软件先容

微博世界杯使用指南

第一步：导入文件

翻开软件，
，点击"?添加 微博世界杯"按钮，
，从电脑中选择《微博世界杯》文件，
，或直接将其拖拽至软件界面中。。
。

第二步：设置剖析

软件会自动识别并剖析导入的文件，
，您可凭证界面提醒选择所需的生涯路径或下载名堂。。
。

第三步：最先下载

确认无误后，
，点击"最先下载/处理"按钮。。
。期待进度条读取完毕，
，即可在设定的文件夹中审查下载好的正版文件。。
。

WAIC2026|邪术原子 K02 亮相 机械人攻克叠箱封胶难题，
，微博世界杯

大象新闻记者 金晓利

7月17日，
，2026天下人工智能大会(WAIC)上，
，邪术原子推出自研通用具身大模子Magic-VLA K02，
，现场真机演示叠盒封胶、柔性衣物整理、行李箱收纳三类重大长程物理操作使命，
，依附动态纠错、中止自恢复、多方法自主妄想能力，
，展现面向实体作业的物理AI焦点实力，
，其中叠盒封胶组合使命乐成率超90%，
，系行业首次依赖通用具身大模子完整落地该复合工序。。
。

记者在现场相识到，
，搭载Magic-VLA K02的机械人无需预设成套牢靠行动，
，可自主完成指令明确、情形感知、方法拆分与一连行动输出。。
。作业历程中一旦泛起箱体偏移、胶带褶皱、人为打乱物品等外部滋扰，
，模子可实时重估场景、调解执行战略并接续完成使命，
，彻底挣脱古板工业机械只能重复牢靠流程的局限，
，适配工业、仓储、家政等多变真实作业情形。。
。

本次展演选取三类物理特征差别极大的使命，
，全方位验证模子通用操作能力。。
。 叠盒封胶是物流、零售、制造场景刚需工序，
，同时包括刚性箱体操控与柔性胶带控制双重难点。。
。面临尺寸、形态各不相同的纸箱，
，模子依托视觉感知与力反馈自主调解抓取点位、叠放角度，
，动态修正箱体歪斜、形变问题；；贴胶阶段实时适配胶带拉伸状态，
，镌汰空鼓、断裂、褶皱等操作瑕疵。。
。整套流程被模子拆解为有序原子使命，
，每一步依据实时执行效果更新情形状态，
，从泉源降低多方法操作的误差累积。。
。

柔性衣物整理磨练高可变物体操控能力。。
。衣物无牢靠几何轮廓，
，易受重力、机械触碰改变形态，
，Magic-VLA K02依托实时视觉动态切换抓取位置，
，一连微调力度与运动轨迹，
，自主完成平铺、半数、收边全套整理。。
。现场设置人为打乱衣物的滋扰测试，
，机械人不会机械延续原有行动，
，而是重新识别物品状态、修正误差后恢复作业，
，充分验证扰动恢复能力。。
。

行李箱收纳则聚焦多物体空间约束推理。。
；；等丝勺灾魇侗鹣淠诳捎每占洌
，区分衣物、盒装物件的尺寸、堆叠属性，
，统筹妄想物品摆放顺序与排布位置，
，在有限空间内完陋习整收纳，
，磨练模子全局空间妄想能力。。
。

三类演示并非三套自力程序，
，而是统一模子框架输出的差别化能力，
，背后焦点是Magic-VLA K02独创分层式双系统架构，
，买通从语言指令到实体行动的完整闭环。。
。

高层系统认真全局决议与长程使命妄想，
，吸收笼统文字指令后连系视觉信息做多步逻辑推理，
，将整体目的拆分为可落地的细分原子使命。。
。同时天生标准视觉目的图像，
，明确每一步作业完成后的理想状态，
，给机械人提供清晰参照，
，大幅提升重大使命完成率。。
。

低层系统承接执行事情，
，由VLM主干网络、动态专家模？
？椤⑿卸夷？？
？樾诵校憾姨崆霸づ行卸吹奈锾逍伪溆氤【白洌
，规避局部操作合理、整体效果跑偏的问题；；行动专家输出顺滑连贯的行动序列，
，弱化机械颤抖、轨迹突变，
，包管抓取、折叠、贴合等行动衔接稳固。。
。崎岖两层协同运转，
，让模子一连同步判断作业目的、标准状态与执行方案，
，实现一连作业、实试错、中止回复一体化。。
。

依托分层架构，
，Magic-VLA K02搭建起“感知—明确—决议—执行”端到端闭环，
，在四大焦点能力上实现显著突破。。
。长程战略控制层面，
，模子全程追踪使命进度、动态调解执行方案，
，重大长程使命整体准确率达92%，
，使命意外中止率控制在5%以内；；手艺泛化层面，
，可自由组合抓取、折叠、放置等基础手艺适配全新场景，
，场景适配吞吐量提升110%，
，使命泛化效率上涨90%以上；；跨硬件适配层面，
，依赖统一元数据系统兼容单/双臂机械臂、移动操作机械人等多类装备，
，测试规模内跨硬件适配乐成率100%，
，兼容装备品类提升超200%，
，大幅削减差别机械人平台迁徙模子的训练本钱；；工程稳固层面，
，轨迹误差修正响应速率提升70%，
，所需机械人树模训练数据镌汰60%，
，能自主应对抓取失败、轨迹偏移等种种现场故障。。
。

亮眼真机体现，
，离不开配套完整的大模子训练系统。。
。实体机械人收罗数据本钱高、异常场景样本稀缺，
，为此Magic-VLA K02接纳“海量第一人称视觉数据预训练+少量真机树模数据对齐微调”训练路径。。
。模子先从人类操作数据中学习使命逻辑、物体交互纪律，
，再用少量机械人数据将认知转化为实体行动，
，分阶段训练高层妄想与低层行动展望模？
？椋
，最后联合微调消除层级表征误差。。
。该模式大幅降低对大规模真机收罗数据的依赖，
，显著提升模子对生疏物体、未知场景的顺应力。。
。

此次Magic-VLA K02亮相，
，补齐邪术原子从机械人硬件、运动控制到通用具身大模子的全链条手艺国界。。
。邪术原子相关认真人体现，
，后续将一连迭代Magic-VLA系列模子，
，推动具身智能从简单演示手艺转向规；；卮笸ㄓ米饕德涞兀
，加速手艺在工业制造、物流仓储、商用服务、家庭家政等多领域落地应用。。
。