- ACE Robotics 展示了酒店洗衣自动化流程，从收集到交付仅需 18.6 秒。
- Mundo 系统通过互动数字双胞胎提升机器人学习能力，模拟环境特性。
- 双模型架构分离规划与执行，缩短洗衣运行时间至 18.648 秒。
- 系统具反馈循环，能够自主改善机器人技能和行动策略。
中国的 ACE Robotics 展示了一套酒店洗衣工作流程，利用其 Mundo 世界模型将机械技能与云端规划相结合，实现从收集到交付的自动化过程。该系统能够让机器人从客房中收集洗衣篮，将其运送至洗衣房，操作洗衣机和烘干机，并将干净的衣物送回。Mundo 通过照片创建酒店环境的互动数字双胞胎，让机器人能在实际运作之前模拟任务并学习物体的行为。根据公司所述，自我改进的技能系统利用现实世界的失败反馈来精炼性能，将整个洗衣工作流程缩短至 18.6 秒。
Mundo 系统使机器人能够从客房中收集洗衣篮，运送至洗衣房，操作洗衣机和烘干机，并返回干净的衣物。此次演示标志着自 ACE Robotics 与南洋理工大学的 S-Lab 上个月推出 Mundo 世界模型以来，该技术的首次长链商业应用。该系统的核心是 Mundo，它将酒店房间、走廊和洗衣设施的照片转换为互动数字双胞胎。与传统的视觉模拟不同，这些环境纳入物理特性，如物体质量和摩擦，使机器人能够学习物体如何对接触和移动作出反应。
Mundo 系统的运作原理
每个模拟生成机器人轨迹、接触状态和视觉反馈的数据，这些信息有助于在机器人尝试在实际酒店环境中执行相同任务之前，精炼其行动策略。
ACE Robotics 采用了双模型架构，将复杂的规划与实时执行分开。一个由 QbitAI 确定的通用云端模型 GPT-Astra 处理任务分解、推理和策略探索。一旦系统确定了可行的方法，便将该程序存储为可重用的机器人技能。运行在机器人本地的另一个模型则检索并执行这些技能，以执行个别动作。此分离旨在避免因依赖云端计算而造成的延迟。ACE Robotics 表示，其云端方法完成一次完整的洗衣运行需时超过 30 分钟，而本地执行模型则将时间缩短至 18.648 秒。
调度系统与工作流程
一个名为 BotAgent 的调度系统协调工作流程，将洗衣操作划分为 53 个原子行动和 14 个高级语义步骤。它可以根据房间位置、电梯可用性和洗衣机排队情况安排超过 200 种可能的行动序列。
该系统还包含一个反馈循环，旨在通过重复的现实世界尝试来改善机器人技能。当操作失败时，云端模型会检查多个镜头录影和传感器日志，以确定问题所在。然后它可以建议改变机器人的动作或选择替代镜头视角以克服可见性问题。例如，当机器人腕部安装的镜头被遮挡时，系统切换到一个高空镜头。在另一个例子中，当牛仔裤被卡在烘干机鼓内时，它修改了夹具的提升轨迹和指尖角度。机器人还能够在每次尝试之间自主重置环境。
另一个模型评估每轮操作，让系统能够保留表现更佳的技能版本，并回滚效果不佳的变更。在仅卸载烘干机的情况下，ACE Robotics 报告在 57 小时内进行了 165 次真实机器人试验，这些试验产生了 37 项改进建议及约 80 种技能版本。该公司表示，卸载周期最终稳定在 170 至 210 秒之间，烘干机内剩余牛仔裤的平均比例从 48% 降至 32%，其中最佳表现的运行达到了 19%。
ACE Robotics 还确定即时零售是该技术的另一个潜在应用。然而，报告的性能数据来自该公司，尚未经过独立验证。
ACE Robotics 的自动化技术意义
ACE Robotics 的洗衣自动化系统展示了机器人技术在酒店业的应用潜力。通过 Mundo 系统，机器人能够在复杂环境中学习和适应，这不仅提高了效率，还能降低人力成本。双模型架构的设计使得系统在执行任务时更为灵活，避免了云端计算的延迟问题。此外，反馈循环的引入使机器人能够不断自我改进，这对于提升服务质量和应对现实挑战至关重要。