RoboScience 机器科学正式发布通用具身大模型 Visics 及核心技术架构 VLOA，让机器人具备跨本体、跨物体、跨任务的通用操作能力，解决行业痛点。

具身智能旧模式痛点

过去，具身智能行业采用“动作复刻”模式，机器人死记硬背特定关节运动轨迹，通用性极差。换硬件或物体，模型能力就“失效”。RoboScience 创始人田野指出，需解决泛化能力差和长程任务执行难的问题。

Visics 模型创新架构

Visics 引入“物体 3D 点云轨迹”作为中间表征标准，采用双引擎架构。具身世界模型理解物体运动规律与因果关系，通用操作模型将轨迹转化为硬件控制指令，让机器人先“看懂”再操作。

破解数据获取难题

为解决具身智能数据获取成本高、效率低的问题，RoboScience 构建“仿真 + 视频”双数据飞轮。依托自研仿真引擎 RoboMirage 和自动化标注管线，单条数据获取成本降至传统方案的百分之一以下。

数据增长目标明确

目前，RoboScience 以每周数十万小时的数据增长速度，朝着 2026 年构建 1T 规模高质量数据集的目标迈进，为模型发展提供有力支撑。

商业落地策略清晰

RoboScience 从“物体维度”切入商业落地，优先关注商超、物流与康养场景。其技术已在零售与物流领域试点，计划年内实现标准化机器人本体产品量产。

编辑观点：RoboScience 的 Visics 模型有望推动具身智能发展，解决行业痛点，其商业策略务实，未来在多领域或有出色表现。