WAIC亮点直击：傅利叶如何用居家场景验证康养机器人的技术可行性？

李鑫2026-07-201968人形机器人

7月17日，2026世界人工智能大会在上海开幕。傅利叶在展台搭建了一个完整的居家场景，GR-3人形机器人在其中完成取物、递送、安防巡检等任务。观众可以用自然语言下达指令，机器人自主完成全流程操作。同时，傅利叶发布首款轮式双臂机器人GRW,“猫猫头”机器人家族完整亮相。

这场居家场景演示吸引了大量观众驻足体验,也引发了行业对康养机器人应用路径的讨论。有业内人士认为,用居家这一最复杂场景来验证技术能力,是检验具身智能落地可行性的一种思路。傅利叶在WAIC现场展出的这套方案究竟搭载了哪些核心技术？康养机器人如何从医院走向更广泛的商业场景？

PART 01

居家场景为何成为技术验证的试验场？

人形大讲堂注意到，当前服务机器人市场各大厂商整体能力差异较大，部分企业存在技术领先但应用场景滞后的现象。主要技术能力集中在demo演示环节，泛化能力较差，同样一套作业逻辑换个场景就难以正常运行。

传统服务机器人本质是“点到点导航+语音触发”模式，只能执行“去坐标A"“抓取物体B”这类单点指令，所有任务路径、目标位置都需人工预先标定。用户必须说“去厨房第三个柜子拿矿泉水”，机器人才能执行。这种模式的本质是遥控器，不是智能系统。

在笔者看来,居家环境的非结构化特征,是验证具身智能技术能力上限的绝佳场景之一。家庭环境对机器人技术提出了完全不同的要求。首先是模糊语义理解的挑战。用户不会说标准化指令，“我渴了”“有点冷”“帮我看看门口”这些日常表达背后，机器人需要理解真实意图并转化为可执行的任务序列。这要求系统不仅能识别关键词，更要理解语境、推断需求、补全信息。当用户说“我渴了”，机器人需要自主判断这是取水需求，定位饮品可能在哪里，规划如何获取并递送——这是从“听懂指令”到“理解意图”的跨越。

其次是长序列任务拆解与执行的挑战。简单的“拿瓶水”背后，实际包含一系列复杂步骤：理解需求→定位饮品区域→规划移动路径→识别目标物品→调整姿态抓取→返回用户位置→完成递送。每个环节都可能遇到意外情况：路径被临时阻挡、物品位置发生变化、抓取角度需要调整。传统机器人遇到任何偏差就会中断任务，而智能系统需要具备动态调整能力，在某个环节失败时触发重试或切换备选方案，保证任务最终完成。

第三是空间认知与持续记忆的挑战。家庭环境没有统一标准，不同家庭的布局、家具摆放、物品分类都不同。机器人不能依赖预设地图，必须具备对空间的语义理解能力和持续学习能力。它需要“知道”就餐区是用来吃饭的地方，那里通常有餐桌和饮品；客厅角落的充电桩是能量补给点；快递通常放在玄关区域。这种认知不是一次性录入的静态数据，而是需要持续更新的动态知识图谱——当家具重新摆放、物品位置变化时，机器人要能识别并更新自己的认知。

正是这三重挑战，让居家场景成为验证具身智能技术能力上限的试验场。当下多数机器人厂商更倾向在仓库、工厂这类高度结构化场景做演示，这类场景动线固定、物品统一、干扰极少。而医院、养老机构虽有规范流程，但人员流动大、杂物与突发情况更多，标准化程度远不及工业场景，而家庭环境的非结构化特征，复杂程度还要更胜一筹。如果机器人能在家庭这种最复杂、最不确定的环境中理解模糊指令、完成长序列任务、建立空间认知，那么它在医院、养老机构等标准化场景中的应用就会更加成熟可靠。

在笔者看来，这种"由难到易"的技术验证路径,是一种值得关注的商业化思路。这次WAIC展示的居家demo，本质上是对技术能力的极限测试，通过最难的场景验证，为相对简单场景的落地建立技术底座。

PART 02

如何打通语义理解与任务执行的全链路？

在大模型驱动机器人成为行业热点的背景下,如何将语言智能转化为物理世界的可靠执行,是当前具身智能领域探索的核心命题之一。傅利叶此次展示的“具身之家”技术解决方案，核心突破在于构建了一个语义任务执行中枢。通过把自然语言理解、场景语义认知、任务智能规划、控制执行调度和安全控制全链路打通，让机器人从“给点移动”升级到“理解任务、执行任务”。

展会现场，观众说出“我渴了”这样的模糊指令，GR-3无需接收明确的目标位置或操作步骤，便能自主完成取物与递送。大屏幕实时显示系统运行情况：ASR将语音转为文字，大语言模型将整体需求拆解为细分执行指令，视觉模型框选出待抓取物品，最后在语义地图上生成完整移动轨迹。这种可视化不仅展示了机器人的“思考过程”，也为设备落地后的运维调试、故障排查提供了直观依据。

PART 03

大模型如何实现模糊语义到精确任务的转换？

大模型承担高层语义理解与任务规划职能。面对“我渴了”这类生活化模糊指令，大模型需要完成三层转换：

第一层是意图识别。从“我渴了”推断出这是饮水需求，而非询问天气或表达情绪。这需要理解日常对话的语用规则和上下文信息。

第二层是任务补全。用户没有说要什么饮品、在哪里取、如何递送，大模型需要基于场景常识自动补全：饮品通常在就餐区或厨房，优先选择桌面上的瓶装水，递送到用户当前位置。

第三层是流程拆解。将抽象需求转化为标准化执行流程：需求解析→定位饮品→规划行进路线→抓取物品→返回递送。每个步骤都有明确的前置条件、执行逻辑和验证标准。

这套转换机制的价值在于，它让机器人可以应对开放域的自然语言输入，而不是只能识别预设的命令词库。用户可以用各种方式表达同一需求——“给我拿瓶水”“我想喝水”“口渴了”，系统都能准确理解并执行。

