# 「挂不上去」之后它自己换了只手：智元 Genie Master 把一次教训存进两个地方，一个叫记性，一个叫本能

> 便利店挂货卡在「头部相机看不清、标签牌挡住挂钩」，智元给的解法不是派工程师去调参，是让 Agent 自己换左手、换腕部相机、再换右手——然后把这次调整分别存进记忆和模型参数。

### TLDR

- **发布**：2026-10-27，智元在 AI WAVE 系列**第四项**发布中推出具身 Agent 框架 **Genie Master**，官方称这是行业首次**跳出仿真、走出实验室**，在真实业务场景验证 **Physical RSI（具身递归自进化）**。
- **协议**：配套提出具身执行协议 **EEP（Embodied Execution Protocol）**，统一**能力、引导、反馈、连续性**四类接口，把「Agent 会想」和「机器人会做」之间的那条缝补上。
- **两条路线**：**Harness RSI** 把成功与失败案例在每个任务日结束后沉淀进**长期记忆**（提示层）；**Policy RSI** 把执行与恢复数据回流训练，固化进**动作策略参数**（参数层）。
- **实测场景**：精灵 **G2** 在真实便利店上岗，任务含熟食打包、取货补货、货架挂货；官方称改进**全部来自机器人自行定位问题**，无人工示范、无人工调参。
- **下一步**：**11 月 2 日 10:00 至 11 月 3 日 10:00** 做 24 小时不间断直播，**6 台**精灵 G2 分午间高峰、晚高峰、深夜值守、清晨早餐四个班次连轴转。
- **口径提醒**：进展全部为厂商口径；**未公布**任务成功率基线、改进幅度、失败率、样本量与单店部署成本。

### SRC

事实来源为智元机器人 **2026-10-27** 官方公众号稿件（属其 AI WAVE 期间的第四项发布），并与中国经营报同日 **18:45** 的上海报道（记者夏治斌）、南方+ 同日稿件、两家行业公众号转述四方交叉比对，在 EEP 四类接口、Harness RSI 与 Policy RSI 两条路线、精灵 G2 便利店场景、11 月 2 日 24 小时直播与 6 台数量这几组信息上一致。**素材时间窗**按本批规定为**前一日 18:00 → 当日 09:00**（2026-10-27 18:00 → 2026-10-28 09:00）；中国经营报稿 18:45 落在窗口起点内侧，是本篇的主要时间锚点，官方公众号同日发布。**不确定边界**：①「行业首次在真实业务场景验证 Physical RSI」是厂商自述，未给出第三方审计或可复现的对照实验设计；②全部效果描述为定性表述（「越做越顺」「准确度稳步提高」），无成功率数字、无改进幅度、无样本量；③便利店场景未披露门店数量、上岗时长、是否仍在运行；④未公布 Genie Master 的部署成本、所需算力与是否需要云端模型参与；⑤「无人在环」指不依赖人工示范与调参，不等于无人值守，现场是否有人处理异常未说明；⑥11 月 2 日直播为预告，截至本文成稿尚未发生。与本站既有稿件的差异：站内写过智元 G2 Max 的工业重载发布、110 台 A3 群控纪录、世界模型数据集与 AI WAVE 的七项发布节奏，均不涉及**部署后的自我改进机制**；本篇只写 Genie Master 这一套「经验怎么留下来」的工程结构。文中判断为作者观点，已用「判断：」标注；文末版权与免责声明由模板自动附加。

### BODY

<p>机器人进店之后最难的，已经不是把动作做出来。是把动作做出来之后，下一次遇到不一样的情况怎么办。货架挂钩换了尺寸、标签牌挡住了摄像头、外卖袋的白色提带缠住夹爪——这些都是训练集里没见过的样本，而今天主流做法仍然是工程师回现场、重新采数据、调模型、写规则，机器人在原地等「补课」。智元这次要动的就是这段等待时间。</p>

<div class="sec">
<div class="eyebrow">先把「会想」和「会做」之间的接口定下来</div>

<p>Genie Master 的第一层不是模型，是协议。EEP 把 Agent 与机器人之间的交互切成四类接口，这四类接口各自回答一个问题：</p>

<div class="tbl-wrap">
<table>
<tr><th>接口</th><th>回答的问题</th><th>缺了它会怎样</th></tr>
<tr><th>能力</th><td>这台机器现在会干什么、能调用哪些工具</td><td>Agent 不知道边界，容易下达它根本执行不了的动作</td></tr>
<tr><th>引导</th><td>这一步具体应该怎么引导执行</td><td>只给一句「把货挂上去」，动作策略拿不到足够信息</td></tr>
<tr><th>反馈</th><td>实际结果有没有达到要求、卡在哪一步</td><td>失败原因不可归因，下一轮判断只能靠猜</td></tr>
<tr><th>连续性</th><td>还有哪些任务没做完、中断后从哪里接上</td><td>一断就从头再来，长任务永远跑不完</td></tr>
</table>
</div>
<div class="cap">表注：四类接口为智元官方口径的归纳，接口的具体字段、通信方式与时延指标未公开。</div>

<p>这四类接口听起来像工程细节，但它决定了后面那条「自进化」的曲线是不是真的存在。没有反馈接口，失败就只是一个结果，不是一条信息；没有连续性接口，失败的成本会随时间线性累积，机器人越干越不敢干。</p>
</div>

