全球首次！杭州具身黑马比肩Figure，全身协同自主叠衣

让机器人做家务，是具身智能领域公认的高门槛场景。

难在哪？

家庭环境是为人类设计的，机器人要弯腰、下蹲、转身，去适应人的空间，并且家务对象大多是柔性物体，形态随每一次拉扯而改变。

更关键的是，真实家务从来不是单点动作，而是一条环环相扣的任务链。

从冰箱到灶台，从沙发到床铺，任何一处停顿、断裂或失稳，整段任务就要重来。

这也是为什么，此前不少人形机器人公开演示大多停留在「抓起一个杯子」「叠好一块毛巾」这类单点技能上。

一旦任务环节拉长、作业场景发生切换，整套动作的连续性与稳定性便难以为继。

西湖机器人全新升级通用大脑WR1多项关键能力实现对标甚至超越海外标杆，直面真实家庭复杂家务硬核挑战。

WR1采用全球首创的通用大小脑双预训练系统架构，把多模态任务理解与全身控制深度耦合。

WR1融合世界模型（WM）和视觉-语言-动作模型（VLA），依据视觉观察和语言指令，统一输出包含身体移动、全身姿态、灵巧手操作的完整动作序列；全身控制，交由原创自研的全球首个通用动作大模型GAE完成高速稳定执行。

折衣、下厨、整理客厅

WR1的连贯家务演示

进入真实家庭，机器人遇到的对手往往不是方方正正的刚性物品，而是软塌塌、会变形的衣物。

衣物操作的经典难点在于对象状态持续变化：拉扯改变布料形状，晾衣架晃动带来位置偏移，协作对象的动作也会影响衣物的展开状态。

WR1的第一段演示，正是瞄准柔性衣物操作这一高壁垒课题。

演示中，WR1先从晾衣架上取下长裤，像人一样将裤子搭在手臂上承托。

取衣过程中，晾衣架随之晃动，架上两件T恤的位置左右偏移，机器人持续观察、实时调整，依然稳定完成取衣。

随后，它将T恤抛送给机械臂，机械臂自主识别衣物、开始折叠；人形机器人则转身把长裤铺展到桌面，与另一台人形机器人协同折叠。

两台机器人一边关注对方的动作，一边根据长裤的实时状态调整配合，把取衣、承托、转移、展开、折叠串成了一段连续操作。

其中，人形机器人灵巧手自主折叠衣物属于全球首个演示案例，技术难度显著高于目前业界常见的折叠毛巾、浴巾等规整织物。

Figure过往公开演示更多集中于规整物品操作、被子铺展、简单织物整理，尚未展示对抗外部扰动下的衣物取放、双机协同折叠这类高难度柔性任务。

WR1需要持续抵消晾衣架晃动、布料形变、双机协同带来的多重扰动，在柔性动态物体处理能力上实现对Helix方案的超越。

如果说灵巧手折衣考验的是「手上的功夫」，第二段演示考验的就是「全局调度与长程任务处理能力」。

WR1先经过较大范围移动，准确抵达冰箱前，开门取出玉米；随后以流畅快速的U型转弯来到空气炸锅前，调整站位，握住把手拉出炸篮，将玉米放入。

接下来，它下蹲握住收纳筐把手，把沙发和茶几上的玩偶顺势拨入筐中，再走到床前整理被子。

一条任务链，跨越厨房、客厅、卧室三个家居区域，全程连贯执行，没有中断。

整套流程无需中途人工复位、无需分段下发指令，一次性跑完多场景复合家务任务。

不停顿、不卡壳

撑起做家务的三项核心底层能力

流畅只是观感，拆解这两段演示，真正决定成败的，是三项底层能力的协同——柔性物体泛化、跨场景长程任务执行、流畅的运动操作一体化。

三者分别对应家庭场景的三个核心挑战：对象形态不可控、任务链条长且跨域、动作衔接要求高。

柔性物体泛化，是三项能力里首先直面家庭环境的一项。

衣物堪称形态持续变化的典型对象：位置、布料状态与协作姿态随时在变，WR1在操作过程中保持观察、实时调整，将任务复杂度从单次抓取与平面折叠，拓展到动态扰动下的连续衣物整理与双机协作。

