六台机器人、1730项任务和两项未完成的评估
六台Agibot G2人形机器人在上海徐汇区一家正常营业的便利店参加了为期24小时的测试，据报共完成1730项任务。其中四台通过评估，另外两台需要进一步调整。测试从2026年11月2日上午10时持续至11月3日上午10时，覆盖午餐时段、晚间购物时段、夜间值守和早餐服务。
目录
Agibot称，这些机器人完成了683次顾客问候或接待互动、369项商品取送任务、147杯咖啡、126份热食或早餐服务、277项货架检查和补货任务，以及128次桌面清理。直播吸引了超过200万名观众。
两台未通过评估的机器人暴露出不同问题。一台负责货架检查和补货的机器人主动性不足，跟不上门店节奏。一台清洁机器人在夜间值守时遇到垃圾桶已满，随后离开指定路线，到店外寻找可以倾倒垃圾的地方。
这场名为“机器人永不下班”（Robots Never Clock Out）的活动，让机器人与顾客和店员并肩工作，而不是在空旷的演示场地中运行。最有参考价值的发现涉及那些让零售工作变得困难的日常意外：突然出现的障碍物、被挪动的商品，或无法按计划完成的任务。
Agibot以员工试用期评估的方式介绍测试结果。四台机器人通过了各自岗位的评估，另外两台还需改进。对零售商而言，实际问题在于：机器人能否准确交付订单、遵守安全边界，并在门店状况偏离预期时恢复正常工作。
哪些机器人通过了评估，哪些需要再次考核？
负责迎宾和回答顾客咨询的阿豪，获得了最高的客户服务评分。它能够主动问候顾客，而不是只等顾客上前。负责取送商品的货宝能够快速响应订单；随着需求增加以及顾客取消订单，它也能继续工作。
咖啡机器人咖少按照有序流程制作饮品，其制作的热美式咖啡获得顾客好评。负责热食服务和收银工作的丁匠表现稳定，达到评估标准。
负责检查货架和补充库存的卷王因主动性不足、难以跟上门店运营节奏而未通过评估。清洁机器人灵洁则需要调整操作规则，此前它在垃圾桶已满时离开了店铺。
这两项结果对应着不同的工程改进方向。卷王需要学会在不等待额外指令的情况下判断何时开始工作。灵洁则需要在任务触及获准工作区域边界时作出明确反应，例如停下并请求帮助。
四个时段给机器人带来不同考验
评估覆盖了完整的营业周期，而不是在相同条件下重复一项任务。测试安排让机器人及其协调系统面对不断变化的需求：
- 11月2日上午10时：六台机器人在正常营业的门店开始工作。
- 午餐时段：食品和饮料订单考验机器人在繁忙服务时段的制作和配送能力。
- 晚间时段：活动量增加，考验订单处理能力以及机器人在共享空间中的协调表现。
- 夜间：交易较为清淡，考验持续值守、清洁以及应对突发情况的能力。
- 11月3日早餐时段：上午服务再次考验机器人适应工作量变化的能力，测试于上午10时结束。
受邀参与者还设置了刻意的挑战。他们要求机器人分辨包装相似的普通可乐和无糖可乐，挪动商品、站在过道中，还摇晃热食容器，增加机器人抓取里面食物的难度。
Agibot从出勤情况、四个时段的工作表现和顾客认可度等方面进行评估。Agibot具身智能研究中心副总裁任光辉表示，团队还跟踪了任务成功率、首次尝试成功率、响应时间、完成时间、合格产出、人类接管频率、恢复时间和系统可用性。
为什么拿起食物可能比找到食物更难
包装饮料和柔软食物需要不同的处理方式。机器人即使能识别正确商品，也可能在接触时失败：柔软包装会变形，光滑表面容易滑动，易碎食物则可能因挤压过度而破损。
任光辉将用夹钳夹起一块金色蛋糕描述为一连串精确动作。机器人必须握住夹钳、控制开合、选择接触食物的位置，并施加足够的压力将食物夹起，同时又不能压坏它。随后，机器人还要对准袋口、松开夹钳、将夹钳撤回，再调整握姿提起袋子。
临近结束时的一点小失误，就可能让前面的努力前功尽弃。将包装糖果挂到货架挂钩上，也面临类似问题：机器人必须对准小小的开口，同时避免夹住包装纸或碰动旁边的商品。
宇树科技创始人王兴兴也指出，精准的物理接触仍是机器人技术面临的一大瓶颈。他的判断聚焦于这样一个差距：机器人能够识别周围环境，却未必能精确控制触碰和操纵物体所需的最后几个动作。在商店里，这些动作决定顾客能否拿到完好的食物，以及商品能否被正确摆放。
共享店面需要统一规划
六台机器人在一家小店内工作，既带来操作问题，也带来调度问题。补货可能占用取货订单所需的空间，清洁可能堵住过道，一个工作站的延误也可能拖慢之后的多项配送任务。
Agibot使用其Genie Master框架协调这些机器人。公司称，该框架于10月27日发布，时间就在门店测试前不久。它通过一种名为具身执行协议（EEP）的机制，将任务分配、执行指导和反馈连接起来。
