RoboScience 机器科学正式发布通用具身大模型 Visics 及核心技术架构 VLOA让机器人具备跨本体、跨物体、跨任务的通用操作能力解决行业痛点。具身智能旧模式痛点过去具身智能行业采用“动作复刻”模式机器人死记硬背特定关节运动轨迹通用性极差。换硬件或物体模型能力就“失效”。RoboScience 创始人田野指出需解决泛化能力差和长程任务执行难的问题。Visics 模型创新架构Visics 引入“物体 3D 点云轨迹”作为中间表征标准采用双引擎架构。具身世界模型理解物体运动规律与因果关系通用操作模型将轨迹转化为硬件控制指令让机器人先“看懂”再操作。破解数据获取难题为解决具身智能数据获取成本高、效率低的问题RoboScience 构建“仿真 视频”双数据飞轮。依托自研仿真引擎 RoboMirage 和自动化标注管线单条数据获取成本降至传统方案的百分之一以下。数据增长目标明确目前RoboScience 以每周数十万小时的数据增长速度朝着 2026 年构建 1T 规模高质量数据集的目标迈进为模型发展提供有力支撑。商业落地策略清晰RoboScience 从“物体维度”切入商业落地优先关注商超、物流与康养场景。其技术已在零售与物流领域试点计划年内实现标准化机器人本体产品量产。编辑观点RoboScience 的 Visics 模型有望推动具身智能发展解决行业痛点其商业策略务实未来在多领域或有出色表现。