面对形变、外力扰动，机器人不会因为物体状态偏离预设就直接任务失败，能够临场调整策略。

跨场景长程任务执行的难度更进一层。

对象、方向、站位、身体高度都在变，任务却不能断。

机器人既要完成每个环节，又要守住任务顺序与动作衔接。长链路任务中，单步成功率再高，步骤一多整体成功率就会快速衰减，这也是人形机器人行业共同的痛点。

WR1展现的，正是不同空间、不同对象、不同操作之间的连贯转换。长程执行的价值，就藏在这些环节衔接处。

而把这一切串成「一镜到底」观感的，是WR1的高动态能力——流畅的运动操作一体化。

人形机器人手持玉米转弯靠近空气炸锅，下蹲提筐后收纳不同高度的玩偶，承托长裤转身铺展到桌面，一套动作下来，身体移动、姿态调整与手部操作始终紧密咬合，脚步、躯干与双手围绕同一操作目标协调联动，衔接处的停顿与突变在机制层面被压到最低。

怎么想、怎么动

答案是「贯通」

三项能力从哪里来？

拆开WR1的系统架构，答案落在通用大脑与全身运动操作的分工，以及一个容易被忽视的关键词——贯通。

WR1系统架构：任务管理模块组织任务，VLA与世界模型协同生成动作，GAE负责全身控制。

通用大脑侧，WR1结合多视角视觉观察与自身状态，在同一段动作序列中统一生成移动、姿态与手部操作指令，由任务管理模块负责组织指令与任务流程。

脚步、躯干与双手不再各自为政，身体部位率先实现贯通。

为了保证长程任务中的动作一致性，WR1引入长短时运动状态回顾机制，让模型识别身体当前所处的运动阶段，为后续动作生成上下文。

实时动作分块机制则在生成下一段动作时，把正在执行的轨迹纳入考量，机器人继续运动的同时，模型已在准备后续动作，从机制上减少动作更新带来的停顿与突变。前后动作在时间轴上首尾相接，实现时间维度上的动作贯通。

运动侧，GAE承担全身动作跟踪与平衡控制。

它通过大规模、多来源的人体运动数据和两阶段训练，覆盖行走、转身、下蹲、伸展等动作，为跨区域、跨高度操作提供统一的执行基础。

全身动作跟踪演示：人员与机器人同步完成俯身、转向、抬腿、跳跃等动作。

同时，可调节的前瞻机制负责补偿执行延迟。

在WR1中，这一机制针对动作缓冲后剩余的延迟进行校准，与动作衔接机制共同保障执行的连贯，让通用大脑意图与硬件执行无时差对齐，意图与执行实现贯通。

而真正让WR1的路线与众不同的，是端到端的贯通。

GAE同时承担示范采集与自主执行两个阶段的底层控制，训练示范与自主执行共享同一套控制基础，从根源上压缩了学习与执行之间的落差。

「想清楚」与「动起来」在同一条链路上贯通，这正是WR1能把长程家务做连贯的底层原因。

从动态衣物整理到跨区域家务，WR1把任务理解、环境反馈与全身控制贯通成一条完整链路。

本次一镜到底连贯家务演示，也让人形机器人真正走进普通家庭，又近了一步。

深耕通用大脑

全栈布局人形机器人

西湖机器人科技（杭州）有限公司，是西湖大学人工智能与机器人领域首个成果转化项目。

公司坚持通用大脑+人形全身小脑+自研人形本体三位一体全栈自研路线，聚焦人形机器人通用基础模型研发，核心目标打通任务理解与全身运动控制，面向家庭服务、工业以及特种作业场景打造人形机器人通用大脑。

团队致力于推动人形机器人摆脱实验室单点演示瓶颈，实现真实生产生活环境下长链路、高扰动场景的连续自主作业。

创始人王东林为国家科技创新2030重大项目首席科学家、西湖大学终身教授、人工智能系副主任，深耕机器人学习领域，是国内具身智能与机器人学习领域的领军人物；联合创始人张岳，为西湖大学终身教授、工学院副院长、国际知名自然语言处理领域专家。

公司研发团队汇集来自全球顶尖高校与产业的科研、工程人才，目前已完成多轮数亿元级别融资，持续推进人形机器人通用大脑的迭代落地。

走进家庭只是开始，走向千行百业、服务千家万户，才是西湖机器人真正的远方。

扎根肥沃的产学研土壤，未来，西湖机器人将继续依托三位一体全栈自研路线，让人形机器人走进家庭陪护、工业制造、特种作业等更广阔的场景，加速实现具身智能GPT时刻。