PART 04

空间语义场景图如何支撑持续认知？

人形大讲堂观察到，相比传统SLAM(即时定位与地图构建)技术仅关注几何信息,语义场景图代表了机器人空间认知的一次升级。 空间语义场景图是机器人对物理世界的认知底座。系统维护一套完整的多维场景信息库，覆盖房间分区、家具、各类物件、通行点位、物品别称以及物件实时状态等信息。

这是一个双层地图结构。语义地图层记录功能区域和物品属性：就餐区用于用餐、存放饮品，客厅角落充电桩用于设备补能。物理地图层记录精准坐标与障碍物分布，支撑路径规划与自主避障。当用户说“去吃饭的地方拿点喝的”时，语义地图先锁定就餐区域，物理地图同步生成跨房间最优行进路线。

区别于传统机器人只识别“坐标点”，这套系统让机器人“知道”不同空间的功能属性和物品关联。更重要的是，它支持动态更新与持续学习。当家具重新摆放、物品位置变化时，系统会自动更新场景图。当机器人多次在某个位置找到特定物品时，会强化该位置与物品的关联权重，形成经验积累。这种能力是机器人从“执行预设程序”走向“理解环境、适应变化”的关键。

PART 05

DAG调度如何保证长序列任务可控？

行业普遍认为，大模型落地机器人控制尚处于早期探索阶段，“任务黑盒、行为不可控” 是业内突出痛点。大模型仅能输出笼统的自然语言指令，整套执行流程无法拆解、可视化，一旦中途出现故障，机器人只能直接中断任务，操作人员无法介入调整。

针对这一问题，傅利叶通过复杂任务依靠DAG（有向无环图）调度框架实现全程可控。大模型输出的任务流程会转化为有向无环图，清晰标注各子任务的先后顺序、前置条件与容错机制。调度系统全程实时跟进任务进度，若出现物品识别失败、通行路线被遮挡等突发状况，会自动重试或切换备选方案，不会直接终止全部任务。

这种设计解决了传统大模型驱动机器人“任务黑盒、不可控”的行业痛点。每一步执行结果都有反馈，每个环节的状态都可追溯。如果第三步“抓取物品”失败，系统会先尝试调整抓取角度重试，如果多次失败会判断物品可能不在预期位置，触发重新搜索流程。这种容错机制保证了机器人在真实环境中的鲁棒性。

展会现场是标准化的多房间空间，物品摆放相对固定，光照条件稳定。真实家庭环境会更复杂：家具布局多样、物品摆放随机、光线变化频繁。但这次demo验证了核心技术架构的可行性，证明了系统具备应对复杂场景的能力。这为后续在医院、养老机构等相对标准化场景中的稳定应用打好了技术底座。

PART 06

从居家验证到商业落地：技术如何支撑场景延伸？

如果说语义任务执行中枢解决了“单台机器人如何理解和执行任务”的问题，那么当技术从居家demo走向养老机构、医院等商业场景时，还需要解决“多台机器人如何高效配合”“如何适配不同场景需求”等新挑战。

人形大讲堂认为，多机协同是商业场景落地的必备能力之一。目前市场上不少服务机器人仍以单机运行为主,系统级调度能力相对有限。傅利叶在本届WAIC展会上演示了成熟的多机协同能力。现场两台GR-3在狭窄过道相向而行时，系统会判断任务优先级，正在运送饮品的机器人拥有更高路权，另一台空载机器人会自动靠边停车甚至倒车避让，待同伴通过后再恢复导航。

这种能力依赖傅利叶自研的FOCUS集控系统，它在毫秒级统筹所有机器人的实时位置与任务状态，动态分配路权和调整路径。这不是简单的防撞逻辑，而是基于任务优先级的全局调度。

这一能力在商业场景中的价值更加明显。一个养老机构可能同时运行多台康复训练机器人、陪伴机器人和递送机器人，如果没有统一调度，效率会大幅下降。医院场景中，紧急情况下需要优先级切换，如何处理突发任务插队、如何避免系统性拥堵，这些都需要多机协同能力的支撑。

同时，从居家到机构场景，机器人需要适配不同的任务模式和交互需求。居家场景强调个性化服务和长期陪伴，机器人需要记住用户的习惯偏好；养老机构强调标准化服务和多人协作，机器人需要在保证服务质量的同时提升运营效率；医院场景强调精准操作和安全管理，机器人需要在严格的流程规范下完成辅助任务。傅利叶通过居家这一最复杂场景验证了核心技术能力，为这些商业场景的稳定落地打好了基础。

PART 07

康养机器人如何分阶段走向规模应用？

机器人行业内有一种共识:技术突破不等于商业成功,场景适配和渐进式落地是关键。傅利叶创始人顾捷曾表示：“康养机器人的场景应用是一个分阶段逐步演进的过程。第一阶段主要在医院康复场景，这是目前最成熟、验证最充分的应用场景；第二阶段会进入养老机构和护理机构，更多承担长期照护和功能维持；第三阶段才会逐步走向家庭场景，进入更日常的健康管理和辅助服务。"

这次WAIC选择展示居家场景demo，并非意味着傅利叶要从家庭市场切入，而是通过最复杂场景的技术验证，证明其核心能力已经达到支撑商业落地的水平。基于这样的技术储备，傅利叶围绕康养场景构建了完整的产品矩阵。