7月17日，，，2026天下人工智能大会（WAIC）时代，，，邪术原子携自研通用具身大模子Magic-VLA K02最新效果亮相，，，并面向公众展示叠盒封胶、柔性衣物整理、行李箱收纳等多项重大长程使命。。展会现场，，，搭载Magic-VLA K02的机械人能够自主完成使命明确、方法妄想、物体识别与一连行动执行，，，并在情形状态爆发转变、作业流程受到滋扰后，，，实时调解战略并恢复使命。。其中，，，叠盒封胶组合式长程使命乐成率凌驾90%，，，集中体现了模子在多方法使命妄想与一连稳固执行方面的能力。。

据邪术原子先容，，，这是行业首次由通用具身大模子完整实现叠盒与封胶组合式长程使命。。此次效果不但验证了Magic-VLA K02在长时序妄想、可变形物体操控、动态扰动恢复及多物体空间推理等方面的能力，，，也进一步明确了其作为邪术原子机械人焦点手艺底座的价值，，，为多形态机械人进入真实岗位、实现能力迁徙与规模；；才殴菇ㄍ骋坏闹悄芑　！

三类重大场景，，，指向通用操作能力

在此次WAIC现场展演中，，，邪术原子通过三类物理属性和使命结构差别显著的场景，，，对Magic-VLA K02的通用操作能力举行集中验证。。

叠盒与封胶既是物流仓储、工业生产、电商零售等场景的基础工序，，，也是具身智能领域公认的高难度操作使命。。两项使命划分涉及刚性物体细腻操控与柔性物体动态控制，，，其自动化水平直接影响包装效率、作业标准化水平及人力本钱。。

WAIC现场，，，Magic-VLA K02可实时识别差别规格、尺寸和形态的箱体，，，自主调解机械臂抓取点位、受力角度与叠放姿态，，，并连系空间感知、重心控制和力反馈，，，对箱体偏移、变形等情形举行动态修正。。贴胶历程中，，，模子则凭证胶带形变及箱体外貌状态，，，实时调解最后轨迹与贴协力度，，，降低空鼓、偏移、褶皱和断裂等问题。。

更具挑战的是，，，叠盒封胶并非两项行动的简朴串联，，，而是一项涵盖使命妄想、状态感知、一连执行和异常；；指吹某こ塘鞒獭！

面临这一使命，，，Magic-VLA K02并非简朴堆叠预设机械行动，，，而是将完整流程拆解为一系列具有明确时序关系的原子使命，，，凭证每一步的执行效果一连更新目今状态，，，并动态妄想后续行动，，，从源头降低多方法操作中的误差累积。。

当箱体位置爆发偏移、胶带状态泛起转变或使命流程被意外打断时，，，模子能够重新感知情形、评估使命进度并修正执行轨迹，，，在无人干预的真机情形中接续完成使命。。

除叠盒封胶外，，，Magic-VLA K02还在现场完成了柔性衣物整理和行李箱收纳。。

衣物整理进一步指向高自由度柔性物体操控。。衣物缺少稳固的几何形态，，，其轮廓、边角和局部状态会受到重力、接触及机械臂行动影响。。Magic-VLA K02能够凭证实时视觉信息动态选择抓取位置，，，一连调解作用力度、行动角度和执行轨迹，，，一连完成平铺、压边、半数、收角及规整。。

现场设置的叠衣历程打断环节，，，则进一步验证了模子的使命恢复能力。。当观众在操作历程中移动或打乱衣物后，，，机械人不会继续机械执行原有轨迹，，，而是重新识别衣物状态、判断使命误差，，，并基于最新情形信息恢复后续操作。。

在行李箱收纳使命中，，，模子需要同时处理多个物体与有限空间之间的约束关系。。；；等四芄皇侗鹣淠诳捎们，，，明确衣物、盒装物品等差别工具的形态、尺寸及可堆叠关系，，，并统筹妄想摆放位置、操作顺序和空间使用方式。。

三类使命划分涉及结构推理、柔性形变建模、长程使命恢复及多物体空间妄想。。现场泛起出的并非三套相互自力的牢靠程序，，，而是统一模子框架在差别使命中的能力外化。。

分层式双系统架构，，，支持重大使命一连执行

邪术原子在WAIC现场展示三类使命能力之以是能够在统一套模子框架下完成，，，焦点来自Magic-VLA K02面向长程使命构建的分层式双系统架构。。

该架构由高层“明确—天生统一模子”和低层行动天生系统协同组成，，，买通使命明确、原子使命拆解、视觉目的天生、未来状态展望与一连行动执行的完整链路。。

其中，，，高层系统肩负全局决议与使命妄想。。面临笼统的长程指令，，，模子能够连系实时视觉信息举行语义明确和多步推理，，，将完整目的拆解为一系列可执行的原子使命。。

以叠盒封胶为例，，，模子需要依次判断目今应完成箱体识别、抓取调解、位置校准、胶带定位照旧贴合压实，，，并凭证前序方法的现实效果妄想下一步行动，，，而非一次性天生整套牢靠的行动。。为了进一步约束行动偏向，，，高层系统会为基于使命效果的展望天生“要害效果图像”，，，明确每一步的视觉目的，，，从而让机械人不但知道“目今需要做什么”，，，还能够获得“完成后应该泛起什么状态”的目的参照，，，极大化提高使命乐成率。。

