ARTICLE · 人工智能
WRC 展会拿旧 Demo 炒冷饭？扒一扒千寻藏在水下的全栈底牌
一语总结千寻智能在 WRC 展示旧版'整理客厅'Demo，通过 30 天的全栈优化使成功率提升至 99%+，提出时间密度概念展示具身系统快速进化能力。
文章详细描述了千寻智能在 2026 世界机器人大会上展示的'整理客厅'演示。尽管使用了一个月前在 WAIC 上已有的同一套 Demo，但通过 30 天的全栈优化，可乐入冰箱、碗入洗碗机的成功率均提升至 99%以上，导航目标确认时间降低近 50%。文章提出了'时间密度'概念，衡量系统吸收问题、训练验证并将改进送回真机的速度，并拆解了感知、数据管线、VLA 底座模型 Spirit v1.6、Agent 决策、导航与操作以及硬件基础设施等全栈要素如何协同支撑快速迭代。此外，文中还提及千寻机器人已在宁德时代动力电池产线等工业场景落地，展示出强跨场景泛化能力。
- 关键任务成功率显著提升，可乐入冰箱由约 80%升至 99%以上，碗入洗碗机由约 90%升至 99%以上，导航目标确认耗时降低近 50%。
这些数据表明在相同长程复合任务上，系统在 30 天内通过算法、数据和硬件优化实现了可靠性和效率的大幅提升。
- 提出“时间密度”概念，用以衡量具身系统吸收问题、完成训练验证并将改进送回真机的速度。
时间密度关注系统进化的速率而非单次峰值表现，成为评估具身企业长期势能的重要标尺。
- 全栈技术体系协同作用：感知、数据管线、Spirit v1.6 VLA 模型、Agent 决策、导航与操作以及硬件基础设施共同支撑快速迭代。
每一环节缺一不可，只有数据闭环、模型与 Agent 的状态对齐、硬件可靠性提升，才能让失败快速转化为改进。
- 技术已落地工业场景，如宁德时代动力电池 PACK 产线作业成功率稳定在 99%以上，同时与京东、博世等合作展示跨场景泛化能力。
具身系统不仅在展会 Demo 中表现优异，还能在真实生产线和公共服务场景中稳定运行，验证了其产业化潜力。
WRC 展会拿旧 Demo 炒冷饭？扒一扒千寻藏在水下的全栈底牌
文章详细描述了千寻智能在 2026 世界机器人大会上展示的'整理客厅'演示。尽管使用了一个月前在 WAIC 上已有的同一套 Demo，但通过 30 天的全栈优化，可乐入冰箱、碗入洗碗机的成功率均提升至 99%以上，导航目标确认时间降低近 50%。文章提出了'时间密度'概念，衡量系统吸收问题、训练验证并将改进送回真机的速度，并拆解了感知、数据管线、VLA 底座模型 Spirit v1.6、Agent 决策、导航与操作以及硬件基础设施等全栈要素如何协同支撑快速迭代。此外，文中还提及千寻机器人已在宁德时代动力电池产线等工业场景落地，展示出强跨场景泛化能力。
文章金句
"所谓'时间密度'，看的就是一套系统能在多短时间里吸收问题、完成训练和验证，再把改进送回真机。
"它其实是在评估一套技术体系处理真实失败的速度：谁能更快把问题吃进去，再把改进送回机器人身上，谁的边界就会扩得更快。
"可乐放入冰箱的自主推理成功率由约 80%提升至 99%以上；碗放入洗碗机由约 90%提升至 99%以上；导航目标确认耗时降低近 50%。
"Spirit v1.6 将视觉感知、语言理解、动作生成与世界状态预测纳入统一训练，实现了边感知、边决策、边调整，就像老司机开车，遇到突发状况手脚能下意识联动。
"机器人不能以到了某个坐标点为标准，机器人要抵达的得是后续动作真正能展开的位置，即'可操作位姿'。