<div class="sec">
<div class="eyebrow">同一个教训，要存两个地方</div>

<p>智元把「吃一堑长一智」拆成两条互补路线，这是整套框架里最值得细看的一段设计：</p>

<div class="jx-cols">
<div style="flex:50">
<p><strong>Harness RSI —— 记笔记</strong></p>
<p>机器人在推理与执行过程中随做随记，把成功和失败案例留存；每个任务日结束后由模型统一复盘，把可复用的经验写进长期记忆。下次遇到相似任务，先翻笔记再动手。</p>
<p>它改的是<strong>提示与记忆</strong>，见效快、可回滚、可人工审阅。</p>
</div>
<div style="flex:50">
<p><strong>Policy RSI —— 练成肌肉记忆</strong></p>
<p>把执行、接管、恢复过程中产生的问题、调整与结果数据，经后处理拿去训练动作策略，让有效改进固化进模型参数，下次不用想就能做对。</p>
<p>它改的是<strong>策略参数</strong>，见效慢、不可逐条回滚，但改动会跟着模型走。</p>
</div>
</div>

<div class="keypoint">判断：这两条路线分开写，真正的用意不是「双保险」，而是给自进化设了一道成本分界——可以在提示层试错，只在参数层固化。对一个要在几十家门店复制的系统来说，这个分界比任何单项指标都重要，因为参数一旦被单店的长尾场景污染，污染会跟着模型扩散到所有店。</div>
</div>

<div class="sec">
<div class="eyebrow">挂货这一次，失败被拆成了三步</div>

<p>官方给的那个案例值得逐句看。便利店挂货失败，Agent 回溯记录后发现两件事：头部视角分辨率不足，挂钩又被标签牌遮挡，于是机器人根本无法识别挂钩位置。接下来它做的调整是——左手先靠近目标，用腕部相机补一个近距离视角；确认挂钩位置之后，再由右手完成挂货。</p>

<p>这个动作序列本身并不惊艳，一只人手每天都这么做。关键在于它是<strong>被推导出来的</strong>：从「挂不上去」，到「为什么挂不上去」，再到「应该怎样挂」，最后把结果作为下一轮判断的输入。这条链条里没有工程师，也没有新采的数据。</p>

<p>外卖打包的例子同理。水瓶和夹爪容易被白色提带缠住，Agent 给出的不是「再试一次」，而是更具体的动作提示：夹爪先收回，再重新尝试放入包装袋。这类调整如果只留在这一次任务里，价值有限；被 Policy RSI 回流训练之后，它才变成能力。</p>
</div>

<div class="sec">
<div class="eyebrow">24 小时直播：是验收，也是把口径摊开</div>

<p>智元把下一次公开检验定在 11 月 2 日 10:00 到 11 月 3 日 10:00，6 台精灵 G2 在机器人便利店连轴转 24 小时，分四个班次：</p>

<div class="jx-tl">
<div class="jx-tl-row"><div class="jx-tl-t">午间高峰</div><div class="jx-tl-b">试岗班次，人流与订单集中，考验任务排队与调度</div></div>
<div class="jx-tl-row"><div class="jx-tl-t">晚高峰</div><div class="jx-tl-b">抗压班次，同一时段任务密度最高</div></div>
<div class="jx-tl-row"><div class="jx-tl-t">深夜值守</div><div class="jx-tl-b">独立值守，无人协助时段，异常必须自己处理</div></div>
<div class="jx-tl-row"><div class="jx-tl-t">清晨早餐</div><div class="jx-tl-b">冲刺班次，节拍最紧，考验连续作业后的稳定性</div></div>
</div>

<p>官方给的验收描述是「不掉线、不摸鱼、能服务、会应变」。这四句都是可观察的行为，不是可量化的指标——这恰好也是这场直播最大的看点与最大的漏洞。</p>

<div class="keypoint">判断：连续 24 小时直播能证明的是「不崩」，不能证明「变强」。Genie Master 的核心主张是部署后能力持续提升，而提升需要基线：第 1 小时的成功率和第 24 小时的成功率差多少、失败类型分布有没有变化、哪些改进来自记忆、哪些来自参数。这些数据如果不公布，观众看到的只是一场耐力测试，看不到那条自进化曲线。</div>
</div>

<div class="sec">
<div class="eyebrow">还没回答的三个问题</div>

<p>第一，泛化的边界在哪里。Harness RSI 沉淀的是「这一类场景下这个动作该怎么改」，它天然贴着具体门店的货架、光照与商品结构。换一家店，长期记忆是资产还是包袱？官方没有给跨店迁移的数据。</p>

<p>第二，参数更新的频率与安全边界。Policy RSI 会在部署状态下改模型参数，那么每一次更新前后的能力回归怎么测、出问题怎么回退、谁签字——这三件事在工业客户的采购清单上比「自进化」四个字靠前得多。</p>

<p>第三，成本结构。云端 Agent 参与推理意味着每家店都在持续产生模型调用费用，这部分钱最终会进到单店月度运营成本里。判断：对做机器人租赁与场景运营的团队来说，这条成本线比本体售价更影响报价模型——本体是一次性投入，Agent 调用是随营业时长走的变动成本。</p>

<p>回到最初那个问题：机器人进店之后，能不能不靠工程师跟在后面改代码。Genie Master 给出的答案是把「改代码」换成「记笔记 + 练本能」，并且把这两件事的频率分开。方向是对的，剩下要看的，是那场 24 小时直播之后，官方愿不愿意把第 1 小时和第 24 小时的数字并排放出来。</p>

<div class="srcline">来源：智元机器人官方公众号 2026-10-27；中国经营报 2026-10-27 18:45；南方+ 2026-10-27。素材窗口：2026-10-27 18:00 → 2026-10-28 09:00。</div>
</div>

---

*来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/agibot-genie-master-physical-rsi-harness-policy/*