深诣机器人工博会新品发布，以强化学习驱动自进化
10月12-16日，SEEN·E深诣机器人亮相2026中国国际工业博览会，自研具身基础模型SE-1及两款机器人产品——物流操作机器人Sculptor、工业操作双臂机器人Edge集中亮相。
从混合箱型的分类码垛，到0.1mm级工业精密插接，再到需要任务理解与过程记忆的交互式操作，深诣展示了机器人应对真实工作中复杂变化的能力。更值得关注的是，深诣还通过强化学习前后的实际操作对比，展示了机器人如何从“学会完成任务”，进一步学会“把任务做得更好”。
让机器人不只具备工作能力，还能从复杂工况中持续学习、不断改善，是深诣此次新品机器人的核心优势。
深诣以“创造充沛生产力”为使命，聚焦工业与物流等高价值场景，致力于以自研具身基础模型和高效强化学习技术，打造一机多能、快速适应的具身智能机器人。
|
|
Sculptor首秀：自主应对复杂多变的物流作业
工博会现场，SEEN·E Sculptor物流机器人展示了多品类箱体混合码垛作业。
面对尺寸、包装材质各异的混合箱型，以及随机变化的摆放位置和姿态，Sculptor能够自主识别不同货箱，调整抓取与放置策略，连续完成分类码垛，将不同类型的箱体码放成稳定的多层货垛。
真正的难点，不只是抓起一个箱子，而是面对持续变化的货物与堆叠状态，仍然能够稳定完成整项工作。
传统自动化擅长标准化、高重复性的作业，但面对货物种类繁多、位置姿态不确定的物流场景，往往需要更多工装、环境约束或重新适配。Sculptor则依托SE-1具身基础模型，面向复杂现场中的快速变化，自主理解任务并生成相应操作。
在产品设计上，Sculptor强调一机多能、快速适应。通过可配置的移动底盘、末端执行器与具身系统，面向卡车装卸、混合拆码垛、箱式拣选、行李搬运等不同物流作业需求，探索同一机器人平台在多种任务中的复用能力，降低新任务的重复适配成本。
|
|
Edge亮相：既能精密操作，也能理解复杂任务
同步亮相的Edge，是深诣面向工业精细操作打造的双臂机器人。工博会现场，Edge展示了0.1mm级精密插接与交互式糖果分装两项任务，分别对应具身智能的两类关键能力：精细物理操作，以及复杂任务的理解与执行。
在精密插接任务中，柔性线缆的形态随着抓取、移动和外部干扰不断变化，机器人需要持续感知目标状态、实时调整操作轨迹，在演示设置的干扰条件下完成插接。
而在交互式糖果分装任务中，Edge面对的挑战不再只是动作精度。机器人需要理解人的指令，自主组织从抓取、装盒到递交的多步骤操作，并利用过程记忆应对交互变化，使任务能够接续执行。
从精密接触操作，到需要理解、记忆和自主组织的长程任务，Edge展示了具身智能面向工业柔性作业的更多可能。
|
|
两款机器人的背后，是深诣自研的SE-1具身基础模型。而深诣希望进一步解决的问题是：机器人学会一项工作之后，能不能通过真实经验，把这项工作做得越来越好？
Sculptor的研发过程给出了一个直观的例子。
在混合码垛任务中，经过人工示范和监督微调，机器人已经具备基本的取箱、放箱能力，但操作并不总是合理：有时会舍近求远地选择箱子，抓取时吸盘姿态不够合适，多层码放中还可能发生碰撞或下压。
经过进一步的强化学习，这些行为发生了明显变化：
- 取箱选择： 从不合理的取箱顺序，转向更合适的任务选择。
- 抓取姿态： 能够在接近箱体时主动调整吸盘方向，再执行抓取。
- 多层码放： 此前出现的碰撞和下压行为，在后续测试中得到明显改善。
这些变化并不是针对每种情况重新编写了固定动作规则，而是模型根据操作结果的反馈，进一步优化了自身的行为策略。
从“能够完成动作”，到“学会更好的操作”，这正是深诣所理解的自进化。其背后的技术逻辑，可以概括为两个环节：理解与对齐。
SE-1具身基础模型负责理解任务与物理世界。通过任务理解、世界推演和流畅动作生成三层核心能力，以及World Model MoE多物理专家架构，模型能够协同理解和预测不同维度的物理信息，将任务目标逐步转化为连续、可执行的动作。
而强化学习则进一步驱动行为改善。根据人类定义的任务目标与评价标准，机器人通过真实交互获得反馈，不断调整策略，使操作越来越符合实际工作要求。
针对真机数据稀缺、交互成本高的问题，深诣还研发了OMPO经验匹配技术，并采用异步、off-policy强化学习方法，让模型能够更有效地利用与当前任务相关的历史数据和多源经验，提高真实交互的学习效率。
具身智能能否真正进入产业，不仅取决于模型能力，还取决于能否将技术转化为可靠、可部署、可持续迭代的机器人产品。
这也是深诣创始团队的重要优势。
深诣创始人兼CEO刘凯曾任极智嘉联合创始人，拥有15年以上机器人产业经验，长期参与全球机器人产品研发、商业化与规模化交付。技术联合创始人罗宇、黄康尧均博士毕业于清华大学计算机系，分别在基础大模型、强化学习，以及具身系统、高性能仿真等领域具有长期研发积累；刘华平教授担任公司首席科学家。
前沿AI研发与全球机器人产业化经验的结合，让深诣能够从真实产业需求出发，协同设计模型、算法、机器人本体与系统工程。
面向复杂的实际作业环境，深诣还持续建设Agentic Robot与Engineering Harness具身系统，将任务编排、模型推理、感知控制、功能安全、异常恢复以及数据反馈和持续学习机制连接起来，推动具身智能从单项能力验证走向完整的机器人产品。
面向未来，深诣提出“1+2+N”产品与产业路线：以SE-1这一通用具身大脑为核心，支撑物流操作机器人Sculptor与工业操作机器人Edge两大产品方向，从物流装卸、混合码垛、柔性装配等高价值场景出发，逐步拓展至更多真实工作任务。
在深诣看来，机器人规模化部署的关键，不只是今天能够完成多少任务，更在于未来能否以更低的成本、更快的速度学会新的工作。从一项任务到更多任务，从一台机器人到更多本体，深诣希望通过模型能力、真实经验和系统工程的持续积累，让机器人不断拓展工作边界。
让每一次工作积累的经验，帮助机器人更快地适应下一项工作。让每台机器人，都成为能够持续学习、不断拓展能力的真实生产力。
