机器人换个场景就不会了？它石智航用 AWE 测试物理任务的泛化能力

哇哦AI

它石智航在 WAIC 2026 官方企业目录使用的品牌图。 来源：WAIC 2026 官方企业目录

机器人在演示台上学会一个动作并不难，难的是桌子换了、物体挪了，甚至换成另一种机器人后，它还能不能继续做。

它石智航在 WAIC 2026 展示了具身基座模型 AWE。它试图把视觉理解、任务规划和动作执行连接起来，让机器人面对环境变化时不必为每个细节重新写程序。

AWE 想学的是任务规律，不是一段动作录像
固定程序擅长重复动作，但物体形状、位置和光线稍有变化就可能失败。具身基座模型希望从数据中学习更通用的视觉与动作关系，再根据当前环境调整。

它石智航在 WAIC 展示了 AWE 在多类机器人和场景中的应用，并凭该模型获得 SAIL 之星。奖项说明项目获得大会评审认可，但不能替代真实部署中的长期成功率。

对企业用户而言，最重要的是换任务时需要补多少数据、人工调试多久，以及失败后能否安全停止。模型名字和演示动作都不能直接回答这些问题。

跨机器人迁移仍然要面对不同的身体
同一个抓取指令放到不同机械臂上，关节范围、相机位置、手爪力度和控制频率都不一样。基座模型可以共享部分理解能力，但仍需要本体适配和安全校准。

它石智航公开材料强调从模型、本体到应用的全栈路线。这种方式有利于联调，却也意味着客户需要了解哪些能力来自通用模型，哪些依赖特定硬件和现场工程。

现阶段更合理的评价方法，是在相同任务中改变物体、摆放和背景，记录成功率与人工接管次数，而不是只观看一次顺利完成的视频。

离规模部署还要补上可重复的现场数据
工业和服务场景要求机器人连续工作，并在异常时留下日志。一次任务成功不够，系统还要解释失败发生在感知、规划还是执行环节。

采购或合作前，可以要求团队展示训练数据边界、支持的机器人、任务切换流程和安全策略。真正能减少部署成本的模型，应该让新任务调试更短，而不是把工作转移到另一套黑盒中。

AWE 已在 WAIC 完成公开亮相。接下来值得关注的是独立测试、可复现任务和实际部署周期，这些会比展会动作更能说明泛化能力。

想继续了解
• 它石智航官网
• IT之家：AWE 在 WAIC 2026 展示
• PR Newswire：AWE 获 SAIL 之星
• WAIC 2026 官方企业目录

热心市民王先生

换个机械臂就得重新适配，模型再通用也扛不住硬件差异。

一只咸鱼

看演示没意义，得看换物体后的成功率。