解决机器人长程任务“断片”的新思路

在今年的世界机器人大会上，舞蹈、翻跟头等花哨的演示反而显得司空见惯。真正难住参展机器人的，常常是人类日常里看似简单但连贯性要求很高的家务场景——比如把房间整理好、补货、洗烘衣物并折叠等，需要在十几分钟内持续完成多步、跨区域的操作。通用具身智能公司墨奇（MORPHI）把这个难题搬上了展台：他们的轮式机器人 MORPHI KINO 在约 15 分钟的流程里，要在多个区域来回穿梭，按照任务把茶几上的物品放到指定盘子、到冰箱前检查并放入矿泉水、操作洗烘设备并折叠衣物等。单个动作并不新鲜，难点在于把这些动作连成一段不中断的执行流。

目前许多具身智能系统沿用的思路是分层双系统：由语言或视觉语言模型担任的高层（System 2）负责理解指令、拆解任务与重新规划；底层（System 1）则根据感知和机器人本体状态把高层下发的子任务转化为连续动作。这种分工在短时、多样动作的场景下非常有效，但在需要长时间维持任务目标与进度、应对环境变化的长程任务里暴露出短板。底层策略往往只关注当前应执行的动作，却不善于持续记住整个任务的最终目标与已完成的进度；一旦执行偏差或环境发生变化，就需要高层频繁介入重规划，导致任务被多次打断，难以连贯完成。

墨奇提出的 Agentic-Native 路线，核心是把“持续记忆目标和追踪进度”的能力更多地下沉到直接控制动作的 System 1 中。由此诞生了 MoRA（MORPHI Reasoning & Autonomy）具身模型架构：把推理与自主执行结合，使执行层在连续输出动作的同时，能够保持对任务目标、上下文和进度的记忆与判断，只有在超出自身能力或遇到复杂异常时，才主动请求高层模型参与调整。 球友会

在具体实现上，MoRA 强调几项关键能力：一是把结构化的目标（由文本与图像共同定义）作为条件输入到执行模型中，做到 Goal-Conditioned Execution，让机器人在每一步动作里都带着“为何而做”的认知；二是维持多尺度的执行记忆，不仅记住当前子任务，还保存已完成的状态和接下来的计划片段，避免“干着干着就忘了”；三是具备对异常的本地判断与临时调整能力，通过内在的推理决定是否继续执行、局部修正或上报给高层重新规划。

把这些能力放到直接操控机器人的那一层，会让系统在面对环境扰动、位置偏差或长时间任务时更具韧性。相比频繁依赖高层重规划的传统架构，Agentic-Native 的做法能减少中断、提升连续性，从而更适合家务类、巡检类等长程具身任务。在大会上，这种关注“任务连续性”的技术方向成为一个明显信号：与其不断把某一项技巧做得更花哨，不如让机器人在真实、复杂且持续的任务中将多项能力串联起来，真正把活干完。