它石智航发布具身基座大模型AW，实现多任务高并发与全场景通用覆盖

过去很长一段时间内，机器人领域普遍采用封闭式的专用模型体系。每当工作环境、目标对象或操控逻辑发生变动，团队几乎不得不从头采集样本、重新训练网络并反复调试上线流程。

当前，具身智能赛道已全面转向以大规模实际部署为中心的新阶段。核心竞争焦点不再局限于某项孤立任务能否跑通，而在于一套统一的智能框架能否突破特定环境、硬件平台和应用领域的限制，真正做到跨域的能力迁移与高效复用。

不久前，它石智航旗下的通用具身大模型AWE3.7（AI World Engine）在短短十天窗口期内高密度地交付了一组覆盖广泛的任务演示。凭借同一个"具身认知中枢"，该模型横跨工厂流水线、仓储物流、日常服务及移动交互等多个应用维度，以实打实的操作表现正面回应了业界长期关注的"具身智能如何达成通用泛化"这一核心议题。

**精度、力量输出与运行稳定性的多维挑战**

工厂车间是对具身智能最严苛的试炼场——微米级别的精确对位、毫秒级的实时力矩调控以及长时间不间断的稳定运转，三者缺一不可。它石智航AWE3.7在统一底座模型的驱动下，将精细化操控推升到了产线可用的工程标准。

在零部件分类场景中，面对杂乱无章散落在台面上的螺钉与螺母，机器人须辨别极细微的尺寸差异，逐一抓取微小工件并精准投入对应的金属容器。即便操作过程中遭遇外部干扰，系统也能自行检测异常并纠正姿态，继续推进剩余的分拣工作。

胶带缠绕是一项辨识度极高的精微操控课题，同时引入了柔性物体的额外难度。线缆质地柔软且极易形变，要求胶带既平整又牢固地包裹上去，这离不开双臂的精密配合。左臂负责夹持固定线缆，右臂握住胶带沿预设路径匀速缠绕；一旦检测到张力波动或目标偏移，系统即刻微调运动曲线，确保胶带始终紧贴、不松脱、不断裂。

RJ45水晶头的插拔则是毫厘之争。机器人需双手联动将接头对准网口，实时感知并预判接触反馈，动态修正握持角度，前臂关节灵活旋转以保证方向正确，整个毫米量级的对接过程对外界扰动具有极强的鲁棒性。

手机入盒属于典型的长链条操作序列。机器人首先将机身平稳置入包装盒，随后以亚毫米精度完成顶盖的对齐、压合与微调。即使周围环境光线产生变化等意外因素介入，整套封装流程依然能够一次性顺利完成。

旋紧螺丝最为考验机器人的"触觉直觉"，需要对接触状态、阻力变化和结构响应做出持续性判断。机器人首先建立螺丝刀尖端与螺孔之间的空间映射，缓慢下降并锁定中心；接着依据扭矩传感器的实时回传信号动态调节施力节奏，确认达到紧固阈值后立即制动，从而实现定位精准、旋拧平稳、收势果断。

**环境持续演变，机器人亦须随之应变**

真实生产与生活中的作业场景从来不是静态的：传送带上的货物川流不息，储物箱随时可能被推移，机器人本体也需在三维空间中边行走边操作。要在连续变化的条件下串联起感知、抓取、转运和放置等步骤，仰仗的是动态感知与执行控制的无缝衔接。

针对传送带上持续滑移的毛绒玩具，机器人在成功抓取后会持续追踪目标状态，评估最佳装袋时机。借助与传送带节拍的同步机制，双臂协调将玩具备妥放入袋中，从而实现对移动作业时间窗的即时匹配。

积木归类乍看平淡，实则蕴含多重推理。不同颜色的积木需各就各位，这要求系统理解"色彩—归属容器"的映射规则；与此同时场景本身也在动态演化：若某块积木被误投，机器人能够察觉偏差并将其取出放回正确位置；若收纳容器发生了位移，系统会即时更新目标坐标、重算运动路径，最终仍将任务无误完成。