低层系统则认真将高层拆解的原子使命和视觉目的，，，转化为一连机械人行动。。该系统由VLM主干网络、动态专家？？？？？榧靶卸夷？？？？？樾槌伞！

其中，，，动态专家？？？？？榭梢蕴崆巴蒲菽拷裥卸赡芤⒌奈锾逍翁统【白洹！＠，，，在衣物折叠历程中，，，模子不但关注目今抓取位置，，，还需要展望抓取与翻折后布料可能泛起的状态，，，阻止局部行动准确、整体效果偏离目的。。

而行动专家？？？？？槿险媸涑鲆涣⑵交男卸蛄，，，提升抓取、弯折、移动、贴合和放置等相邻行动之间的衔接稳固性，，，镌汰机械颤抖、行动突变和轨迹偏移。。

通过高层妄想与低层执行的协同，，，Magic-VLA K02能够一连回覆三个问题：目今需要完成什么、完成后应抵达什么状态，，，以及详细应怎样执行行动。。由此，，，现场展演中的一连操作、动态纠错和受扰恢复，，，被纳入统一套长程使命闭环之中。。

四项能力优势，，，增强长程使命落地体现

基于分层式双系统架构，，，Magic-VLA K02在推理安排层面，，，进一步构建“感知—明确—决议—执行”端到端闭环。。 其在长程战略控制、手艺组合泛化、跨机械人适配和工程安排稳固性等方面实现进一步提升。。

在长程战略控制方面，，，模子通过原子使命拆解和视觉目的约束等能力，，，一连跟踪使命进度，，，并凭证现实执行反馈调解后续战略。。这也是机械人在叠盒封胶流程中降低误差累积、在衣物被打乱后恢复使命的基础。。

据测试，，，Magic-VLA K02在重大长程使命中的整体准确率抵达92%，，，使命中止率降低至5%以内。。

在手艺组合泛化方面，，，模子可以凭证差别使命目的，，，对抓取、移动、弯折、放置、开关、清洁等基础手艺举行重新编排，，，而不必为每一个完整流程划分训练自力战略。。

此次展出的叠盒封胶、衣物整理与行李箱收纳，，，均涉及多种基础手艺的组合挪用。。高层系统凭证使命目的组织手艺顺序，，，低层系统则连系目今场景天生详细行动，，，使模子能够顺应差别使命结构。。据测试，，，其场景适配吞吐量提升110%，，，整体使命泛化执行效率提升90%以上。。

在跨机械人适配方面，，，Magic-VLA K02引入元数据形貌系统，，，对差别机械人的本体类型、控制模式和行动空间举行统一表达，，，使统一套模子框架能够支持机械臂、移动操作机械人以及单臂、双臂等差别硬件形态。。

在已测试装备规模内，，，模子跨装备适配乐成率抵达100%，，，兼容装备品类提升200%以上，，，有助于降低通用模子向差别机械人平台迁徙时的数据收罗和重复训练本钱。。

在工程安排稳固性方面，，，通过双系统架构的运行有用镌汰语义歧义和短视决议。。当泛起抓取失败、轨迹误差或场景扰动时，，，系统能够触发重新妄想或使命重试，，，并凭证物理执行效果一连更新后续行动。。

据测试，，，Magic-VLA K02轨迹误差修正响应速率提升70%，，，所需机械人树模训练数据量镌汰60%。。

从数据训练到真机安排，，，构建完整大模子训练闭环

WAIC现场泛起的使命一连性和扰动恢复能力，，，不但来自模子架构，，，也建设在Magic-VLA K02从数据训练到推理安排的完整手艺系统之上。。

高质量机械人数据是具身大模子一连提升的主要基础，，，但真机数据普遍保存收罗本钱高、生产效率低和场景笼罩有限等问题，，，尤其难以笼罩长程使命中的大宗中心状态、异常情形及失败样本。。

围绕这一瓶颈，，，Magic-VLA K02接纳“海量第一人称视角数据预训练+少量机械人树模数据跨形态行动对齐与后训练”的训练范式。。

模子首先从第一人称操作数据中学习人类的使命拆解逻辑、手物交互关系、视觉子目的及物体状态转变，，，再通过机械人树模数据，，，将相关认知与操作能力对齐至真实机械人行动空间。。

其训练历程分阶段完成高层使命拆解与视觉目的天生、低层未来状态展望和一连行动天生，，，并最终通过渐进式解冻与端到端联合微调，，，解决高层系统与低层？？？？？橹涞谋碚鞔砦晃侍狻！

经由联合训练后，，，模子能够围绕统一使命目的协同完针言义明确、方法妄想、状态展望和行动控制，，，在降低大规模真机数据依赖的同时，，，提升对未知场景、物体转变和重大交互的顺应能力。。

Magic-VLA K02的宣布，，，进一步完善了邪术原子从机械人本体、运动控制到通用具身大模子的手艺系统。。未来，，，公司将一连推进Magic-VLA系列模子迭代，，，加速具身智能从单项手艺验证走向重大、通用使命执行，，，推动其在工业制造、物流仓储、商业服务及家庭服务等场景中的规模；；τ谩！

作品在外洋视频平台的单条浏览量达数百万