酒店洗衣机器人以双脑协同完成全流程

大晓机器人展示了一套酒店洗衣机器人方案：机器人可从客房收取脏衣，穿过走廊避障，将衣物放入篮中并操作洗衣机、烘干机，完成洗涤后再送回房间。该任务涉及柔性物体处理、精细操作和长流程规划，采用“世界模型+Astra”双脑协同与具身RSI机制。

酒店同时面临夜间招工难、人力成本高和节假日需求集中等问题，适合作为具身智能落地场景。传统三维重建只能提供静态外观，无法表达衣篮重量、摩擦力及设备开合所需力度，机器人因此容易遭遇冷启动。Mundo可根据客房、走廊和洗衣房照片，建立包含物理参数的数字孪生酒店，用于生成训练数据、验证策略并缩短现场调试时间。

Astra负责任务拆解、推理和策略生成，并在Mundo中探索后沉淀为Skill；端侧执行脑则调用Skill，结合摄像头和机械臂快速完成动作。测试显示，Astra直接实时决策一轮流程超过30分钟，解耦后本地基模仅需18.648秒，耗时缩短超过98%。

遇到光线变化或衣篮位置改变时，Astra可重新生成Skill。团队还开发了BotAgent调度中枢，将洗衣流程拆为53个原子动作和14个语义步骤，并结合客房位置、电梯状态及设备排队情况，编排出超过200种动作序列。

具身RSI让机器人从真实失败中迭代。系统通过多路摄像头、传感器和动作时间线记录执行过程，Astra分析失败原因并调整策略，例如切换相机视角、优化机械爪抬升轨迹和指尖角度。机器人还能自主将衣物抖散并放回烘干机完成复位；独立运行的评测模型负责打分，新Skill效果不佳时可回滚。

在“烘干机取衣”测试中，机器人57小时完成165轮真机实验，产生37条改进方案和约80个版本。任务对象从标准布料扩展到牛仔裤、洗衣袋，单轮耗时稳定在170至210秒，牛仔裤筒内残留率由48%降至32%，最佳结果为19%。

这套机制把现场失败转化为可复用的模型知识，使单台机器人的经验能够帮助其他设备。团队已探索即时零售等场景，计划优先在高频、结果可量化的B端业务中形成闭环，再逐步拓展到更多复杂环境。