当操作范围扩展到更广阔的空间时，机器人的腿部运动与手臂操控必须形成深度耦合。在AWE3.7的加持下，机器人能够在办公区域内自主导航穿行，抵达指定工位后拾取目标物件，再移动到投放区域上方完成安放。行走与操作的高度融合、上下肢在执行过程中的紧密协同，均由模型以端到端的方式一气贯通，全程零人工介入。

**居家与生活辅助服务**

越是贴近日常生活的场景，越能暴露通用能力迁移的真实短板

相较于结构化程度较高的工业现场，家庭环境中的物品种类繁杂、操作流程冗长、约束条件松散，堪称检验通用迁移能力的天然标尺。

叠放衣物需要调动"全身协调能力"。衣物堆放在较低位置，机器人须辨认衣物的褶皱形态，俯身将其捡起并塞入收纳篮。在整个屈伸转换过程中，身体重心不断迁移，但动作始终保持平稳流畅，展现出业内极为稀缺的移动-操作一体化（loco-manipulation）全身控制水平。

擦拭白板最能体现"指尖功夫"。手持板擦轻柔地清除任意位置的书写痕迹，左右手均能胜任且可在执行中途互换角色；系统实时监测清洁进度，即便遇到外力干扰也不中断流程，施力幅度拿捏得当，既彻底去除墨迹又不损伤板面。

收拾书包看似家常，实为一套复杂的长周期任务组合。桌面上散落的铅笔、橡皮擦和文具盒形状各不相同，机器人先完成视觉识别与分类，再统筹规划合理的装填次序，逐件拾取、理整后有序收入包内，全流程井然有序。

一顿早餐的筹备，从自主打开橱柜取出碗筷等器皿起步。机器人将各类餐具与食物依次码放到餐盘中，多品类、多实例的理解与空间位置记忆贯穿始终，抗干扰能力和任务中断后的自恢复能力同样在线。

调制冰沙则对柔性容器的操控提出了更高门槛。机器人捏住柔软的塑料杯体，将其对准碎冰出口，单指按下开关触发出冰；期间持续监控出冰速率与杯内液位，在即将溢满时果断停机，最后将成品递送到指定位置。整条流水线可连续自主运转，无需任何人工接手。

**技术底座与方法论闭环**

上述所有表现的背后，是他石智航通用具身大模型AWE所构建的"原生架构设计→双先验知识预训练→世界模型引导的后训练→规模化实测验证→数据回流迭代"全链路方法论飞轮。基于超过百万小时的以人为中心的真实交互数据以及丰富的视觉-触觉多模态信息，AWE3.7使机器人在开放物理世界中真正实现了"看得清、摸得准、做得稳"，为构建"可信的物理AI"奠定了坚实根基。

目前，这颗"通用认知引擎"的规模效应已初露锋芒：2026年3月，搭载AWE模型的它石A1机器人刷新了"一小时内完成亚毫米级线束装配最高次数"的吉尼斯世界纪录；同年的世界人工智能大会上，AWE通用具身大模型荣获SAIL之星大奖，成为该届唯一摘得此项殊荣的具身基础模型。

在产业实践层面，这套认知内核已深入真实制造产线持续运转，在汽车线束高精度组装、多机协同质量检测等工业环节完成了规模化部署，为传统制造业的智能化转型提供了可批量复制、可持续扩展的具身智能技术路线。

**他石机器人集群落地产线亮相央视《新闻联播》**

具身智能领域的角逐，正在从单一任务能力的短兵相接，演进为基础通用能力的深度复用与生态构建。AWE3.7的实践充分表明，通用化落地已不再是遥不可及的技术畅想，而是一条经由海量数据、硬核成果和产业实证共同背书的可工程化路径。