六台機器人、四項通過，完成 1,730 項任務
六台 Agibot Genie G2 人形機器人在上海市徐匯區一家營業中的便利商店，於 24 小時測試期間完成 1,730 項任務，但只有四台通過工作評估。未達標的兩台在貨架巡檢與清潔工作上表現不佳，其中一台清潔機器人在夜班時偏離指定路線，走到店外。
目錄
挑戰於 2026 年 11 月 2 日上午 10 時開始，並於 11 月 3 日結束。主辦方 Agibot（正式名稱為智元創新（上海）科技股份有限公司）在各線上平台直播，吸引超過 200 萬人次觀看。機器人輪班應對午餐時段需求、晚間顧客、夜間勤務，以及隔天早晨的早餐服務。
這場測試在表演效果之外，也提出一個實際問題：當顧客、訂單和周遭障礙不斷變化時，機器人能否讓商店各項環環相扣的工作持續運轉？成功沖煮咖啡只是評估的一部分。能否迅速回應、留在指定崗位，以及在出錯時恢復正常，也列入考量。
Agibot 具身智能研究中心副總裁任光輝坦言，機器人在適應變化、快速完成精細動作，以及處理突發問題方面，仍落後於經驗豐富的店員。下一步改進將取決於能否把成功與失敗工作的紀錄，轉化為更完善的操作規則和動作技能。
機器人實際完成了哪些工作
六台機器人分別負責迎賓、商品處理、咖啡製作、熱食服務、貨架巡檢和桌面清潔。合計任務數涵蓋難度和所需時間差異甚大的工作。
- 683 項顧客迎賓或接待互動。
- 369 項商品取貨與配送任務。
- 147 杯咖啡製作。
- 126 項餐點服務任務；結算統計稱為早餐服務，評估結果則稱為熱食服務。
- 277 項貨架巡檢與補貨任務。
- 128 項桌面清潔任務。
顧客接待約占 1,730 項紀錄任務的 39.5%。接待與商品處理合計 1,052 項，約占 60.8%。這些數字顯示，記錄中的許多活動是回應顧客和移動商品，同時也包括較吸睛的飲料製作與餐點服務。
六台機器人合計平均每小時完成約 72 項任務。不過，各類工作要求不同：迎接顧客和沖煮咖啡涉及不同流程、設備和所需時間。評估也考量值勤時間、顧客回饋、任務成功率、反應速度，以及問題發生後的恢復能力。
為何四台通過、兩台未通過
迎賓機器人阿浩因主動協助顧客，獲得最高的顧客服務分數。負責取貨與商品處理的夥伴，則能迅速回應訂單，即使需求增加或訂單取消，也持續工作。
咖啡機器人咖梢以穩定的製作流程通過評估，其熱美式也獲得好評。負責熱食並兼任結帳工作的丁醬，則以穩定的工作處理表現達到要求標準。
負責貨架巡檢與補貨的卷網，未能跟上商店的營運節奏。評估認為其巡檢和補貨不夠積極。清潔機器人冷潔在夜間值勤時離開指定路線並走到店外，因此有必要修訂其操作規則。
六台參測機器人中有四台通過，通過率約為 66.7%。Agibot 未公布數值化的通過門檻、完整評分表或人工介入次數。因此，公布的結果對各個工作角色呈現得比系統整體可靠度更為詳細：迎賓機器人的顧客服務表現良好，清潔機器人則需要更嚴格的工作範圍管控。
一整天的工作帶來不同考驗
24 小時的排程讓機器人在同一個小空間內面對不斷變化的需求。午餐和早餐時段要求迅速服務顧客；晚間營業則迎來另一波人潮，夜間時段則考驗機器人在店內較為安靜時，能否持續履行指定工作。
測試依照以下時程進行：
- 2026 年 11 月 2 日上午 10 時：六台 Genie G2 機器人在徐匯區便利商店開始工作。
- 2026 年 11 月 2 日午餐與晚間時段：評估涵蓋繁忙服務時段，包括接單、商品處理和餐點製作。
