WRC上的一次系统亮相

墨奇智能在WRC 2026首次于国内系统展示其具身智能模型架构MoRA，并推出面向家庭长程任务的MORPHI KINO轮式机器人。8月19日至23日，世界机器人大会在北京北人亦创国际会展中心举行，这家成立仅半年的具身智能企业，把模型、硬件本体和真实数据采集体系放在同一展台上呈现。

具身智能，通俗说就是让AI不只会生成文字或图像，还能通过机器人身体感知环境、操作物体并完成现实任务。墨奇此次强调的不是单个抓取动作，而是机器人能否在真实空间里持续推进一串任务，这也是家庭机器人从演示走向产品化必须跨过的门槛。

15分钟家务任务考验整机协同

现场最受关注的是MORPHI KINO完成的一段约15分钟家庭长程任务演示。机器人在模拟家居环境中跨区域移动，连续完成客厅整理、冰箱饮料补货、衣物洗烘转移与折叠码放等流程。它需要识别茶几上的纸巾、矿泉水瓶等物品，规划路径和抓取姿态，将杂物投入垃圾桶，并把散乱物品收纳到托盘。

随后，机器人移动到冰箱前核查饮品库存，在发现不足后取来矿泉水补货并关门。对机器人而言，开关冰箱门涉及门把手位置、开合角度、操作力度等变量，需要视觉与力觉传感器持续反馈。洗烘环节则进一步增加难度：机器人要打开烘干机和洗衣机，转移干湿衣物，关闭舱门，按下电源键和启动按钮，最后回到折叠台整理衣物。

这类任务的关键不只是机械臂能抓东西，而是移动底盘、躯干、双臂、视觉和力觉感知单元的协同。在家庭狭窄空间中，机器人还要适应真实布局和不同物体形态，才能把环境逐步推向目标状态。

MoRA把部分智能下沉到执行层

墨奇展示的另一条主线是MoRA，即MORPHI Reasoning and Autonomy。当前具身智能常见方案是双系统架构：System 2负责高层认知与规划，System 1负责机器人动作策略。墨奇认为，这种分工虽然能支撑长程任务雏形，但如果目标维护、记忆管理、进度追踪和失败恢复几乎都压在System 2上，执行层就容易变成短时、反应式的动作器。

MoRA提出Agentic-Native路线，核心是让System 1具备更强的自主执行能力。其三项能力包括：

• Goal-Conditioned Execution：接收文本或图像目标，并围绕目标持续执行；
• Multi-Granularity Memory：构建短、中、长期多层级执行记忆；
• Progress-Aware Closed Loop：不仅输出动作，也输出任务状态、进度和后续预测。

在这套分工中，System 2理解用户意图、拆解任务流，并在异常时介入；System 1接收结构化目标，连续输出全身动作，维护执行记忆并判断进展。换句话说，高层决定做什么，执行层负责持续把事情做成。

数据飞轮是另一道门槛

墨奇还把真实作业数据视为模型迭代的基础。联合创始人兼CTO黄青虬认为，具身模型能力受参数量、数据质量和训练效率共同影响；在行业频繁谈论千万小时、亿小时数据时，真实场景数据质量和标准化仍然不足。

为此，墨奇采用自研设备加深入场景的采集路线。其MORPHI Sense Kit真实世界数据采集系统被用于弱纹理、高反光等极端场景下的毫米级轨迹重建；同时，采集设备进入酒店、商务公寓等商业场景，由一线作业人员产出真实作业数据，以减少摆拍数据造成的分布偏差。公开信息显示，墨奇目前已积累3万小时真实场景数据，并计划今年形成15万至20万小时数据储备。

行业观察：从炫技到可重复作业

家庭机器人难点从来不是单次演示，而是长时间、跨物体、跨空间、可恢复地完成任务。墨奇的WRC亮相表明，具身智能竞争正从单点算法或单一硬件参数，转向模型架构、机器人本体、数据闭环和场景适配的系统工程。

当然，展会演示距离家庭大规模部署仍有距离，真正的检验将来自更多非结构化环境中的稳定性、成本和维护能力。但MoRA所代表的方向值得关注：把目标、记忆和进度感知下沉到策略模型，可能是通用机器人走向连续作业的重要路径。未来行业比拼的，不只是机器人能不能完成一个动作，而是能否在真实世界中可靠地完成一整件事。