WRC展会拿旧Demo炒冷饭？扒一扒千寻藏在水下的全栈底牌
内容提要
千寻智能在WRC重演“整理客厅”Demo，展示30天内全栈技术进化。通过“时间密度”概念，系统在数据、训练、Agent、导航、硬件上快速迭代，长程任务成功率提升至85%，并实现零样本迁移。核心是数据闭环与基座模型Spirit v1.6，已落地宁德时代产线，成功率99%以上。
延伸解读
“时间密度”是衡量具身智能进化的新标尺
千寻智能提出“时间密度”概念，强调系统在单位时间内吸收问题、训练验证并回传真机的速度。相比单次演示的峰值表现，这一指标更能反映企业的长期迭代能力。文章指出，长程任务中90%的成功率与固定工位90%的难度完全不同，小偏差会沿任务链累积，因此快速闭环能力成为关键。这为观察具身智能企业提供了新视角：不仅要看当前能力，更要看其进化速度。
“脏数据”训练提升真实场景泛化能力
千寻智能采用“脏数据”训练理念，将真实世界中的杂乱变化（如灯光、行人、物品位置变动）纳入模型泛化的一部分。其数据平台汇集多源数据，自研采集设备已迭代至第7代，成本降至传统方式的1/10，数据可用性从30%提升至95%。这种策略使机器人在WRC现场面对高动态、多遮挡环境时仍能保持稳定，体现了数据质量与多样性对具身智能落地的重要性。
长程任务成功的关键：Agent状态管理与“可操作位姿”
文章通过实例说明，长程任务中单步误判会沿任务链传播，因此Agent需持续管理任务状态，决定继续、重试或重规划。同时，导航不能仅以到达坐标为准，而应抵达“可操作位姿”，确保后续动作能顺利展开。千寻团队曾因机器人停位不当导致操作困难，重新定义“到达”标准，并优化导航启动速度，耗时中位数降低近50%。这些细节凸显了系统级协同的重要性。
从展会Demo到工业落地：全栈能力的验证与迁移
千寻智能在WRC重演“整理客厅”Demo，实为展示30天内全栈技术的进化。其系统已落地宁德时代产线，承担高压测试插头插接等非标工序，成功率稳定在99%以上，单日工作量达熟练工人的3倍。展会现场的网络延迟、动态干扰等压力测试，恰好验证了系统在真实环境中的稳定性，为工业场景的长期运行提供了预演。
Q&A
千寻智能在WRC上展示的“整理客厅”Demo与WAIC相比有哪些进步？
千寻智能在WRC上重演了“整理客厅”Demo，但不到30天内，系统在数据、训练、Agent、导航、硬件等方面实现了全栈进化。具体进步包括：长程任务成功率提升至85%，在颜色、种类、位置等泛化条件下捡垃圾任务成功率高达85%，并在WRC全新场景中实现零样本迁移，多项核心任务实地测试成功率达到100%。
什么是“时间密度”？千寻智能提出这一概念的意义是什么？
“时间密度”是千寻智能首次在具身智能领域提出的学术概念，衡量一套系统能在多短时间里吸收问题、完成训练和验证，再把改进送回真机。它评估的不是某次演示的峰值表现，而是系统进化的速度，即处理真实失败的速度。这一概念成为观察具身企业长期势能的重要标尺。
千寻智能的基座模型Spirit v1.6有什么特点？在评测中表现如何？
Spirit v1.6采用VLA与世界模型深度一体化的融合架构，将视觉感知、语言理解、动作生成与世界状态预测纳入统一训练，实现边感知、边决策、边调整。在由UC伯克利、斯坦福、英伟达联合发起的RoboArena国际评测中，该模型登顶全球第一，超越英伟达DreamZero等，是首个登顶该榜单的中国具身模型。
千寻智能如何通过数据闭环提升机器人性能？
千寻智能构建了数据闭环，每次失败都会被系统识别、回传、复现、训练和再部署。数据平台汇集Web视频、第一视角数据、uDAS数据、遥操作数据与真机任务数据，覆盖清洗、标注、质检、训练任务管理、模型评测和结果追踪。自研数据采集设备已迭代至第7代，成本降至传统遥操作方式的1/10，数据可用性从30%提升至95%，配合全国超30万个采集点位，为系统持续进化提供燃料。
千寻智能的“脏数据”训练理念是什么？为什么强调这一点？
千寻智能强调“脏数据”训练，即使用包含真实世界杂乱变化的数据进行训练，如灯光变化、物品位置不固定、行人经过等。他们认为，如果机器人训练时只看到规整、标准的场景，面对真实世界时容易被无关信息干扰。因此，将真实世界的杂乱变化直接作为模型泛化的一部分，提升机器人在复杂环境中的适应能力。
千寻智能的Moz1机器人在宁德时代产线的应用情况如何？
Moz1已进入宁德时代动力电池PACK产线，承担高压测试插头插接等非标工序，作业成功率稳定在99%以上，单日工作量可达到熟练工人的3倍。此外，千寻智能还与京东、博世、舍弗勒等企业展开场景合作。
千寻智能在WRC上如何应对现场网络不稳定和动态环境？
针对现场网络不稳定，团队删减冗余判断逻辑，将部分视觉判定任务改为并行执行，并让推理计算与机器人其他动作时间重叠，以缓解网络延迟。面对高动态、多遮挡环境，导航系统持续避障、重新接近目标，并与Agent、VLA保持任务状态对齐，确保任务不中断。
千寻智能如何定义“到达”标准？为什么重新定义？
千寻智能重新定义了“到达”标准，机器人不能以到达某个坐标点为标准，而必须抵达后续动作真正能展开的位置，即“可操作位姿”。早期调试中，机器人停在洗碗机前但位置太靠近冰箱，导致策略模型难以操作，因此团队意识到导航目标必须考虑后续操作的可行性。
