机器人现场串糖葫芦、做咖啡、送餐到手……今年中关村论坛年会上的“机器人餐吧”全程自主操作营业，是行业内首次实现“异构多机协同”的闭环餐饮服务真实场景。3月26日，北京青年报记者从2026中关村论坛年会科技办会新闻发布会上了解到了这些来自不同品牌的多类型机器人是如何实现全流程自主协同作业。

在机器人餐吧，依托智源研究院RoboBrain与RoboOS平台，乐聚、千寻等5家具身智能企业的8台机器人，共同实现了从点餐、制餐到送餐的全流程自主操作。在整体技术突破上，项目最大的亮点是首次落地了“一个大脑、一个平台、一个场景、N个本体”的创新模式。

乐聚通研（北京）机器人技术有限公司具身操作算法总监王强介绍，在这个复杂的协同网络中，乐聚机器人主要承担了最核心的“移动执行”与“前端交互”工作。乐聚轮臂送餐机器人凭借3D视觉自主导航技术以及拟人化操作技能模型，能够丝滑地实现全向转弯与精准移动并稳定抓取餐品，它的长续航能力及高可靠性保证了餐吧高订单量情况下的持续稳定运行。乐聚迎宾机器人还深度融合了端侧的多模态大模型。这意味着它不需要把数据传到云端去处理，在本地就能实现低延迟的拟人化自然交互。

王强表示，这种自动化的具身智能在服务业的成功验证，预示着“通用大脑结合跨本体软硬件平台”的技术体系已经具备了规模化下沉和普及的条件。未来它将深刻改变我们的生活：在商业与生活服务方面，无人智慧门店、商业楼宇的导览与配送机器人大规模普及；在产业端，这类技术将广泛赋能工业制造、仓储物流甚至科研医疗领域，替代人类去完成那些高强度或高精度的复杂自动化作业。

据了解，串糖葫芦的机器人“小墨”的任务涉及到从“标准件”到“非标准柔性物体”的视觉与动作泛化。万境千寻（北京）科技有限公司副总裁孙荣毅介绍，山楂这样的水果并非实验室的刚性物体，“非标准、易变形”物体，它的大小、形状、表皮光滑度每一次都是不同的，串糖葫芦的过程也需要精细的视觉识别和力控能力。

孙荣毅表示，千寻训练VLA模型，并不是为了单纯教会机器人“串糖葫芦”，而是为了让模型掌握背后的通用物理交互逻辑。机器人在串糖葫芦过程中学到的“基于视觉反馈的动态微调”、“双臂协同”以及“穿刺阻力感知”，本质上是一种高级的精细操作技能。

“餐吧是一个非常典型的非结构化环境——光线是多变的、背景里有人员走动、且随时可能有突发状况。让VLA模型在这种充满动态干扰的真实服务场景中稳定输出，是我们实现规模化商业落地的必经之路。”孙荣毅解释，如果用人类的智商和操作能力来对比，机器人通过模型自主推理完成串糖葫芦任务，基本上相当于五到六岁小朋友的水平。

孙荣毅透露，2026年公司将会采集100万小时的真实数据，预计到年底，小墨机器人将为大家提供更好的服务。

文/北京青年报记者 宋霞
摄影/北京青年报记者 宋霞
编辑/张丽