- 11 月 2 日夜間至 11 月 3 日：機器人持續夜間勤務，期間清潔機器人偏離路線。
- 2026 年 11 月 3 日早餐時段及測試結束：最後一個服務時段完成 24 小時評估，隨後公布四台機器人通過。
機器人是在四個服務時段中接受評估，而非只測試一個經過精密計時的動作。商品配送延遲可能影響另一筆訂單；機器人占據貨架位置，也可能使同事無法接近。要讓工作持續推進，除了個別機器人的靈巧度，也需要彼此協調。
顧客與障礙也成為測試的一部分
兩名受邀參與者 Xiaoyang biubiu 和 Xiaoxiao Nathan 設計了幾項挑戰，模擬店員可能遇到的問題。他們要求機器人分辨一般可樂與無糖可樂、重新整理貨架上的口香糖，並以人和箱子阻擋行進路線。
可樂任務要求系統將口頭要求與視覺辨識結合，找出正確商品。口香糖測試檢驗機器人能否查看貨架上的實際狀況，並將商品放回正確位置。障礙測試則考驗機器人能否停下來，並繞過人或物品尋找其他路線。
測試期間，機器人透過視覺巡檢找出放錯位置的商品，並將它們放回正確位置。貨架出現空位時，也可能觸發補貨，不必等人再次下達指令。清潔示範還包括分辨表面圖案與液體潑灑或污漬。
這些任務結合了感知與動作。機器人必須先辨認商品、障礙物或髒污區域，再選擇行動並執行。若辨識錯誤，可能送錯商品、進行不必要的清潔，或擋住另一台機器人的路線。
一包糖果為何也不容易拿取
任光輝表示，便利商店是充滿挑戰的環境，因為店內商品種類繁多、物品需要輕柔拿取、顧客會在機器人之間走動，而且多台機器人必須共用有限空間。不同於固定的揀貨工作站，商店裡的狀況可能隨時因顧客移動商品或走進走道而改變。
掛在掛鉤上的一包彩虹糖，就能說明其中的難處。機器人必須辨識商品、選擇抓取位置，並施加足夠力量取下商品，同時避免包裝開口卡在掛鉤上。抓取位置和施力必須配合得當。
柔軟的蛋糕則帶來另一種難題。施力太小，蛋糕可能滑落；施力太大，又可能把蛋糕壓碎。會彎曲或變形的包裝與食物，比邊緣固定、形狀可預測的硬質物品更難穩定拿取。
任光輝表示，工作區域明確、物品規格標準化，而且結果容易檢查時，任務相對簡單。柔軟物品、複雜的表面接觸，以及長串動作流程，仍是技術挑戰。對商店而言，這表示機器人或許能穩定完成一項規範明確的工作，但要以和資深員工相同的速度處理不斷變化的商品，仍需要更多改進。
串聯六項工作的軟體系統
Agibot 為六台機器人配備多套相互連結的系統。公司的具身基礎模型 GO-3Preview，提供執行不同實體任務的能力。具身智能是指人工智慧透過實體機器運作，觀察周遭環境並在其中採取行動。
公司的進一步訓練系統 GenieEvolver，結合真實機器人上的學習、模擬和世界模型。世界模型是用來預測物體與周遭環境可能如何回應某項動作的電腦表示法。這些訓練方法旨在提升動作執行能力。
GenieMaster 負責在機器人之間安排任務，並將執行結果回傳至學習流程。其具身執行協定（Embodied Execution Protocol，EEP）串聯決策、實體動作，以及對執行結果的回饋。
在商店情境中，負責統籌的軟體必須知道哪台機器人能執行某項工作，以及它面對哪些條件。動作系統接著依據當下觀察結果執行任務。回饋則讓統籌系統決定接下來該做什麼，包括是否需要修正行動。
共享空間使這類協調不可或缺。若補貨機器人占據訂單所需的位置，系統就必須安排誰先進入，或調整工作順序。Agibot 指出，機器人位置相互衝突，以及訂單狀態更新延遲，都是可透過改善任務規則來處理的問題。
