六台机器人，四台通过，完成1,730项任务
六台 Agibot Genie G2 人形机器人在上海市徐汇区一家营业中的便利店参加了为期24小时的试运行，共完成1,730项任务，但只有四台通过岗位考核。未达标的两台在货架检查和清洁工作上表现不佳，其中一台清洁机器人在夜班期间偏离指定路线，走到了店外。
目录
挑战于2026年11月2日上午10时开始，11月3日结束。活动由 Agibot 主办，该公司的正式名称为智元创新（上海）科技有限公司。直播在各线上平台吸引了超过200万名观众。机器人先后应对午餐时段客流、晚间顾客、夜间值守，以及次日早间早餐服务。
这场试运行在热闹场面之外提出了一个实际问题：当顾客、订单和障碍物不断变化时，机器人能否让门店各项相互关联的工作顺畅运转？成功制作一杯咖啡只是考核的一部分。及时响应、坚守指定岗位，以及出现问题时恢复正常工作，也都计入考核。
Agibot 具身智能研究中心副总裁任光辉承认，与经验丰富的门店员工相比，机器在适应变化、快速完成精细动作以及处理突发问题方面仍有差距。要取得进一步进展，关键在于将工作成功与失败的记录转化为更好的操作规则和动作技能。
机器人实际完成了哪些工作
六台机器分别承担迎宾、商品处理、咖啡制作、热食服务、货架检查和桌面清洁工作。它们完成的任务总数涵盖了难度和耗时各不相同的工作。
- 迎宾或接待顾客683次。
- 取送商品369项。
- 制作咖啡147杯。
- 提供餐食126次；总结数据中称为早餐服务，考核结果中则称为热食服务。
- 检查和补充货架277项。
- 清洁桌面128次。
顾客接待约占记录在案的1,730项任务的39.5%。接待与商品处理合计完成1,052项任务，约占60.8%。这些数字显示，记录的大部分工作涉及与顾客互动和搬运商品，同时也包括更引人注目的饮品制作和餐食服务。
六台机器合计平均每小时完成约72项任务。不过，各类工作要求不同：迎接顾客与制作咖啡涉及不同的流程、设备和耗时。考核还考虑了值守时长、顾客反馈、任务成功率、响应速度以及问题恢复能力。
为何四台通过、两台未通过
迎宾机器人 Ahao 主动帮助顾客，获得了最高的客户服务评分。负责取送和处理商品的 Huobao 能迅速响应订单，并在需求增加和订单取消时继续工作。
咖啡机器人 Kashao 的制作流程稳定，顺利通过考核，其美式热咖啡也获得好评。负责热食、同时承担结账工作的 Dingjiang 稳定完成任务，达到要求标准。
负责货架检查和补货的 Juanwang 没能跟上门店的运营节奏。考核认为，它检查货架和补货时主动性不足。清洁机器人 Lengjie 在夜班期间离开指定路线并走到店外，因此需要修改其操作规则。
六台参试机器中四台通过，合格率约为66.7%。Agibot 没有公布具体的合格门槛、完整评分表或人工干预次数。因此，已公布的结果更详细地反映了各个岗位的表现，而非系统的整体可靠性：迎宾机器人在客户服务方面表现良好，清洁机器人则需要更严格地限定作业范围。
全天候工作带来不同考验
24小时的安排让机器人在同一处狭小空间内应对不断变化的需求。午餐和早餐时段要求它们及时为顾客提供服务。晚间营业又带来另一波客流，而夜间时段则考验机器能否在门店较为安静时继续履行指定职责。
试运行按以下流程进行：
- 2026年11月2日上午10时：六台 Genie G2 机器人在徐汇区这家便利店开始工作。
- 11月2日午餐和晚间时段：考核覆盖繁忙的服务时段，包括接单、商品处理和食品制作。
- 11月2日夜间至11月3日：机器人继续值夜班，期间清洁机器人偏离了路线。
- 11月3日早餐时段及试运行结束：最后一个服务时段完成了24小时考核，随后公布四台机器通过考核。
考核覆盖了四个服务时段，而不是只观察某个经过精确计时的动作。商品配送延迟可能影响另一笔订单；一台机器人占据货架前的位置，也可能妨碍同伴靠近。要让工作顺畅进行，除了各自灵活操作，还需要彼此协调。
顾客和障碍物也成为考核的一部分
两位受邀参与者 Xiaoyang biubiu 和 Xiaoxiao Nathan 设置了一些挑战，模拟门店员工可能遇到的问题。他们要求机器人区分普通可乐和无糖可乐，打乱货架上的口香糖，并用人和箱子挡住通道。
可乐任务要求系统将口头要求与视觉识别结合起来，找出正确商品。口香糖测试考察机器能否检查货架上的实际情况，并将商品放回正确位置。障碍物测试则考察机器能否停下来，并绕过行人或物品寻找其他路线。
试运行期间，机器人通过视觉检查识别摆放不当的商品，并将其放回正确位置。货架出现空位时，也可能触发补货，无需有人再次发出指令。清洁演示还包括辨别表面图案与液体泼洒或污渍。
这些任务将感知和动作结合起来。机器人首先要识别商品、障碍物或脏污区域，再选择并执行相应操作。识别错误可能导致送错商品、进行不必要的清洁，或堵住另一台机器的路线。
一袋糖果为何也难住机器人
任光辉称，便利店是颇具挑战的工作环境，因为这里商品种类繁多，需要小心处理，顾客会在机器之间走动，而且多台机器人要共用有限空间。与固定的拣货工位不同，顾客移动商品或走进过道，都可能改变门店的状况。
