六台人形机器人轮流担当迎宾员、咖啡调配师、商品理货员和清洁维护员,以接力式的班制完成了1730项各类任务指令。
其中迎接顾客683人次、搬运商品369件,
调制咖啡147杯、完成补货与例行巡查277次,
而直播观看人数突破200万,
其中四台机器人最终成功”转正”。
便利店里的机器人员工
11月2日上午,店铺大门如常推开,六台智元精灵G2型人形机器人正式打卡上岗——阿豪驻守入口迎接宾客,火宝与倦王搭档理货架,咖少专注咖啡调制,叮酱把守收银与熟食区,全店清洁卫生由冷姐负责。
两位专项测评官来”出题”了——他们在糖分不同的可乐瓶中混搭,只报出一个含糊指令”拿无糖那种”来看机器人能否分辨;他们把整排口香糖打散,考验它能否一盒盒复原;甚至在走廊中央”堵路”,再放个箱子加码,测试绕行能力。
被”为难”到窘迫,机器人甚至回怼了句”你这胆子可真肥”。可话虽这么说,动作毫不停顿——拿可乐时以声音指令配合视觉双重校验防止出错;面对被打乱的货架,不靠价签坐标,而是实时扫描逐格确认后重新整理;撞见人就停下,箱子挡路就再找一条通道。

店员依凭日积月累的经验与灵活变通,轻松三下五除二处理掉的小事,对这些机器人而言,每一次操作都构成了一道新的物理推理题。
要夹住黄金糕,指尖太柔和会滑落,太用力又会碎裂;把彩虹糖挂上挂钩,角度偏离分毫便会勾住周围的其他商品。

便利店这份工作看似不复杂,但作为机器人实战训练的场景,它既提供了真实的环境,也呈现了充分的难度。
实验室可以预设好光线与物体位置,而真实店铺中,商品朝向、包装状况、顾客流线每一秒都在变化。
补货可能占据取货通道,清洁可能阻挡顾客去路,某个环节稍有拖沓,后面一连串的交付都要延后。这考验的是系统碰到意外状况后,能否继续把所有工作做完。
从失误到学习:如何提升任务成功率
六台机器人共用一套”班组大脑”——具身Agent框架Genie Master,通过叫EEP的执行协议,把任务判断、动作执行、结果反馈串成闭合循环:Agent依据现场状态分配任务,动作策略结合实时观测去操纵,执行结果再反馈给Agent,让它判断是继续、纠正还是换机器人接手。

更关键的是犯错后怎么办。Genie Master每天把成功与失败的轨迹拿出来复盘,把有效经验存入长期记忆,再遇同类任务直接调用。纠错后才对的动作,被筛选为训练素材。说白了,今天在某货架拿错了可乐,明天就不会在同一位置重复失手。

上海市经信委6月启动的「人形机器人与具身智能实景实训专项行动」,明确把「餐饮零售」作为服务领域重点应用场景,意在推动产品「在真实生产生活环境中日常化投入」,年底前目标是「形成百个以上高价值应用案例,达成万台级规模部署能力」。更早发布的《上海市具身智能产业发展实施方案》已将「具身智能赋能商业零售」列为示范应用,鼓励在商超等零售空间进行多场景部署试验。