星海图WRC包场500平米，G0.5模型登顶八项具身基准

星海图在 2026 年世界机器人大会（WRC）拿下全场最大展台，500 平方米内集中呈现 10 组机器人 Demo，覆盖前置仓拣货、工业装配、礼盒折叠、双足与轮式运动等场景。公司将本届主题定为「生产力觉醒」，试图回答一个比「能不能自主干活」更现实的问题：换物品、换环境后，机器人是否仍能稳定、高效地完成任务。

前置仓与工业装配：从 Demo 到产线的两道考题

展会中最受关注的是星海图与京东合作的前置仓方案。用户通过 iPad 下单后，机器人自主完成排队、找货、抓取与柜台交付的全流程，从下单到取货约 3–4 分钟。工作人员介绍，背后的 G0.5 模型已可泛化至上万种 SKU，不再依赖为单品类专门训练的专机。

工业装配 Demo 则把精度推到台前。星海图在基础模型之上引入强化学习，将操作精度做到 1 mm 以内、成功率 99.9%，同时效率提升 400%。此外，礼盒折叠任务验证了模型在柔性物体上的应变能力：面对纸板回弹等不确定状态，G0.5 可根据实时反馈调整动作，而非依赖固定动作链。

G0.5 与 Fast-WAM：两条具身大脑路线并行

支撑上述 Demo 的是星海图最新发布的 VLA 模型 G0.5。该模型采用统一自回归架构，将视觉理解、具身推理与动作生成放入同一个 Transformer Decoder，区别于「VLM 看 + Action Expert 做」的常见分体式设计。官方信息显示，G0.5 已在 LIBERO、BEHAVIOR-1K、RoboTwin 2.0、DROID Zero-shot 等 8 个权威基准上登顶，覆盖长程任务、精细操作与零样本泛化等方向。

在 VLA 之外，星海图还押注世界模型路线，推出了推理延迟约 190 ms 的 Fast-WAM，较传统方案提升约 4 倍，发布时号称全球最快，论文引用量也位居世界模型领域首位。两条路线并行，意味着公司更倾向以效果而非技术信仰来选择方案。

数据、本体、模型：闭环驱动的飞轮

星海图 CEO 高继扬在现场再次阐述其闭环逻辑：不做本体就难以打通数据链路，数据闭环停摆，模型迭代也无从谈起。为此，公司持续押注真实数据——去年 9 月开源的 GOD 真实场景数据集下载量已位列全球第一，并通过投资简智、元流等扩充数据来源，2026 年目标是将真实数据规模做到 100 万小时。

本体层面，星海图已推出 R1、R1 Lite、R1 Pro、双足机器人 Kengo 与轮式机器人 Nexo 等多款机型。整机自研带来模型与硬件协同优化的空间，被认为是 G0.5 表现的关键支撑。

从「自主干活」到「快、准、泛化地干活」

整场展会传递的信号很明确：当行业普遍跨过「脱离遥控器」这一阶段后，下一阶段的竞争重心已转向泛化、精度与效率。星海图通过此次 500 平米、10 组 Demo 的集中展示，把这道新考卷摆到了行业面前。能否在真实生产场景中快、准、稳地完成任务，正在成为具身智能玩家之间新的分水岭。