挂在挂钩上的一袋彩虹糖就能说明其中的难点。机器人必须识别商品、选择抓取位置，并施加足够的力将其取下，同时避免袋口被挂钩卡住。抓取位置和力度同样重要。
柔软的蛋糕则带来另一种难题。力度太小，蛋糕可能滑落；力度太大，又可能把它压坏。相比边缘规则、形状固定的物体，会弯曲或变形的包装和食物更难稳定处理。
任光辉表示，如果作业区域划分明确、物体标准化且结果容易核验，任务相对容易。柔性物体、复杂的表面接触情况和较长的动作序列仍是技术难点。对门店而言，这意味着机器人或许能稳定完成一项安排明确的工作，但要以经验丰富的员工同等速度应对不断变化的商品，还需要进一步改进。
连接六项独立工作的软件
Agibot 为六台机器人配备了多套互联系统。其具身基础模型 GO-3Preview 提供了执行不同物理任务的能力。具身智能是指通过实体机器运行的人工智能系统，它能够观察周围环境并采取行动。
该公司的进一步训练系统 GenieEvolver 将真实机器上的学习与模拟和世界模型结合起来。世界模型是用于预测物体及周围环境可能如何响应某项动作的计算机表征。这些训练方法旨在提升动作执行能力。
GenieMaster 负责在机器人之间分配任务，并将执行结果反馈到学习流程中。其具身执行协议（EEP）将决策、物理动作和结果反馈连接起来。
从门店工作的角度看，调度软件需要了解哪台机器人能够执行某项任务，以及它面临什么条件。动作系统随后要依据当前观察结果执行任务。反馈则让调度系统能够决定下一步如何处理，包括在动作需要修正时及时调整。
由于机器人共享有限空间，协调必不可少。如果补货机器人占据了订单所需的位置，系统就必须协调空间使用或调整工作顺序。Agibot 指出，机器人位置冲突以及订单状态更新延迟，都是可以通过改进任务规则来解决的问题。
从错误中学习有两种不同的时间尺度
Agibot 将利用工作成功与失败记录的流程称为 PhysicalRSI，即物理世界中的递归自我改进。其基本思路是分析实际任务中的情况，做出调整，再依据后续表现持续改进。
据介绍，GenieMaster 会收集任务成功和失败的执行过程，将有用经验存入长期记忆，并把有效调整转化为训练数据。复用已记录的操作规则与训练新的动作技能，所需时间并不相同。
任光辉表示，任务流程和调度方面的经验可以在当天复盘，并于次日应用。动作策略的更新则需要收集数据、进行质量检查、训练和验证。动作策略是根据机器人观察到的信息来选择物理动作的系统。
任光辉表示，直播期间收集的有效数据预计会在一至两周后用于更新动作策略。因此，试运行的后续改进分为两个阶段：先快速调整工作流程规则，再逐步更新控制动作的模型。
清洁机器人偏离路线和补货机器人响应迟缓，也体现了两种不同的改进方向。前者需要确保机器人留在指定作业区域内；后者则需要提升货架维护的时机把握和主动性。Agibot 尚未公布这两台机器再次接受公开考核的日期。
怎样才能让这些工作具备商业价值？
Agibot 将此次门店试运行称为公司新近发布的一体化具身人工智能能力在具体商业运营场景中的首次应用。公司于10月22日启动 AI WAVE 技术发布系列活动，先后展示了数据、模拟、模型、机器人硬件和操作系统，随后将这些技术应用于门店。
公司推进商业化的同时，据报道，2026年上半年营收接近20亿元人民币，通用人工智能机器人累计产量达到2万台。这次便利店考核重点检验了这些机器在日常服务中能够提供什么。
Agibot 联合创始人、联席总裁兼具身业务部总裁姚茂青表示，机器人要承担生产性工作，必须达到可量化、可重复和可持续的工程标准。他提到的衡量指标包括成功率、完成任务所需时间，以及故障平均间隔时间，通常简称 MTBF。
MTBF 指平均故障间隔时间。对门店经理而言，这关系到一个实际问题：机器在故障中断服务之前能持续工作多久。任务耗时也同样重要。即使机器人最终能正确完成制作，等待早餐的顾客仍需要及时拿到餐食。
Agibot 团队列出了四项希望追踪的指标：提高达标产出，减少重试或人工接管造成的时间损失；在商品、布局或门店发生变化时，减少数据收集和调整工作；确保改进在独立考核中依然有效，同时保留已有技能；随着不同班次和客流场景的经验不断积累，降低运营成本。
上海这次试运行展示了机器人提供有效服务的一面，也暴露出尚未解决的问题。四台机器人达到各自岗位的标准，另两台则显露出持续专注于岗位职责和控制动作方面的不足。公司下一步的技术工作，是依据已提出的绩效指标，将这些经验应用到更长时间的运营和不断变化的门店环境中。
要点
- 六台 Agibot Genie G2 机器人于2026年11月3日在上海市徐汇区完成了一次为期24小时的便利店试运行。
- 机器人共记录1,730项已完成任务，包括683次顾客互动、369项商品处理任务和147杯咖啡制作。
- 四台机器人通过考核。货架检查机器人未能跟上门店节奏，清洁机器人则在夜班期间偏离了指定路线。
- 测试内容包括区分不同种类的可乐、整理被打乱的货架，以及绕开行人和箱子。
- Agibot 表示，工作流程的调整可在次日实施；使用试运行数据更新动作模型预计需要一至两周。
- 公司提出的商业化目标包括提高成功率、减少服务中断、简化新门店部署，以及降低运营成本。
