墨奇智能 WRC 首发 MoRA 具身大脑：机器人连做 15 分钟家务

墨奇智能在 WRC 2026 现场首次公开展示了自研具身智能模型架构 MoRA（MORPHI Reasoning & Autonomy）以及自研轮式机器人本体 MORPHI KINO。这家由前华为智驾 AI 一号位、「华为天才少年」黄青虬联合创办的通用具身智能公司成立仅半年，估值已超 70 亿元，本次亮相是其成立后第一次在大型展会上交卷。

15 分钟一气呵成的长程家务

展台现场，MORPHI KINO 用 15 分钟完成了一组连贯的家居长程任务，全程无需人工指挥：导航至垃圾桶、清理茶几上的纸巾与空瓶并归位；走到冰箱前开门，停顿两三秒检查库存，再从另一张桌子取水补货；前往洗衣房，把烘干机中的干衣取出，先去洗衣机里拿出湿衣送进烘干机启动，再利用等待时间把干衣叠好码放。其中，「先去放湿衣再回来叠干衣」这一步骤被现场工作人员解读为模型在进度认知下对时间的最优调度。

演示之外，KINO 还开放了三项互动环节：随机摆放物品的 Pick and Place，观众可实时干扰；屏幕选盲盒后由机器人识别颜色、装袋递交；观众用磁铁表情件为机器人拼脸并合影比耶。

Agentic-Native 路线：把目标与记忆塞进 System 1

墨奇 CTO 黄青虬认为，Google Gemini Robotics、Figure Helix 02 等主流方案普遍采用 System 1 / System 2 分层架构，目标维护、记忆管理、进度追踪和失败恢复几乎全部压在 System 2 认知层，System 1 则沦为只会机械执行子任务的「傻瓜机器」，表现为频繁停顿与重新规划。

MoRA 的解法是把 Agentic 能力原生内化进策略模型：

• 目标为条件的持续执行：输入由文本和图像共同定义的结构化目标，指令与动作之间无需层层转译；
• 多层级记忆：在 System 1 内部构建毫秒级短期、步骤级中期、任务级长期三层进度记忆；
• 进度认知闭环：输出动作时同步判断任务状态与进展，中途偏差可由 System 1 自行修正，仅在越过能力边界时上报 System 2。

在 MoRA 框架下，System 2 退居「项目经理」角色，负责意图理解、全局规划与异常兜底；System 1 晋升为「主力员工」，在明确目标后不间断输出全身动作。

数据策略：质量优先于数量

墨奇对数据的态度与同行有明显差异。在「千万小时、1 亿小时」成为行业标配的背景下，墨奇判断物理世界要求「实时 + 闭环」，模型必须端侧部署，因此必须在有限参数下消化数据，真实场景的数据质量远比数量重要。

其采集路线以人类第一视角数据为起点，通过统一具身动作空间对齐人类行为与机器人动作；采集设备为自研的 MORPHI Sense Kit，可在弱纹理、高反光场景下做到毫米级轨迹重建；采集场景为酒店、商务公寓等一线商业场景，由作业人员在日常工作中产出数据。墨奇目前已积累 3 万小时真实场景数据，计划 2026 年底完成 15 万至 20 万小时的数据储备。

长程为王的新赛段

具身行业过去几年从「能运动」走到「能操作」、从「单项技能」走到「多技能组合」，下一阶段的考题正在转向「长程为王」：机器人在充满变化的真实环境里，把一项任务从开始持续推进到完成。墨奇将这一路线概括为 Agentic-Native，把目标、记忆与进度做成策略模型的原生天赋点，并明确表示「不追世界模型的热度、不贴 VLA 的标签」，把这场竞争视作一场不看前一百米的马拉松。