6 月 24 日，通用具身智能企业 RoboScience 机器科学于深圳举办新品发布会，正式推出自研通用具身大模型 Visics，完整对外披露行业创新 VLOA（Vision-Language-Object-Action）双引擎技术架构，并现场完成家具拼装这类高复杂度具身操作演示，验证模型跨本体、跨物体、跨任务的全域泛化能力。创始人田野、联合创始人汪涛分别解读模型架构、数据体系与中长期产业落地规划。

当前行业通用机器人普遍存在三大痛点：跨场景泛化不足、精细柔性操作精度不足、长时序连续任务误差持续累积。Visics 的核心突破是依托 VLOA 架构引入物体 3D 点云轨迹 Object Trajectory 作为中间层，彻底解耦上层认知推理与底层机器人执行控制。Object 一词同时包含物体、目标双重含义，能够精准定义机器人与物件交互形式、任务最终状态；该中间接口向上承接语言视觉任务理解，向下适配各类机器人运动控制，以此实现三大维度泛化，可适配不同机型本体、操作各类材质物件、完成多样化连续任务。

VLOA 架构由具身世界模型、通用操作模型两大引擎协同组成。上层具身世界模型负责环境认知、物理轨迹预演，依托海量互联网视频完成预训练；下层通用操作模型负责将抽象物体轨迹转化为不同机器人专属控制指令，依托高精度仿真数据学习物理交互规律。Object Trajectory 作为统一中间表征打通两层引擎，实现高层语义规划与底层物理运动解耦，对比传统单一体模型，抓取任务在成功率、姿态适配、推理速度上均有明显提升。

数据供给短缺、采集成本高昂是制约具身模型迭代速度的核心瓶颈，传统真机采集模式数据产出量低、人工标注成本高，真机与仿真环境存在分布偏差。机器科学打造以自研高精度仿真引擎 RoboMirage 为核心的 “仿真 + 视频” 双数据飞轮体系，将单条训练数据成本压缩至传统方案的 1/20 至 1/200，数据储备每周数十万小时高速增长，支撑 Visics 实现万亿级数据规模扩充。其中具身世界模型依托全自动清洗标注管线处理互联网视频，已积累数百万小时物体交互多模态数据集，目标 2026 年建成上千万小时视频素材库；通用操作模型依靠 RoboMirage 仿真引擎生成数百亿次物体操作轨迹，年内计划突破 1 万亿次操作仿真数据，大幅降低企业对昂贵真机采集数据的依赖，为模型持续迭代提供充足训练素材。

发布会现场完成业内公认难度极高的家具拼装测试，该任务覆盖双臂协同、毫米级插接、精细力控、零件重组、故障自主恢复等全维度技术难点。机器人仅读取纸质说明书即可自主拆解长流程任务，定位各类零部件，自适应调整插接路径与接触力度；若人为中途拆解已装配部件，模型可自主识别异常、回溯流程并接续完成全部拼装，全程保持毫米级抗干扰精度。除此之外，现场还演示多类精细实操能力：不同灵巧手跨机型抓取青椒、软质西瓜片，信封拆启、立硬币、针管注射等高精密力控操作，动态传送带无序物件实时抓取，全面验证 Visics 在柔性物体、微小零件、动态场景下的通用操作性能。企业自研 T (R,O) Grasp 算法实现 5FPS 实时交互，平均抓取成功率 94.83%，刷新跨智能体灵巧抓取全球 SOTA 水平。

团队具备学术与产业双重背景，首席科学家团队连续两年斩获 ICRA 最佳论文 / 提名，是亚洲唯一获此荣誉的团队；核心成员分别来自苹果 AI 平台、斯坦福、中科大、大疆、科沃斯等头部院校与企业，覆盖算法、量产、资本多领域人才。资本端已获得京东、商汤、达晨财智、招商局创投等多家机构投资，在北京、深圳、苏州、杭州布局研发与生产基地。商业化层面不绑定自有硬件，模型支持纯软件授权、控制器方案交付，既能赋能自研机器人，也可对外供给全行业本体、灵巧手厂商。

企业制定分阶段落地战略，短期优先攻克各类物件的泛化操作能力，聚焦商超、电商物流多 SKU 拣选补货场景开展 POC 试点，依托真实产线回流数据持续优化模型；中短期拓展复杂任务、跨机型部署能力，量产标准化工业商用机器人本体，推出专属具身操作系统与开发平台，延伸至酒店、工厂等 B 端场景，同步完善供应链压低硬件成本，为家庭服务场景铺垫；长期实现 B 端、C 端大规模普及，搭建机器人应用生态平台，拓展全球市场。

汪涛表示，行业尚不具备全面普及家用机器人的成熟条件，优先选择多品类物料流通的零售物流赛道验证物体泛化能力，场景落地产生的真实交互数据持续反哺模型，形成完整产业数据飞轮。田野总结，Visics 通用具身大模型旨在打造赋能人类的智能工具，而非单纯替代人力，企业长期目标是构建全场景通用具身智能体系，推动机器人走进各行各业与千家万户。