让机器人去酒店收脏衣服、穿过走廊、装篮、按洗衣机按键、烘干、再送回房间——这件事听起来不高级，但技术难度在机器人圈里属于地狱级：处理柔性物体、在真实动态非标准化环境里完成一整套长链条任务，几乎踩中了具身智能所有的坑。11 月 11 日，大晓机器人披露了它在这个场景的完整解法。
先说场景选择的理由。酒店行业普遍面临夜间招工难、人力成本高、节假日需求集中的问题；董事长王晓刚还补了一句实在话，也有一部分「秀肌肉」的考量。更关键的是任务性质：洗衣服务涉及取衣、搬运、设备操作、洗涤烘干、送回客房多个环节，对空间理解、精细操作与长流程规划都有高要求。传统机器人只能在预设条件下执行固定任务，环境或物体一变就得重新编程——酒店恰恰是最不标准化的环境之一。
第一个难题是冷启动。机器人进店时不知道客房门朝哪开、洗衣机长什么样。行业惯常做法是在数字世界里「彩排」，用三维重建搭一个场景——但那是个「可看不可动」的静态样板间，没有物理属性：机器人不知道衣篮多重、舱门要多大力气开。人做这些操作时基本不用眼睛，上手摸一把就知道要用多少力；只靠视觉样板间训练的机器人，只能靠碰运气。
大晓的解法是 Mundo，一个支持物理参数建模的世界模型，属于其开悟世界模型体系。输入酒店房间、走廊、洗衣房的照片后，Mundo 能复刻一个可物理交互的孪生酒店，物体质量、摩擦力等参数都被包含在内。机器人在里面反复试错，每次成功或失败都产生动作轨迹、接触状态与视觉反馈，这些数据反过来优化动作策略，把现场调试时间前移到「入职前」。
第二个难题是延迟。团队做过测试：纯靠云端通用模型 Astra 实时决策跑完整套流程，耗时超过 30 分钟。物理世界是高频的，如果每一步都要等云端观察、思考、推理、决策，产线节拍根本跟不上。解法是解耦——云端一个通用脑（GPT-Astra）负责任务拆解、逻辑推理与策略生成，在 Mundo 中探索收敛后沉淀为 Skill；机器人本体上的执行脑调用已固化的 Skill，依托摄像头与机械臂完成高精度动作。同样一轮任务，本地具身基模只需 18.648 秒，耗时缩减超过 98%。
现实世界总有意外。光线突变、衣篮被挪位，端侧执行脑处理不了时，云端脑会重新介入，分析新情况并生成新版本 Skill 下发。为了管理成百上千个 Skill，团队自研调度中枢 BotAgent：把整个洗衣流程拆成 53 个基础原子动作，往上封装成「取篮子」「去洗衣房」等 14 个语义步骤，再根据客房位置、电梯状态、洗衣机排队情况，灵活编排超过 200 种动作序列。
第三个难题是现场失败。机器人抓衣篮时手腕挡住摄像头、从烘干机取衣时裤腿挂在滚筒里，这类问题如果每次都等工程师改代码，落地就无从谈起。大晓的做法是具身 RSI：Astra 先生成初代 Skill，机器人执行并用多路摄像头录视频、记录传感器数据与动作时间线；失败后 Astra 像侦探一样复盘录像定位根因，再给出改进方案。比如发现腕部相机常被遮挡就改用头顶相机；发现裤腿挂壁就动态微调机械爪抬升轨迹与指尖抓取倾角。为了让练级 7×24 小时不间断，机器人还学会「自主复位」——把衣服抖散扔回烘干机，恢复到实验前状态，无需人工干预。为防止误差累积，团队独立运行一个模型副本做质检打分，新版本不如旧版本就快速回滚。
数据可以说明这套闭环的效率。仅「烘干机取衣」一个 Skill，57 小时内完成 165 轮真机实验，产出 37 条改进方案与约 80 个迭代版本，操作对象从标准布料拓展到厚重牛仔裤与异形洗衣袋；单轮用时稳定在 170 到 210 秒，最关键的牛仔裤筒内残留率从平均 48% 降到 32%，最优一次达到 19%。
场景拓展的方向已经给出。王晓刚表示团队已开始探索酒店之外的场景，即时零售是值得进一步拓展的方向——虽然领域不同，但共性是都需要理解复杂环境、完成多步骤任务、与真实业务系统协同，且任务频次高、结果可量化。酒店场景验证的世界模型环境建模、通用模型技能生成与 RSI 持续改进，可以为其他场景提供技术参考。
这套方案的价值在于给出了一个可复用的范式：世界模型负责「建驾校」，通用模型负责「出方法论」，本体小脑负责「踩油门」，RSI 负责「从失败里长记性」。四件事拆开都不新，把它们串成闭环并压到 18 秒级，是目前具身智能落地最稀缺的能力。接下来要看的是复制成本——换一个场景，这套体系需要多少数据与多久才能收敛。