索做法,适应不同衣物类型、摆放方式和现场变化。

新民晚报记者获悉,在现场决策测试中,Astra首次完成某一新操作耗时30分15.64秒;将有效做法沉淀为技能(skill)后,机器人一轮执行耗时18.648秒,速度提升约97倍。

Astra探索出有效做法后,将感知、定位、规划、动作和条件判断沉淀为程序化技能,由机器人独立完成正式任务。团队研发的BotAgent进一步将Astra能力延伸到酒店业务流程:围绕洗衣场景训练的53个原子动作,被组织为导航到房间、取篮子、前往洗衣区等14个高层语义步骤,并可按房间位置、路线、设备状态和订单要求组合成超过200种场景动作。BotAgent负责拆解订单、调用技能,并协调机器人、洗衣机、烘干机和暂存位等资源,让底层能力衔接成从取衣到送回客房的完整服务。

真机反馈推动技能持续迭代

大晓机器人专为具身智能打造的RSI策略,即递归自我改进,让机器人依据真实任务中的观测、动作和物理反馈,持续改进可部署的技能。在酒店洗衣场景中,Astra先根据目标生成技能,机器人真机执行并记录多路视频、测量数据和动作时间线。Astra结合失败、用户反馈和执行指标定位问题,提出改进方案;改动先经历史样本离线回放,确认修复有效且原有能力未退化后,再部署到机器人,进入下一轮。

“抓篮子时腕部相机离目标太近、标签容易被遮挡,Astra据此改用头部相机并优化观察规则;烘干机取衣时,针对裤腿仍拖在筒内的问题,调整抬起高度和指尖角度。”研发工程师介绍。团队还将自主复位、独立评判和版本撤回纳入这套策略,减少人工复位等待,对分歧轮次进行复核,效果不佳的修改可以撤回。

烘干机取衣技能在约57小时内完成165轮真机实验,形成37条改进提议和约80个版本,场景逐步扩展到牛仔裤、洗衣袋及混合衣物;后期单轮用时为170至210秒,牛仔裤留在筒内的比例从平均48%降至32%,最好一次为19%。

据悉,在酒店场景中,大晓机器人与酒店方持续沟通、反复调整,让机器人的工作方式更贴合酒店管理和日常运营需求。记者注意到,酒店门口还“躺着”两只机器狗,已投入常态化实地无人巡逻执勤工作,为城市公共空间的治安巡查、街区秩序管控注入全新动能。

业内人士指出,机器人终归是一种劳动力,其核心价值在于能否在真实场景中“稳定、持续、经济地干活”。此外,真实物理世界的交互存在大量隐性边界,只有通过规模化的真实应用,才能摸清这些数据边界。

原标题:《酒店洗衣,机器人想当熟练工可不容易!先在“数字酒店”练熟,再去酒店真干活》

标签: 动作 房间 机器人 洗衣房 数字酒店