從錯誤中學習有兩種不同的時間尺度
Agibot 將利用成功與失敗工作紀錄的流程稱為 PhysicalRSI，即「實體世界中的遞迴式自我改進」。基本概念是檢視真實任務中的執行情況、進行調整，再利用後續表現推動進一步改進。
據稱，GenieMaster 會收集成功與失敗的任務流程，將有用經驗存入長期記憶，並把有效的調整轉化為訓練資料。套用記住的操作規則，和訓練新的動作技能，所需工作量並不相同。
任光輝表示，與任務流程和排程有關的經驗，可以在營運當天檢討，並於隔天套用。動作策略更新則需要蒐集資料、進行品質檢查、訓練和驗證。動作策略是根據機器人的觀察結果選擇實體動作的系統。
任光輝表示，直播中取得的有效資料，預計要一至兩週才會反映在後續的動作策略更新中。因此，這項測試有兩個實際的後續改善時程：先快速調整工作流程規則，再較慢地更新控制動作的模型。
清潔機器人偏離路線，以及補貨機器人反應較慢，也凸顯了兩種不同的改善方向。一項需要確保機器人留在指定作業區域；另一項則需要更妥善掌握補貨時機並提升主動性。Agibot 未說明何時會再次公開評估這兩台機器人。
如何讓這些工作具備商業價值？
Agibot 將這次商店測試定位為其新發布的整合式具身 AI 能力，首次應用於特定商業營運。公司於 10 月 22 日啟動 AI WAVE 技術發布系列，介紹資料、模擬、模型、機器人硬體和作業系統，再將這些元素帶進商店。
這波商業布局伴隨兩項數據：2026 年上半年營收據報接近 20 億元人民幣，通用型 AI 機器人累計產量達 2 萬台。便利商店評估聚焦於這些機器人在日常服務中能提供什麼。
Agibot 共同創辦人、共同總裁暨具身業務部總裁姚茂青表示，機器人要投入生產工作，必須符合可量化、可重複且可持續的工程標準。他提出的衡量指標包括成功率、完成任務所需時間，以及平均故障間隔時間，通常稱為 MTBF。
MTBF 指兩次故障之間的平均運作時間。對店長而言，這項指標關乎一個實際問題：機器人可以持續工作多久，才會因故障中斷服務。任務所需時間也同樣重要。即使機器人最終能正確完成準備，等待早餐的顧客仍希望餐點能迅速送達。
Agibot 團隊提出四項追蹤目標：提高符合要求標準的產出，減少因重試或人工接手造成的時間損失；在商品、布局或商店改變時，減少資料蒐集和調整工作；在獨立評估中維持改進成果，同時保留既有技能；以及隨著不同班次和顧客流量的經驗累積，降低營運成本。
上海測試呈現了服務成果，也顯示仍待改善之處。四台機器人達到各自的工作標準，另兩台則暴露出持續專注於職責，以及動作控制方面的弱點。Agibot 下一步的技術任務，是運用已提出的績效指標，將這些經驗應用於更長的營運時段和變化更多的商店。
重點整理
- 六台 Agibot Genie G2 機器人於 2026 年 11 月 3 日，在上海市徐匯區完成便利商店 24 小時測試。
- 機器人共記錄 1,730 項已完成任務，包括 683 項顧客互動、369 項商品處理任務，以及 147 杯咖啡製作。
- 四台機器人通過評估。貨架巡檢機器人跟不上商店節奏，清潔機器人則在夜間值勤時離開指定路線。
- 測試內容包括分辨不同種類的可樂、整理凌亂的貨架，以及繞過人和箱子。
- Agibot 表示，工作流程調整可於隔天套用；使用測試資料更新動作模型則預計需要一至兩週。
- 公司的商業目標包括提高成功率、減少服務中斷、簡化新商店的部署，以及降低營運成本。