简单来说，协调软件会决定由哪台机器人执行任务、检查执行结果，并据此安排下一步工作。它还会考虑订单优先级、机器人状态和可用空间。若多项任务争用同一处货架空间，系统可以将它们错开；彼此兼容的任务则可以同时进行。
顾客也是一个不断变化的因素。有人进入机器人工作区域时，机器人需要减速、暂停、让行或重新规划路线。任光辉表示，不确定性增加时，机器人应减少主动动作；必要时还应停下并请求协助。因此，即使安全等待会降低速度，等待本身仍是有效工作的必要组成部分。
Agibot称机器人如何从失误中学习
Agibot将其学习方法称为Physical RSI，即通过实体工作积累经验，并将经验用于后续改进。公司将这一过程分为两条路径：记录有用经验，以及重新训练控制动作的模型。
第一条路径称为Harness RSI，用于存储并总结成功和失败的任务流程。机器人之后遇到类似问题时，可以参考这些记录。第二条路径称为Policy RSI，通过筛选后的案例训练动作策略，也就是指导机器人如何移动和操纵物体的模型。
任光辉表示，工作流程和协调方面的问题可以在当天复盘，并在次日加以避免。动作策略的调整通常需要数天完成一个开发周期。直播数据在进入训练前会经过筛选、去除可识别个人身份的信息和质量检查；由此产生的调整通常会在一至两周内体现在后续软件版本中。
Agibot还介绍了此前的一段测试期：食品打包、商品取货和补货等任务的流程成功率，从第一天的28.6%提高到第五天的85.7%。这相当于提高了57.1个百分点，约为初始水平的三倍。
这些数据来自此前的测试期。公司尚未公布这次24小时公开测试中各项任务对应的同类详细成功率。
任务总数对门店经营者意味着什么
据报完成的1730项任务，平均相当于六台机器人每小时完成约72项活动。顾客接待和商品取送合计1052项，约占任务总量的61%。
这些计算有助于描述工作量，但不同活动之间差异很大。问候顾客和准备一份热餐所需的时间、实际操作和检查工作各不相同。门店经理评估部署方案时，需要分别考察各个岗位，包括等待时间和最终服务质量。
活动资料未提供经过独立审计的任务日志、人工介入次数或故障率，也没有将机器人产出和成本与人工员工进行比较。充电间隔和维护时间同样未披露。因此，机器人实际自主工作的总时长以及所需员工支持程度仍不明确。
衡量有效工作，而非镜头前的时间
Agibot提出了一项名为Worken的生产力指标，称其为“有效智能工作时长”。该指标结合了正在工作的机器人数量、自主工作时间和产出效率比率。
这一思路将重点放在合格产出上：机器在自主运行期间完成了多少合格工作。对门店而言，这意味着商品准确、订单完整、食品或饮料可供使用，并且顾客能在可接受的等待时间内收到。
Agibot联合创始人、联席总裁兼具身业务群总裁姚茂青在公司创新日上谈到了演示与生产性工作的区别。他在发言中说：
演示考验的是单项能力的上限，而生产力考验的是系统的下限。
这番话对零售运营有着具体意义。机器人即使能出色地处理简单订单，也必须能可靠应对棘手情况。要计算上海测试的Worken指标，除了已公布的任务总数，还需要自主运行时长和产出效率数据。
扩大部署前还需改进什么？
任光辉表示，商业化准备程度取决于具体任务，而非固定时间表。他指出了三项实际检验标准：任务边界是否明确、结果是否容易检查，以及突发情况是否足够少见，让系统能够自行恢复。
在环境有序的场所，日常货架整理、补货和清洁辅助是他认为可以较早部署的岗位。涉及复杂顾客互动、身份核验或处理方式不太可预测的工作，则需要更长时间验证。货架检查机器人和清洁机器人已经表明，即使看起来适合自动化的岗位，也需要经过周密设计。
要从一家店扩展到数百家门店，需要统一工具、接入零售业务系统、更快完成安装，并实现有效的远程维护。机器人还需要将有用经验迁移到布局和商品各不相同的门店，减少每个新地点所需的重新设置工作。
任光辉承认，与经验丰富的门店员工相比，机器人在适应变化、快速完成精准动作以及处理突发情况方面仍有差距。他提出的商业化评估标准很实际：缩短部署时间、减少人工调整、提高有效产出。上海的测试既展示了可行的工作流程，也暴露出需要调整的规则；下一步工程工作是让这些流程在多次轮班和不同门店中都能稳定运行。
要点
- 六台Agibot G2机器人于2026年11月2日至3日在上海徐汇区一家便利店参加了为期24小时的测试。
- Agibot称机器人完成了1730项任务，直播观看人数超过200万。
- 四台机器人通过岗位评估；货架检查机器人和清洁机器人需要进一步调整。
- 一台机器人主动性不足，另一台在遇到垃圾桶已满后离开了门店。
- Genie Master负责协调任务、共享工作空间以及机器人反馈。
- 公司未公布自主运行时长、人工介入次数、经审计的故障率，也未提供与人工员工的比较数据。
