魔法原子Magic-VLA K02攻克疊盒封膠長程任務，成功率超90%

在2026年世界人工智能大會（WAIC）現場，魔法原子展示了其自研通用具身大模型Magic-VLA K02的最新成果，並實機演示疊盒封膠、柔性衣物整理與行李箱收納等多項複雜長程任務。其中，疊盒封膠這項組合式長程任務成功率突破90%，據稱是業界首次由通用具身大模型完整實現此類流程，凸顯模型在多步驟規劃與穩定執行上的突破。 本次WAIC現場的三類展演場景，刻意選取物理屬性與任務結構差異極大的操作，用以驗證Magic-VLA K02的通用操作能力。疊盒與封膠分別涉及剛性物體的精細操控與柔性物體（膠帶）的動態控制，是物流倉儲與工業生產中的基礎工序，也是具身智慧領域公認的高難度挑戰。機器人須即時辨識不同規格箱體，自主調整抓取點位、受力角度與疊放姿態，並在貼膠過程中根據膠帶形變與箱體表面狀態即時修正末端軌跡，防止空鼓、偏移或斷裂。更重要的是，這兩項動作並非單純串聯，而是涵蓋任務規劃、狀態感知、連續執行與異常恢復的長程閉環，模型須根據每一步執行結果持續更新狀態，動態規劃後續動作，從源頭降低誤差累積。當箱體位置偏移或流程遭打斷時，系統能在無人干預下重新感知環境並修正軌跡，接續完成任務。 柔性衣物整理則進一步考驗模型對高自由度物體的操控能力。衣物缺乏穩定幾何形態，輪廓與局部狀態會隨重力與接觸持續改變。Magic-VLA K02能依據即時視覺資訊動態選擇抓取位置，連續完成平鋪、壓邊、對摺、收角等動作。現場特意安排打斷環節，當觀眾移動或弄亂衣物後，機器人不會機械式執行原軌跡，而是重新辨識衣物狀態並恢復後續操作。行李箱收納任務則要求模型同時處理多個物體與有限空間的約束，識別箱內可用區域，理解衣物、盒裝物品的形態與可堆疊關係，統籌擺放順序與空間利用。三類場景呈現的不是三套獨立程式，而是同一模型框架在不同任務中的能力外化。 支撐這些表現的核心是Magic-VLA K02針對長程任務設計的分層式雙系統架構。高層「理解—生成統一模型」承擔全局決策與任務規劃，能將抽象指令拆解為一系列具明確時序的原子任務。以疊盒封膠為例，模型依序判斷當前應進行箱體識別、抓取調整、位置校準或膠帶定位，並根據前一步實際結果規劃下一步。為了進一步約束動作方向，高層系統會針對任務結果生成「關鍵結果圖像」，讓機器人不僅知道當下要做什麼，也明確完成後應呈現的視覺目標，大幅提高成功率。 低層動作生成系統則由VLM主幹網路、動態專家模組及動作專家模組協同構成。動態專家模組可提前推演當前動作可能引發的物體形態與場景變化，例如在摺衣時預測抓取翻折後布料的可能狀態，避免局部動作正確但整體結果偏離。動作專家模組負責輸出連續平滑的動作序列，提升抓取、彎折、貼合等相鄰動作的銜接穩定性，減少機械抖動與軌跡偏移。高層規劃與低層執行相互協作，持續回答「當前需要完成什麼」、「完成後應達到什麼狀態」以及「具體如何執行」，使展演中的連續操作、動態糾錯與受擾恢復都納入同一套長程任務閉環。 基於此架構，Magic-VLA K02在推理部署層面具備四項能力優勢。在長程策略控制方面，模型透過原子任務拆解與視覺目標約束，持續追蹤進度並根據實際反饋調整策略，測試顯示複雜長程任務整體準確率達92%，任務中斷率降至5%以內。技能組合泛化方面，模型能針對不同任務目標重新編排抓取、移動、彎折、放置等基礎技能，不必為每個流程獨立訓練策略，場景適配吞吐量提升110%，任務泛化執行效率提升90%以上。跨機器人適配則導入元數據描述體系，統一表達不同機器人的本體類型與控制模式，已測試設備範圍內跨設備適配成功率達100%，兼容品類提升200%以上。工程部署穩定性方面，雙系統架構有效減少語義歧義與短視決策，出現抓取失敗或場景擾動時可觸發重新規劃，軌跡偏差修正響應速度提升70%，所需機器人示範訓練數據量減少60%。 這些現場能力也建立於完整的訓練體系之上。Magic-VLA K02採用「海量第一人稱視角數據預訓練＋少量機器人示範數據跨形態動作對齊與後訓練」的範式。模型先從人類操作數據中學習任務拆解邏輯與物體狀態變化，再透過機器人示範數據將認知對齊至真實動作空間。訓練分階段完成高層任務拆解、低層狀態預測與連續動作生成，最終透過漸進式解凍與端到端聯合微調，解決高層與低層模組間的表徵錯位，從而在降低大規模真機數據依賴的同時，提升模型對未知場景與複雜交互的適應能力。