文｜罗曾

11月2日10:00，上海徐汇一家正在营业的便利店里，六位特殊的“新员工”打卡上岗了。它们是六台智元精灵G2人形机器人，以迎宾员、咖啡师、理货员和保洁员等身份，在这家24小时便利店连续工作整整一天——接单、制作、补货、打扫，进行《机器人打工不能停》挑战，接受全网观众在线监工。

具体来看，六名机器人“新员工”的工牌上，写着各自的岗位：阿豪站在门口，负责迎宾接待与顾客咨询；火宝和倦王是一对理货搭档，一个取货补货、一个巡视货架，撑起全店的商品流转；咖少是咖啡工位的专职“咖啡师”；叮酱守在收银台，顺带做熟食服务；冷姐则是全场的桌面清洁担当。六个岗位环环相扣，覆盖一家便利店从开门迎客到日常保洁的完整服务流程。

岗位之上，还有排班与考核。它们能否顺利“转正”，要看整整24小时的表现：从午高峰到晚间客流，从深夜值守到次日早高峰，考核将跟随门店营业节奏持续推进。在岗多久、完成多少业务、顾客如何评价，以及任务是否成功、响应是否及时、遇到异常如何处理，都将成为检验它们工作表现的重要依据。

为何是便利店？业内人士指出，面积不大、流程标准化，便利店是城市里最常见的商业场景之一。

但对于机器人而言，要胜任其中的工作，却并不轻松。比如，把一袋彩虹糖挂上挂钩，角度差一点，机器人可能夹住其他商品；夹一块黄金糕，力道分毫之差，就是“掉了”和“碎了”的区别。

在实验室中，光线、物品位置和操作流程都可以提前设置；而在真实门店，顾客随时穿行，商品的位置、朝向和包装状态时刻变化。同样是“取一件商品”，每次面对的条件都可能不同；一次抓取成功了，不代表下一次还能复制。

面对这些考题，机器人的整体表现没有掉链子：被顾客随手塞错位置的商品，不靠标签坐标，靠实时视觉盘点找到归属、逐格归位；补货机器人发现货架空缺，无需人工提醒，自动触发补货流程；操作台上的污渍，它分得清物体花纹和泼洒痕迹，优先调用工具清理。

在真实营业过程中，机器人也并非百发百中，作业时偶有失手。但失手，并不意味着失败——真实场景里，人同样会犯错，关键在于犯错之后怎么办：能不能识别问题、纠正问题，并把教训变成经验。

所以，衡量这批“新员工”是否合格，标准不在于单次成败，而在于能否“知错就改”。这正是智元此前推出具身 Agent 框架 Genie Master 的出发点：作为六台机器人共同的 Agent“大脑”，它既负责调度任务，也连接执行结果与后续学习。

“知错就改”，首先靠一套跑通的执行闭环。通过具身执行协议 EEP（Embodied Execution Protocol），Genie Master 将任务判断、动作执行与结果反馈连接起来。Agent 根据机器人的能力与现场状态组织任务，动作策略结合实时观测完成操作，执行结果再返回 Agent，为后续判断和异常处理提供依据。

但当场纠正还不够，更关键的是把新掌握的技能转化为可复用的经验。Genie Master 每日总结成功与失败的作业轨迹，并将相关经验存入长期记忆，遇到同类任务时直接调用；有效的调整过程则形成训练数据，反哺动作策略的持续优化。“记住经验”与“练成技能”两条路径相互配合，让每一轮作业都为下一轮学习提供反馈，机器人由此“边上岗、边解锁新技能”。

这套机制已经在门店里初见成效：过去一段时间，精灵 G2 已在多个复杂精细任务上持续改进；深夜空闲时，机器人还会主动加练。镜头拉远，机器人在便利店的实战，是智元 AI WAVE 全栈技术发布的一个缩影。

从系列技术发布，到六台精灵G2走进便利店，智元正在将全栈具身AI的能力放到具体的营业任务中接受检验。数据、模型、仿真平台、本体与作业平台的价值，也由此落在了服务能否完成、异常能否处理、经验能否复用这些实际问题上。

AI WAVE 的下一站，是更多真实场景。接下来，智元将继续打通技术与真实应用之间的链路，让机器人在岗位上接受检验、在作业中持续改进。随着这套能力在更多任务上被验证、被沉淀，同一套经验将向更多岗位、更多场景复制。