近日，美国机器人初创公司推出新一代机器人 AI 模型 ACT-2，并公布其在家庭环境中的测试表现。

据公司介绍，ACT-2 具备较强的视觉理解与操作能力，在未提前训练的陌生家庭环境中，机器人能够完成衣物整理、折叠等任务，叠衣成功率超过99%。

这一进展也反映出具身智能领域正在从“实验室演示”向“真实家庭场景应用”方向推进。

从固定任务到泛化能力

传统机器人通常需要针对固定环境进行编程。

例如：

• 固定生产线
• 固定物品位置
• 固定操作流程

但家庭环境更加复杂：

• 物品种类变化大
• 摆放位置随机
• 光照和空间条件不同

因此，机器人能否适应陌生环境，一直是具身智能发展的核心难题。

ACT-2 的目标，就是让机器人通过 AI 模型理解环境，并根据实际情况自主完成任务。

机器人“大脑”成为竞争重点

近年来，机器人产业竞争重点正在发生变化。

过去主要关注：

• 机械结构
• 电机性能
• 运动控制

如今，越来越多企业开始投入：

• 视觉模型
• 世界模型
• 机器人基础模型
• 多模态 AI

原因在于：

机器人硬件决定“能不能动”，而 AI 模型决定“会不会干活”。

家庭场景成为具身智能重要方向

叠衣服、整理物品、厨房操作等家庭任务，看似简单，但对于机器人而言具有较高挑战。

这些任务需要机器人同时具备：

• 视觉识别能力
• 空间理解能力
• 精细操作能力
• 长任务执行能力

如果机器人能够在复杂家庭环境中稳定完成任务，将为未来家庭服务机器人商业化提供重要基础。

行业趋势

目前，全球多家机器人企业正在推进具身智能模型研发，希望打造类似“大脑”的通用机器人系统。

未来机器人竞争可能不仅是硬件性能竞争，更是：

数据积累 + AI模型 + 机器人本体 + 应用场景

的综合竞争。

ACT-2 此类模型的出现，也代表具身智能正在向更高水平的自主操作阶段发展。