机器人现场演示复原打乱棋盘 用时仅数秒

观众随手打乱棋盘，机器人静观数秒后，以“指尖”有序移动滑块，最终复原棋盘。这一幕出现在近日举办的第八届北京智源大会现场。

大会展示人工智能前沿应用

第八届北京智源大会聚焦人工智能前沿技术，现场展示环节中，该机器人通过视觉识别与机械操作配合，完成棋盘复原任务。整个过程无需人工干预，机器人自主规划滑块移动路径。

“观众随手打乱棋盘，机器人静观数秒后，以‘指尖’有序移动滑块，最终复原棋盘。”

滑块棋盘复原的技术逻辑

滑块棋盘是常见的逻辑训练工具，其还原要求将混乱的滑块按目标顺序排列。机器人需通过传感器采集棋盘状态，在数秒内计算出最优移动序列，再通过精密机械臂逐次挪动滑块。

• 展示中机器人未发生误操作，滑块移动均沿轨道进行。
• 此类演示侧面反映人工智能在实时感知与决策闭环上的进展。

智源大会发布具身交互世界模型 ω-EVA LIBERO测试成功率98.6%

6月12日至13日，第八届北京智源大会在北京举行。会上，星源智联合创始人、智源研究院具身交互世界模型研究中心负责人孙振国发布具身交互世界模型“ω-EVA”。该模型通过首创的“预演、验证、行动”决策闭环，让机器人在执行指令前预判环境变化，从而降低失误与碰撞风险。

核心机制：动作提议与后果预演

研发人员解释，机器人并非执行预设程序，而是在指令执行前先在脑中“预演”每一步的后果。华容道的每一步移动都会改变当前局面，影响后续路径是否可达。机器人需要理解的不只是“现在看到什么”，还包括“如果这样移动，接下来会发生什么”。

“世界模型不应该只在训练时预测未来，而应该真正参与动作生成。”孙振国表示，具身模型应从一次性的预测和动作生成，走向持续感知、想象、修正，并从真实交互中更新自己。

测试数据：任务成功率显著提升

数据显示，“ω-EVA”在LIBERO测试中平均成功率达98.6%；在RoboTwin2.0场景中，经后果修正后成功率从88.9%提升至90.3%。LIBERO测试是具身智能领域常用的评估基准，用于衡量机器人完成复杂任务的能力。

孙振国认为，这款原创模型不仅补上具身智能领域的技术短板，还将赋能工业操作、服务、医疗等多品类机器人，加速通用具身智能走向规模化落地。

应用场景：从“看见环境”到“理解任务”

此次会上，星源智团队还展示了流水线智能分拣、机器狗清洁官与机器人咖啡服务等具身智能场景。专家认为，这呈现了机器人从“看见环境”走向“理解任务、完成行动”的能力闭环。

“具身智能的竞争焦点正从‘能不能动’转向‘动得稳不稳、准不准’，从‘单次演示’升级为‘稳定交付’。”孙振国表示，下一代AI的价值不只体现在模型能力本身，更体现在能否进入终端、进入系统、进入真实任务。

“ω-EVA”的决策闭环具体表现为：动作提议（机器人预判动作后果）→ 后果预演（根据环境变化推演方案）→ 动作修正（优化执行路径），构建起完整的逻辑链条。