“一句话指挥机器人干活”,WAIC 2026具识智能发布具身语义智能体系统
来源:环球网
【环球网科技报道 记者 张阳】7月17日,2026世界人工智能大会(WAIC)在上海开幕。具识智能在大会上正式发布具身语义智能体系统——insightOS Semantic,旨在破解机器人规模化落地的核心难题。当前,具身智能产业正从“能演示”向“能干活”过渡。具识智能认为,行业竞争已从单点技术转向操作系统、场景验证与开发者生态的综合比拼。真正有价值的具身智能,必须能进入真实生产场景并解决实际问题。

具识智能相关负责人认为,机器人规模化落地面临三大核心障碍:不能理解:任务依赖代码写死,无法理解用户意图,场景微调即需重新编程。不懂变通:面对动态环境或突发异常,系统易中断,缺乏自适应能力。不会进化:经验无法沉淀,更换本体或场景后需从零开始调试。
针对上述难题,具识智能推出insightOS Semantic系统。该系统以语义为中枢,贯通“理解—规划—执行—进化”全链路,通过三层架构赋予机器人新能力:
能理解:通过Insight Studio集成大模型,机器人可理解自然语言指令,自动解析意图、编排技能并驱动执行。懂变通:Insight Ops模块使机器人具备实时环境感知、异常发现与自动恢复能力,适应复杂多变的物理世界。会进化:Insight Framework & Kernel支持数据与经验回流,实现技能持续优化,越用越高效。
该系统具备五大核心亮点:支持自然语言指挥多机协同;无需代码即可快速构建任务流程;内建仿真测试与自动诊断恢复机制;语义世界模型可随环境变化自主更新;并构建了包含技能插件与行业方案的开发者生态,类似机器人领域的“应用商店”。
在WAIC现场,具识智能展示了“语义驱动的机器人拆码垛”场景。参观者仅需下达“把A区货箱搬到B区,码放三层”等自然语言指令,系统即可自动拆解任务,调度多台异构机器人协同完成定位、抓取、转运与码垛全流程。

作业中,语义世界模型实时同步货物位置变化,若出现抓取偏移等异常,系统可自动诊断并恢复,无需人工干预。依托insight Studio的语义开发能力,该场景部署仅需数分钟,相较传统方案数周的调试周期,效率提升约20倍。
大会期间,具识智能同步发布开发者生态社区与培育计划。社区提供场景应用包、技能库、AI模型及3D仿真资源,开发者可直接调用,避免重复开发。培育计划则通过“教具-教学-实训”体系,为行业输送专业人才。
目前,insightOS Semantic已在比亚迪、上海电气、河南投资集团等企业的拆码垛、电气柜操作、无人巡检、收货仓等真实场景中完成验证,兼容人形、四足、机械臂、移动机器人等多种本体。

具识智能表示,将继续以操作系统为底座,推动具身智能在真实世界中规模化落地。insightOS Semantic在展会期间开放现场体验。
-
AGV调度系统数据瓶颈:没有更多数据时的优化策略AGV调度系统数据瓶颈:没有更多数据时的优化策略很多人以为,AGV调度系统的性能提升完全依赖于数据量的持续增加,其实不然。在工业场景中,数据获取成本与调度效率之间存在显著的边际递减效应。当系统已捕获足够覆盖95%以上场景的基础数据后,单纯增加数据量对调度精度的提升不足3%,反而会引发存储冗余与计算延迟问题。底层逻辑是:AGV调度本质是有限状态空间内的路径优化问题。以某汽车总装车间为例,其AGV网络查看详情
-
AGV机器人调度系统:数据瓶颈背后的底层逻辑数据孤岛与调度效率的悖论很多人以为,AGV机器人调度系统的性能瓶颈源于算力不足或算法复杂度,其实不然。在真实工业场景中,90%的调度延迟问题源于数据孤岛与协议异构性。当多品牌AGV混编运行时,不同厂商的通信协议、定位精度、传感器采样频率差异,会导致调度系统陷入「数据解析-转换-同步」的死循环,最终表现为路径规划失效或任务队列堆积。案例:上海临港某汽车总装车间的赛制级推演2023年Q2,某头部车企在查看详情



400-886-5570




