墨奇亮相WRC：一台机器人长程任务实战背后的“具身大脑”革命
内容提要
墨奇智能在世界机器人大会首次亮相，展示具身智能模型架构MoRA和轮式机器人MORPHI KINO，完成15分钟家庭长程任务演示。其技术核心是Agentic-Native策略模型，让System1具备目标执行、多粒度记忆和进度感知能力，配合System2认知中枢，提升长时序任务效率。公司已积累3万小时真实数据，计划年内扩充至15-20万小时。
延伸解读
长程任务演示的看点
15分钟的家庭长程任务演示，串联了客厅整理、冰箱补货、衣物洗烘折叠等多个环节，重点不是单个动作的炫技，而是机器人作为完整系统在较长时间内持续将环境推向目标状态的能力。这要求移动底盘、双臂、视觉与力觉感知协同，并能在真实家庭布局中适应狭窄空间，是衡量具身智能从演示走向实用的一项重要指标。
System1与System2的分工重构
常见分层架构中，System2承担目标维护、记忆和进度追踪，System1只是执行器。墨奇提出Agentic-Native路线，让System1原生具备目标条件执行、多粒度记忆和进度感知，主动请求System2介入。这种分工将高频交互和进度追踪交给System1，低频规划和异常处理交给System2，旨在提升长时序任务的效率与鲁棒性。
数据质量与规模的关系
墨奇认为当前行业具身数据质量不高且缺乏标准，模型能力上限取决于参数量，架构改进更多是提高数据吸收效率。因此，他们采用自研采集设备深入真实商业场景，由一线人员产出数据，避免摆拍偏差。目前已积累3万小时真实数据，计划年内扩充至15-20万小时，以支撑模型迭代和scaling law的实现。
Q&A
墨奇智能在WRC 2026上展示了什么？
墨奇智能在世界机器人大会（WRC 2026）上首次在国内系统亮相，展示了其具身智能模型架构MoRA和轮式机器人MORPHI KINO，并完成了15分钟的家庭长程任务演示。
MORPHI KINO在演示中完成了哪些具体任务？
MORPHI KINO在演示中完成了客厅清洁与桌面整理、冰箱饮料补货、衣物洗烘与折叠等一系列家务任务，包括识别并抓取杂物、整理桌面、检查冰箱库存、取水补货、开关门、操作洗衣机烘干机以及折叠衣物等。
墨奇智能的MoRA架构是什么？
MoRA是墨奇智能自研的具身智能模型架构，全称MORPHI Reasoning and Autonomy。它采用Agentic-Native技术路线，重构了System1（具身动作模型），使其具备目标条件执行、多粒度记忆和进度感知能力，并与System2（认知中枢）协同工作，以提升长时序任务执行能力。
墨奇智能的Agentic-Native模型相比传统分层双系统架构有什么优势？
传统分层双系统架构将任务主体智能集中在System2，而System1仅作为动作执行器，导致目标接口能力有限、执行短时序反应式。墨奇的Agentic-Native模型让System1原生具备目标执行、记忆和进度感知能力，能主动推进任务，减少对System2的依赖，从而提升长时序任务的效率和鲁棒性。
墨奇智能如何解决数据质量问题？
墨奇智能通过自研MORPHI Sense Kit数据采集系统，在弱纹理、高反光等极端场景下实现毫米级轨迹重建，并让数采设备深入酒店、商务公寓等真实场景，由一线作业人员产出真实作业数据，避免摆拍数据带来的分布偏差，从而保证数据质量。
墨奇智能目前积累了多少数据，未来计划如何？
墨奇智能目前已积累3万小时真实场景数据，计划今年完成15万至20万小时的数据储备，以持续为MoRA模型迭代供给高质量训练素材。
墨奇智能的System2和System1分别承担什么职责？
System2是认知中枢，负责意图理解、任务规划和多模态表达；System1是具身执行引擎，接收文本和图像目标，输出全身动作，维护执行记忆，自主判断任务进展，并在遇到异常时主动请求System2介入。
