智元 6 臺人形機器人便利店連續值守 24 小時，4 臺通過轉正考核
智元 6 臺精靈 G2 人形機器人在上海徐匯一家正常營業的便利店連續值守 24 小時，最終 4 臺通過轉正考核；負責清潔的冷姐和負責巡架的倦王因在崗積極性、崗位穩定性不足未能轉正。考核完全比照真實門店，包含在崗時長、業務完成量、顧客評價、任務成功率與異常處理能力。6 臺機器人共用具身 Agent 框架 Genie Master，在前期測試中，熟食打包、取貨、補貨等任務的流程成功率從首日 28.6% 提升至第五天 85.7%。
把完整技術棧放進真實營業門店連跑 24 小時並公開結果，連兩臺未轉正也照實呈現；成功率從 28.6% 到 85.7% 的自我迭代資料，對關注具身智慧落地的人有參考價值。
原標題：便利店打工24小时后，智元两名机器人员工「转正」失败
閱讀原文
| 評分 | 60 / 48（平均 54，門檻 65） |
|---|---|
| 狀態 | 未入選 |
相關報導
智元發布 Genie Master，在真實便利店中跑通 Physical RSI
智元發布具身 Agent 框架 Genie Master，其精靈 G2 機器人在真實便利店執行取貨、補貨、清潔與多機協作時，無需人工除錯即可自行診斷失敗、調整策略並積累經驗，官方稱這是行業首次在真實業務場景、而非模擬環境中跑通 Physical RSI。該框架用 EEP 具身執行協議連線上層 Agent 與底層動作策略：Harness RSI 通過提示詞、記憶與規則積累經驗，Policy RSI 用執行與人工接管資料更新動作模型。
清華與智元提出 CEL 範式，96 臺真機驗證機器人互相學習
清華大學、智元與無問芯穹聯合提出群體經驗學習（CEL）範式，讓機器人用同伴的成功與失敗經驗替代人類示範，並在 96 臺真機上完成原型驗證。手機包裝長流程任務中，成功率從 79.2% 升至 98.3%；參與訓練的機器人從 16 臺增至 96 臺，成功率由 86.7% 提高到 98.3%。五項真實任務共 600 次測試，總體成功率 97.5%，高於人類示範方案 HG-DAgger 的 81.0% 與離線微調 SFT 的 36.3%。
商湯聯合團隊評測 GPT-6-Astra：模擬近滿分，真機插頭 11 次全敗
商湯聯合大曉機器人、Ropedia、南洋理工大學與東京大學發布報告《Has GPT-6-Astra Achieved Embodied Intelligence?》，對 GPT-6-Astra 做了 12 項模擬評測與 8 個真實機器人平台的系統測試。在允許上下文學習並把動作步數放寬到最多 10 倍後，它在 LIBERO-Long++ 上達 100%、LIBERO-Pro 99.3%、SIMPLE 98.8%；
CodeActionBench 發布：GPT-6 Astra 機器人操作成功率 73.3%
南洋理工大學研究者與合作者發布 CodeActionBench，用 25 個雙臂模擬任務評測通用多模態 Agent 的機器人操作能力。GPT-6 Astra 在 Codex CLI 下嘗試成功率 73.3% 居首，75 次嘗試完成 55 次、22 個任務至少成功一次；Claude Opus 5 在 Reference harness 與 Claude Code 下分別為 49.3% 和 45.3%，Gemini 3.6 Flash 為 20.0%。
智元發布安規級過載機器人精靈 G2 Max，雙臂負載 40kg、精度±0.5mm
智元 10 月 26 日發布安規級過載具身機器人精靈 G2 Max，單臂負載 20kg、雙臂額定 40kg、峰值 50kg，重複定位精度達±0.5mm，主打過載與精細作業兼得。該機器人面向拆碼垛、物料轉運、產線供料，覆蓋 95% 以上工業料箱與零部件搬運需求；垂直作業區間 0.1 至 2.5m，可貼牆單面拆碼垛、省去 1.5 米繞行空間。雙臂力控配合視覺引導，在日化快消混線場景物料識別率 100%，電商倉儲拆垛 80 箱/小時、碼垛 75 箱/小時，成功率超 99%；