WRC最忙机器人：猛干15分钟家务，收纳、补货、叠衣服…

这个观点，出自前华为智驾AI一号位、「华为天才少年」黄青虬。

离开华为后，他联合创办了通用具身智能公司墨奇智能——成立仅半年，估值已超70亿元。

近期，墨奇迎来第一次交卷：自研具身智能模型架构MoRA（MORPHI Reasoning & Autonomy）——一条Agentic-Native的具身大脑路线。

WRC 2026现场，墨奇正式展示了这个大脑的能力。

MORPHI KINO ，一台面向家庭服务场景的轮式机器人。

现场，这台机器人用15分钟，完成了一个完整的家居长程任务：

清理桌面垃圾、检查冰箱库存并补货、将湿衣送入烘干机并启动，再拿出来叠好码放……

对人类来说，这是六岁小朋友都能做完的家务，大家可能会觉得没啥可说的。

但对机器人而言，任何任务一旦沾上「长程」二字，基本就是死路一条。现阶段敢展示5分钟以上的，都算非常自信了。

而墨奇这次在WRC现场，直接硬生生干了 15分钟家务 ……

可以说是非常独树一帜了。早上刚开馆不久，墨奇的展台就已经围得水泄不通，甚至工作人员自己都有点惊讶：

回答这个问题前，先得看看传统方案是怎么做的。

目前为了解决「长程」，Agent方案基本已成共识了：Google Gemini Robotics、Figure Helix 02……等等。

核心就是分层架构，也就是老生常谈的 System 1与System 2 。

由大语言模型或视觉语言模型担任，负责理解目标、拆解任务、验证结果；

接收子任务指令后，结合视觉和本体状态执行动作。

这套架构让机器人初步具备了完成长程任务的能力，是具身行业的一次大突破，也出现了不少有趣的demo。

任务的主体智能——目标维护、记忆管理、进度追踪、失败恢复——几乎全部压在System 2认知层。

而直接和物理世界打交道、持续输出动作的System 1，则彻底「瘫坐」，沦为一个只会机械执行子任务的傻瓜机器。

传统动作模型只能接收固定格式的文本子任务指令，不支持图像指令，也处理不了多阶段的结构化任务描述。

System 2只能不断把高层目标拆碎、格式化，再喂给System 1。

到最后，最初的目标定义已经稀碎了——System 1根本不知道「目标」这俩字是啥意思，眼里只有下一个Action。

机器人动作慢也就算了，为啥总一卡一卡的？？

根源就在于System 1的技能点太少了。

模型既没有对任务整体进度的认知，也没有多粒度执行记忆。遇到环境扰动或者中途偏差，System 1自己不会纠错，只能停下来等System 2重新调度。

结果就是： 频繁停顿，重新规划，再次启动。

这在强调「实时+闭环」的具身语境下当然是不行的。真实物理世界充满不确定性，要是每走一步都等大脑发号施令，那黄花菜都凉了……

与业界常见的「大模型外挂动作策略」方案不同，墨奇主张让Agentic能力原生存在于策略模型内部，把 目标持续性、执行记忆和任务进展 变成System 1的原生能力。

这样，机器人才能从「输出下一个动作」转向「持续工作」。

具体而言，MoRA的System 1具备三项核心能力。

MoRA接收的是由文本和图像共同定义的结构化任务目标，不是离散的动作指令。

同时，目标接口原生内化进策略模型，指令和动作之间无需层层转译。

机器人从接收到目标的那一刻起，就知道自己要做到什么状态才算完成。

长程任务的本质挑战是时间跨度，模型要同时记住：刚刚做了什么、做到哪一步了、整体进展如何。

为此，MoRA在System 1内部构建了三层记忆——

这些进度记忆，会成为模型表征空间的一部分。

MoRA在输出动作的同时，会结合目标、执行记忆和环境反馈，持续判断任务状态与当前进展，并在必要时反馈给System 2使其介入。

有了这些上下文，大部分中途偏差，System 1自己就能感知并修正，不必事事上报。

专注意图理解、全局规划与异常兜底，并通过多模态交互与人协同；

明确目标后不间断输出全身动作，自主维护记忆、追踪进度，仅在遇到能力边界时主动请求介入。