轻量化异构双臂机器人落地家庭，乐享科技提出Pet/Partner/Assistant三形态策略

具身智能在家庭场景的落地正从实验室演示走向真实产品探索，但如何在非结构化环境中完成长时序任务、实现多模态交互并支持持续学习，仍是行业共性挑战。乐享科技联席CTO、穹明智能总经理李元庆在AICon全球人工智能开发与应用大会2026深圳站的演讲中系统梳理了这一路径，核心聚焦于“轻量化异构双臂”本体与VLA（Vision-Language-Action）及世界模型的协同实践。

当前家庭机器人仍面临理想与现实的鸿沟。一个看似简单的指令——“帮我拿一杯水”，在真实家庭环境中可能涉及开门、定位冰箱、开箱、识别目标水瓶、抓取、避障、递送等多个子步骤，构成典型的long-horizon任务。用户语言中的隐含意图（如“早上九点要白水，下午三点要冰可乐”）更要求机器人具备长期记忆与上下文理解能力。李元庆指出，家庭机器人不应假设“出厂即精英”，而应像一位初入家庭的“笨笨小朋友”，通过持续交互熟悉用户习惯。

为应对上述挑战，乐享科技提出三类产品形态定义：Pet、Partner与Assistant。Pet侧重情绪价值与基础功能，类似LOVOT等情感陪伴型机器人；Partner强调养成系能力，在提供基础操作的同时具备情感交互与持续成长性；Assistant则纯粹面向功能交付，如执行紧急任务（递灭火器）。三者并非互斥，而是覆盖不同用户需求与接受阶段的产品光谱。

支撑该产品策略的是底层技术体系的协同演进。在本体层面，团队自研高扭矩密度电机以实现轻量化——当末端负载与工作空间不变时，缩小电机体积是压缩整机尺寸的关键。异构双臂设计（如一臂高精度、一臂大负载）进一步提升任务适应性。在软件架构上，采用分层策略：底层为rule-based模块保障安全与基础动作可靠性；中层为modular-based组件处理感知-决策-执行链路；上层引入端到端VLA模型增强泛化能力。值得注意的是，李元庆强调端到端方法在现实约束下仍有明显差距，尤其在物理交互稳定性与错误恢复方面，因此rule与modular策略的协同至关重要。

数据闭环是另一核心环节。家庭场景虽具高度多样性，利于提升模型基线性能，但真实本体产生的on-policy强化学习数据与post-training数据仍深度耦合，硬件、数据采集与策略训练难以完全解耦。为此，团队构建了仿真到真机的数据回流机制，并开发机器人自我进化系统RSI（Robot Self-Improvement），支持在部署后持续迭代。

该思路与行业趋势高度一致。云深处科技近期发布的具身大脑DEEPRobotics-Brain体系，同样强调全链路协同：世界模型DR-WM-1.0引入摩擦力、粗糙度等物理先验，使预测更符合现实；具身基础模型DR-VLA-2.0基于域不变表征提升导航泛化能力；自进化智能体DR-Agent支持记忆体系动态更新；数据闭环平台DR-Benchmark则为持续训练提供基准支撑。这些成果表明，具身智能正从单点突破转向体系化攻关。

国内初创企业也在加速落地验证。贝塔无限推出的“多米”生活机器人采用约1.2米机身、小轮腿底盘与双臂三指手配置，任务设计强调“先确认再行动”——例如面对归属不明的快递袋，主动询问用户而非自行处置。其统一具身大脑BetaBrain中，BetaMem模块将状态、事件与观察证据分离组织，实现“曾见位置”作为搜索线索、“当前观察”用于判断更新的双重记忆机制，直面生活空间动态变化的挑战。

技术演进路径上，行业正从Rule-Based向Modular-Based过渡，并逐步探索Learning-Based End-to-End方案。李元庆在图示中指出，当前主流仍处于Modular阶段，融合Reasoning/AI/Memory/Verification等模块，辅以辅助任务学习（Learning with Auxiliary Tasks）；而端到端路线依赖NVIDIA WAM、Physical Intelligence等世界模型与潜变量特征复用能力，尚处早期验证期。软硬一体开发中的自动化代码生成，也成为提升迭代效率的关键手段。

长三角（湖州）具身智能培育应用场景的建设，则为产业落地提供基础设施支持。该平台以“一核两翼”布局，聚焦仿人机械臂与协作机器人研发，提供共享训练环境与制造业、物流业应用场景，推动模型泛化与企业集聚。这反映出政策层面对具身智能从实验室走向规模化应用的系统性支持。

家庭服务机器人的本质，不是替代人类，而是扩展人类的时间与精力边界。当用户周末不再被家务占据，而能真正“把时间还给自己”，技术的价值才得以显现。目前，轻量化本体、分层架构与持续学习机制的组合，正在缩小理想与现实之间的距离。尽管尚无产品实现全场景无缝服务，但Pet/Partner/Assistant三形态策略为市场接受提供了清晰路径——从情绪陪伴起步，逐步过渡到可信赖的日常助手。

未来竞争焦点将集中于：能否在10公斤级整机重量下实现双臂协同操作；能否构建低成本、高鲁棒性的家庭级数据闭环；以及能否让机器人在6个月内学会20项以上高频家务并稳定执行。这些指标，或将决定下一代消费级具身机器人能否真正走进千家万户。