今年WRC最大展台，预告具身智能未来
内容提要
星海图在WRC展会上展示具身智能新进展，主题为“生产力觉醒”。其机器人已从遥操作转向自主干活，并聚焦泛化、精度和效率三大考题。通过VLA模型G0.5和世界模型Fast-WAM，实现上万种SKU泛化、1mm精度和高效操作，同时自研双足机器人Kengo，强调数据闭环和全栈自研飞轮效应，推动机器人成为真正生产力。
延伸解读
从“自主干活”到“生产力觉醒”
今年WRC上，机器人自主干活成为标配，但星海图认为这只是起点。真正的生产力考验在于泛化、精度和效率：换个物体还能不能干，干得够不够准，速度能不能跟上。这标志着行业焦点从“能不能自己干”转向“能不能快、准、泛化地干”。
VLA与世界模型双路线并行
星海图同时押注VLA模型G0.5和世界模型Fast-WAM，并非二选一，而是实用主义：哪个能让机器人干得更好就用哪个。G0.5采用统一自回归架构，将视觉理解、推理和动作生成整合进一个Transformer；Fast-WAM则把推理延迟压到约190ms，提升约4倍，解决世界模型部署慢的痛点。
数据闭环与全栈自研的飞轮效应
星海图强调，不掌握本体就难以掌握数据闭环，飞轮就跑不起来。他们自研多款机器人，开源GOD数据集，并计划2026年将真实数据规模做到100万小时。模型、控制、硬件协同迭代，数据推动模型，模型定义本体，本体再生产数据，形成持续进化的飞轮。
Q&A
星海图在WRC 2025上展示了哪些机器人应用场景？
星海图在WRC 2025上展示了前置仓（与京东合作）、工业装配、礼盒折叠、叠衣服、抓包裹、物料分拣、长程送件等应用场景，以及双足机器人Kengo和轮式机器人Nexo。
星海图在WRC上提出的“生产力觉醒”主题具体指什么？
“生产力觉醒”指机器人从“能自主干活”进化到“快、准、泛化地干活”，即不仅要具备自主性，还要在泛化、精度和效率上达到生产级要求，真正成为生产力。
星海图的VLA模型G0.5在泛化能力上有何表现？
G0.5模型能够泛化到上万种SKU，在折礼盒、叠衣服等柔性操作中能根据物体实时状态调整动作，并在LIBERO、BEHAVIOR-1K等8个权威Benchmark中登顶。
星海图如何实现1mm以内的操作精度？
星海图在基础模型之上引入强化学习，将操作精度做到1mm以内，成功率99.9%，同时工作效率提升400%。
Fast-WAM世界模型有什么特点？
Fast-WAM将推理延迟压缩到约190ms，相比传统方案提升约4倍，发布时是全球最快，论文引用量位居世界模型领域第一。
星海图为什么坚持全栈自研？
全栈自研能掌握数据闭环，通过自研本体采集高质量数据，推动模型迭代，形成数据推动模型、模型定义本体、本体再生产数据的飞轮效应，这是具身智能持续进化的关键。
星海图在数据方面有哪些布局？
星海图开源了GOD真实场景数据集，下载量全球第一；投资简智、元流等扩充数据来源；计划2026年将真实数据规模做到100万小时。
双足机器人Kengo有什么特别之处？
Kengo遇到没见过的地形时不需要重新训练，能边感知边调整步态，体现了泛化能力，呼应了全身智能的研究热点。
