鹿明發布MOS2：全球首個雙臂負載50kg輪臂式機器人，加速AI Worker進入產業現場

8月14日，鹿明機器人發佈全新重載輪臂式具身智能機器人Lumos MOS2。面向真實工業場景，Lumos MOS2具備50kg雙臂負載能力，同時在硬件性能、全向移動能力、多模態感知系統和整機控制架構等方面實現全面升級，勝任真實工業場景高強度、持續性作業任務。鹿明機器人創始人兼CEO喻超表示，具身智能正在加速進入產業落地階段，如何讓機器人更高效地完成更多真實任務，取決於數據獲取效率、硬件成本及產業交付效率。在這一判斷下，MOS2被定位為面向工業場景的重載AI Worker：既擁有7×24小時不間斷工作的強健軀體，也具備環境感知、任務理解與自主操作等能力，是鹿明產業具身理念的產品化實踐。

當前工業現場中，仍存在大量同時需要負載能力、靈活移動和複雜操作的任務，而這一類場景仍缺少成熟的具身智能機器人解決方案。MOS 2以50kg雙臂負載能力切入，融合移動、感知與操作能力，為重載工業任務提供新的具身智能解決方案，讓具身智能進一步覆蓋重載工業作業場景。圖：MOS2在真實生產場景中執行物料搬運任務產業具身的核心，讓機器人執行真實任務過去幾十年，製造業通過自動化設備解決了大量標準化、批量化和流程化生產任務。固定工位、重複動作、流程明確的環節，已經形成成熟的自動化體系。但在真實工業現場，仍有大量任務具有更高的柔性要求，難以通過傳統自動化方式高效覆蓋。

這些場景通常具備幾個共同特徵：產線換型頻繁，機器人需快速適應不同任務；操作過程涉及複雜裝配與精細動作，對靈巧性要求更高；部分任務產量較低，專用設備投入不經濟；生產中存在大量動態變化，需要機器人具備現場判斷與調整能力；此外，多工序、多設備之間的協同，也對機器人的任務銜接能力提出更高要求。因此，具身智能進入產業場景的核心，在於讓機器人真正理解任務、適應環境，並具備自主完成工作的能力。面對生產過程中的變化，機器人需要能夠靈活調整工作方式，完成複雜操作，主動判斷和處理異常，並在真實任務中不斷積累經驗、學習新的技能。

鹿明提出「產業具身」，圍繞真實產業任務構建機器人的綜合能力，包括靈活移動、末端工具適配、多模態感知、任務執行與技能學習，讓機器人能夠適應更加開放、動態的工業環境。基於輪臂式形態，MOS2融合了移動能力、雙臂操作能力、多模態感知能力與任務執行能力，進一步拓展在開放工業場景中的應用空間。圖：MOS2在真實工業場景中執行柔性質檢任務雙臂50kg負載，打造重載AI Worker執行底座MOS2首先圍繞工業任務對負載、靈活性和可靠性的需求，對機器人本體進行了系統升級。整機設計方面，MOS2高度約1.65米，佔地面積約0.5平方米，理論通道寬度需求約0.

8米，更貼近工業現場的空間條件；整機擁有22個自由度，新增雙自由度頭部與全向底盤，使其具備更靈活的位置移動能力和更廣的環境適應性。相比固定設備，輪臂式結構讓MOS 2能夠在不同工作區域間自由移動；相比單一移動平臺，雙臂設計則進一步增強了機器人與環境交互、執行復雜操作的能力。感知層面，MOS2標配底盤雙多線激光雷達、腕部雙相機、雙六維力傳感器及頭部雙目相機，並提供頂部後側雷達、胸部深度視覺等選配方案，形成覆蓋環境感知、視覺識別與力覺反饋的多模態感知體系。這些能力幫助機器人實時獲取環境信息、識別任務狀態，並根據現場變化動態調整操作過程。硬件本體升級的重中之重，在於雙臂系統。

MOS2具備雙臂50kg負載能力，並採用標準法蘭盤與集成式接口設計，支持末端工裝快速切換，使機器人能夠根據不同任務，靈活配置對應工具。圖：MOS2雙臂搬運50Kg重物50kg負載能力，為具身智能進入重載工業作業提供了更大的能力空間。在重載搬運場景中，MOS2能夠處理更大重量的物料；在柔性上下料場景中，結合視覺與力控能力，機器人能適應不同工件的狀態變化；在設備輔助操作場景中，雙臂協同能力支撐起更復雜的工業交互任務。面向工業長期運行的嚴苛要求，MOS2在可靠性方面進行了專項設計：整機線束通過500萬次耐久實驗驗證；雙電池熱插拔方案提升了運行便利性，並支持更多類型末端設備的靈活擴展。

移動、感知、操作、負載與可靠性等能力，共同構成了AI Worker進入真實生產環境的執行基礎。持續進化，讓AI Worker不斷獲得新技能具身智能進入真實生產環境後，機器人面對的並不是一套永遠不變的任務。不同工廠、不同工藝對機器人能力要求各異，同一任務在不同產線中也需要根據現場條件靈活調整策略。因此，機器人不僅需要具備完成任務的能力，還需要能夠基於真實任務數據持續學習、優化和獲得新的技能。在鹿明的產業具身體系中，MOS 2負責執行真實工業任務，Lumos NexCore則為機器人持續學習和技能進化提供系統基礎。

NexCore圍繞機器人技能構建建立完整的學習閉環：產業用戶可以創建機器人需要學習的任務，接入真實、仿真與視頻等多源數據，通過自動訓練和參數優化形成技能，再利用多維評測驗證技能效果，經過驗證的技能可以快速部署至機器人；機器人在真實作業環境中運行，運行數據持續迴流，為下一輪學習和優化提供基礎。這一過程讓機器人的技能不再停留於一次訓練結果，而能夠隨著真實任務持續積累和優化。圖：NexCore一站式機器人技能構建開發界面對於產業客戶而言，評價機器人價值的標準，需要回到真實生產結果，包括連續工作能力、任務成功率、部署效率以及最終創造的產業價值。

鹿明希望以MOS 2為AI Worker的產品載體，讓機器人真正進入工業現場、承擔真實工作，並依託NexCore在真實任務中持續學習和進化，逐步成為能夠長期工作、持續學習並創造價值的工業智能體。