9 月 16 日，我们又做了一件行业内没有先例的事。
我们把搭载全新以太大模型的机器人，直接拉进真实户外环境自主完成任务，连续直播 1 小时。在现场超 30 位行业媒体以及线上超 550 万网友的见证下，机器人从点单、任务规划、烧烤到上菜全程自主完成。
现场 6 名顾客，随机点单、随机更改及新增需求，可以随意挪动物品、打断任务。
直播中，我们保持了完全无脚本的承诺，出现了不少插曲，例如，原定的一位幸运顾客临时没能到场，我们没有停播，也没有调整流程，而是直接从围观观众中随机请了一位补位，将 0 预设、0 剧本，贯彻到底。
没有遥操，也没有剪辑掉 "失误" 片段的机会。
我们想以最直观、最坦诚的方式，让大家看到：当现实世界不照着程序走时，具身大模型能不能自己看懂变化、重新判断、调整行动，分工协作，继续把事情做完。
这场直播，也创造了几个 "第一次"：
全球首次，具身智能大模型长时户外全自主直播；
全球首次多台机器人在真实开放环境里自主交互、协作完成一整套任务；
也是全球首次直播的跨本体协作、长程任务断点续做、真实场景中的现场自学习多项具身智能行业的第一次，我们同时放进真实世界、放在所有人眼前，接受最公开的检验。
这是对我们模型最强的信心。
别人怕什么，这场直播就主动加入什么
对具身智能来说，完成一个动作不算难。难的是，现实世界不是一个静止的测试集。
一顿烧烤，从点单开始就成了一条不断变化的长时任务链：谁点了什么？谁的单做完了？什么正在烤？火候怎样了？刚才有人临时改单了吗？要用的东西是不是被人挪走了？下一步是接着干手头的任务，还是重新排优先级？
以太大模型用 1 小时回答了这些问题。直播里有几个神性瞬间，值得单独再看看。
瞬间一：两台机器人，"商量" 着出餐
烧烤机器人守在炉前，服务机器人穿梭在烤炉和餐桌之间。它们不是各干各的，而是全场自主协作：两台机器人互相传递任务信息，共同判断任务执行到什么程度，以及彼此怎么配合。
外号 "二爷" 的机器人，将自己收到的点餐信息，告知厨师 "五弟"。两个机器人用人类不太看得懂的交互方式，用手舞足蹈的方式，"二爷" 让 "五弟" 知道了顾客要多加一些辣椒粉。
这是自主智能最迷人的地方，你无法预设它的行为，它的每一个反应，不是提前写好，而是现场长出来的。
这种双机交互，从头到尾没有一个触发条件是写死的，是两个机器人在读现场：感觉顾客等久了、可能饿了，"二爷" 就主动去找 "五弟"，追问餐准备得怎么样了；而心有灵犀的 "五弟"，会指引 "二爷" 拿到可以先上桌的餐食。
瞬间二：被打断的点单，机器人自己续上了
点单时，顾客突然要一瓶水。机器人没有卡住：先送水，再继续点单。
这背后是以太大模型的流式记忆与自主任务规划能力：被打断的瞬间，原有任务状态不会丢失，而是被存入记忆；新任务完成后，系统会重新调取此前的进度，接着往下做。
中间还出现个有趣的小插曲，它很有 "眼力见" 地给顾客拿了纸巾。没有人说过这个需求，完全来自机器人对世界规则的自主理解。
瞬间三：撒料、刷酱，不止手上功夫这么简单
烧烤时，机器人接收到客人的要求，精准且均匀的将调料撒到食物上面。
不是乱撒，而是精准地看到了食物所在的位置，将佐料撒在了食物上。
五弟还展现了专业厨师的自觉，在恰当的时间，自觉地给食物刷上了酱汁。
这很考验空间理解能力和力度控制，以太大模型直接在多模态空间去理解物体尺寸、材质、空间位置、物体之间的约束关系，加上运动动力学的加持，它会输出对应物品物理规律的动作，从而实现握得稳，撒得准。
瞬间四：全身协调控制，稳定处理任务
在完全开放的场地：桌椅会不会有人移动、人往哪里走，事先都无法预设。机器人迈出的每一步，都是现场看、现场判断、现场决定。这背后是主动感知与泛化能力：它不依赖提前建好的地图和写死的路线，而是边移动边观测，把实时看到的环境直接转化成行动决策。没见过的场地，和见过的场地，对它来说没有太大的区别。
这场直播，我们验证了从感知、理解、记忆、判断，到运动执行、现实反馈的一整套闭环智能以及极致的跨本体交互协作能力。
为什么以太大模型敢接受这样的挑战？
以太大模型是全球首个跨本体通用具身大模型，具备五项相互咬合的核心能力：主动感知、多模态理解、流式记忆、动力学建模、持续自我迭代。支撑这五项能力的，是它实现的三个 "全球第一"：
全球第一个能量驱动的通用智能模型，不直接预测动作，而是把目标完成度、动力学一致性、记忆一致性、物理约束等统一为连续的能量景观，沿能量梯度持续推理、主动探索、生成动作。
全球第一个类人脑神经元模型，把 "大脑 — 脊髓" 的贯通机制搬进机器，推理、记忆、规划和控制是连续状态的演化，而不是拼接的流水线，运动轨迹不靠数据 "猜"，靠物理约束 "学"；
全球第一个自进化的具身智能模型。Evolution Manager 让自我模型与世界模型从参数级到模型级持续自进化，部署不是能力的天花板，而是成长的起点。
简单说，传统机器人关心的是 "下一步最像训练数据的动作是什么"、"下一步最相关的画面是什么"；以太大模型更像一个真正的 "人"：我们回答："下一步人应该做什么"。
全球首次，只是开始
我们深知，拿下 "全球首次" 不是这场直播最重要的意义，我们更希望让具身智能真的让大家看到。真正重要的是：一个具身智能模型，开始能离开高度受控的实验室，在不断变化的真实世界里持续工作。烧烤只是一次 "真题" 考试。未来不管机器人走进家庭、商业服务还是更多真实场景，它面对的始终是一个丰富多彩的世界。
所以，今天，我们再发布一个重磅内容：
"以太大模型" 真实场景应用的第二个十分钟一镜到底视频。
前些天我们发布的一镜到底视频是两个机器人的协作工作，这一次是机器人与真人在真实世界中，进一步加入了外界对任务的频繁打断、机器人更精细的操作任务、以及机器人对人的意图理解与人机交互。
这次依然用粗糙表达真实，但是把颠覆贯彻到底。
（来源：乐享科技）