大晓机器人正式把双脑协同架构落地到真实酒店洗衣场景，这也是该架构首次在酒店服务场景完成完整业务闭环，机器人可以自主完成客房取衣、穿行走廊、操作洗衣机与烘干机、装篮、送回客房整套洗衣服务，整套方案依托开悟世界模型、Astra 通用模型，搭配 RSI 递归自我改进策略，走 “数字预训 — 真机落地 — 持续自我迭代” 的链路，解决了柔性衣物抓取、设备按键操作、长流程连续执行这类具身智能难点。双脑分工清晰：Mundo 开悟世界模型负责搭建带物理属性的酒店数字孪生环境，提前在仿真里演练导航、开门、放衣等动作；Astra 通用模型负责理解指令、拆解任务、生成操作技能，再把验证成熟的动作固化成低延迟端侧 Skill，最后由 RSI 策略根据真机反馈持续优化动作，降低衣物残留、抓取失败等问题。
一、本次落地核心信息清单
- 落地主体：大晓机器人（ACE ROBOTICS）
- 核心技术：双脑协同架构（Mundo 开悟世界模型 + Astra 通用模型）+ RSI 递归自我改进策略
- 完整业务流程：客房取衣 → 走廊自主导航 → 洗衣房操作洗衣机投放衣物 → 洗涤完成后转移至烘干机 → 烘干后取衣装篮 → 送回对应客房
- 动作拆解：53 个原子动作，组合成 14 个高层语义步骤，适配多订单调度、设备状态协同
- 典型优化案例：烘干机取衣技能经过 165 轮真机实验迭代，衣物残留比例明显下降
- 核心价值：大幅减少现场调试工作量，把通用模型探索能力转化为可稳定商用的机器人服务能力
二、双脑分工对照表
| 模块 | 核心角色 | 主要能力 |
|---|---|---|
| 开悟世界模型（Mundo） | 物理推演大脑 | 重建酒店数字孪生，包含质量、摩擦等物理参数，仿真预演动作，预判动作后果 |
| Astra 通用模型 | 任务规划大脑 | 理解自然语言指令、拆解长任务、探索新操作、生成新技能 |
| RSI 策略 | 迭代闭环机制 | 收集真机运行反馈，持续迭代技能版本，提升复杂场景稳定性 |
三、技术链路与效率优势
- Real2Sim2Real 链路：先在数字孪生仿真环境反复训练，再迁移到真机，减少现场调试成本。
- 探索与固化分离：通用模型探索新动作耗时久，验证合格后固化为端侧技能，执行延迟大幅降低，实测效率提升近 97 倍。
- 持续自进化：遇到遮挡、衣物变形、摆放偏差等不确定情况，执行数据回流，持续优化抓取、取放策略。
- 多订单统筹：BotAgent 系统支持多客房洗衣任务排队调度，联动洗衣房设备状态。
四、场景落地意义
过往酒店服务机器人大多局限送物、引导这类简单任务；本次落地代表具身智能机器人可以完成柔性物体交互、多设备联动的长流程服务，为后续酒店客房服务、零售、巡检等场景的商业化铺路。
【相关 FAQ】
问题 1：大晓机器人双脑协同架构首次落地酒店洗衣场景，可以实现哪些工作？
回答 1：大晓机器人双脑协同架构落地酒店洗衣场景后，机器人可以自主完成客房取衣、走廊导航、操作洗衣机和烘干机、烘干后装篮，最后把衣物送回客房的全套洗衣服务。
问题 2：大晓机器人双脑协同架构里，世界模型和 Astra 通用模型分别负责什么？
回答 2：大晓机器人的开悟世界模型负责搭建酒店数字孪生环境、做物理推演、预判动作后果；Astra 通用模型负责理解任务、拆解步骤、探索生成新的操作技能，二者配合形成双脑协同。
问题 3：大晓机器人落地酒店洗衣场景用到的 RSI 递归自我改进策略有什么作用？
回答 3：RSI 策略是大晓机器人的自进化机制，收集机器人真机作业的反馈数据，持续迭代抓取、取衣等技能，降低衣物残留、抓取失败这类问题，提升酒店洗衣场景下的稳定性。
问题 4：大晓机器人双脑协同架构落地酒店洗衣场景，和普通送物机器人差别在哪？
回答 4：普通酒店送物机器人只做简单搬运导航；大晓这套方案要完成柔性衣物抓取、按流程操作洗衣机烘干机，属于长流程物理交互，对具身智能、物理预判能力要求高很多。
问题 5：大晓机器人在酒店洗衣场景的训练方式 Real2Sim2Real 是什么意思？
回答 5：Real2Sim2Real 就是先采集真实酒店环境，在仿真孪生空间里预演训练机器人动作，再迁移到真机上测试，真机数据再回流优化仿真模型，降低真实场景调试成本。
【参考资料】
[2026-11-10]（大晓机器人双脑协同架构首次落地酒店洗衣场景）爱范儿
[2026-11-10]（大晓机器人打通酒店洗衣服务闭环）新浪财经
[2026-11-10] 界面新闻快讯
[2026-11-10] 腾讯新闻具身智能 RSI 报道
[2026-11-10] 北京商报报道
【免责声明】
本文内容整理自大晓机器人对外发布的场景落地信息与媒体公开报道；该方案当前处于场景验证落地阶段，大规模商用的稳定性、适配酒店型号范围仍在持续迭代；本文仅为技术信息科普，不构成商业化采购建议。