11月3日，智元“机器人打工不能停”24小时便利店直播挑战收官。6台精灵G2人形机器人（886069）以迎宾员、咖啡师、理货员和保洁员等身份，在上海徐汇一家真实营业的便利店连续工作24小时，累计完成1730项任务，直播吸引全网超200万人在线观看。
“便利店，足够真实，也足够难。”智元具身研究中心副总裁任广辉接受上海证券报记者采访时表示，智元想验证的不只是单项能力，还有系统在遇到变化、中断、异常之后还能不能继续推进，以及这些经历能不能变成可复用的经验，让后面的作业更稳。
六个岗位、四班连轴转
11月2日10时，六台精灵G2在便利店“打卡上岗”。工牌上写着各自的岗位：阿豪负责迎宾接待与顾客咨询；火宝和倦王是一对理货搭档，一个取货补货、一个巡视货架；咖少是咖啡工位的专职“咖啡师”；叮酱守在收银台，顺带做熟食服务；冷姐则是全场的桌面清洁担当。六个岗位环环相扣，覆盖一家便利店从开门迎客到日常保洁的完整服务流程。
考核跟随门店营业节奏持续推进：从午高峰到晚间客流，从深夜值守到次日早高峰。在岗多久、完成多少业务、顾客如何评价，以及任务是否成功、响应是否及时、遇到异常如何处理，都成为检验它们工作表现的重要依据。
两位特邀体验官还带着“刁钻考题”登门：长得几乎一样的有糖、无糖可乐，一句“拿无糖的”，看它会不会拿错；把口香糖货架整个打乱，看它能不能一盒盒归位；站在路中央当人形路障，再丢个箱子堵路，看它是绕行还是硬撞。
机器人的应对方式是“耳朵听懂、眼睛确认”双重校验才下手；打乱的货架不靠标签，靠视觉盘点逐格归位；遇人先停再绕，箱子挡路就再绕。
便利店面积不大、流程标准化，是城市里最常见的商业场景之一。但对机器人而言，要胜任其中的工作并不轻松。
比如，把一袋彩虹糖挂上挂钩，角度差一点，机器人可能夹住其他商品；夹一块黄金糕，力道分毫之差，就是“掉了”和“碎了”的区别。在实验室中，光线、物品位置和操作流程都可以提前设置；而在真实门店，顾客随时穿行，商品的位置、朝向和包装状态时刻变化。同样是“取一件商品”，每次面对的条件都可能不同；一次抓取成功了，不代表下一次还能复制。
任广辉坦言，难在机器人要根据物体的形状、软硬和受力变化，把一串动作准确接起来。“拿夹黄金糕举例：先握稳夹子，再控制开合、接触位置和力度，轻了滑、重了碎；夹起来之后还要对准袋口、放进去、退出夹子，再换一种抓握方式拎起袋子。”
面对这些考题，机器人的整体表现没有掉链子：被顾客随手塞错位置的商品，不靠标签坐标，靠实时视觉盘点找到归属、逐格归位；补货机器人发现货架空缺，无需人工提醒，自动触发补货流程；操作台上的污渍，它分得清物体花纹和泼洒痕迹，优先调用工具清理。
失手计入“错题集”
在真实营业过程中，机器人也并非百发百中，作业时偶有失手。但失手并不意味着失败——关键在于犯错之后怎么办：能不能识别问题、纠正问题，并把教训变成经验。
据介绍，这正是智元此前推出具身Agent框架Genie Master的出发点。作为六台机器人共同的Agent“大脑”，它既负责调度任务，也连接执行结果与后续学习。通过具身执行协议EEP，Genie Master将任务判断、动作执行与结果反馈连接起来。执行结果返回Agent，为后续判断和异常处理提供依据。
更关键的是把新掌握的技能转化为可复用的经验。Genie Master每日总结成功与失败的作业轨迹，并将相关经验存入长期记忆，遇到同类任务时直接调用；有效的调整过程则形成训练数据，反哺动作策略的持续优化。
任广辉介绍，流程和编排层面的问题，当天总结、调整后第二天执行就能避开；策略层面的更新，通常几天内能完成一轮迭代。直播期间产生的数据，经过筛选、去标识化和质量检查后进入训练队列，正常情况下一到两周内能体现在后续版本的策略更新里。深夜空闲时，机器人还会主动加练难的任务。
从单店到规模化，还有多远？
为何选择便利店作为全栈技术的第一个考场？
“相比Demo，真实门店里，顾客会走动，商品的位置、朝向、包装状态随时在变，机器人要一边理解现场，一边调整操作和任务安排。”任广辉说，工业和分拣场景强调节拍、精度、可靠性，环境相对固定；便利店更考验随机应变的能力——商品差异、柔性操作、人机混行、顾客交互、多机协作，全被压缩在一个小空间里，而且任务之间会互相影响：补货可能占掉取货的位置，清洁可能堵住通道，某一步延迟，后面一连串交付都要往后推。
在业内看来，这场24小时挑战，是智元AI WAVE全栈技术发布的一个缩影。数据、模型、仿真平台、本体与作业平台的价值，落在了服务能否完成、异常能否处理、经验能否复用这些实际问题上。
在安全方面，任广辉强调原则是“所有行为必须在明确的安全边界之内进行”。“狭窄通道、顾客突然进入作业区、儿童接近，系统会根据距离、运动趋势和当前动作风险，采取减速、暂停、避让或重新规划。感知不确定性变大时，主动降低作业强度，必要时停止动作、请求协助。宁可慢，不能撞。”
对于商业化前景，任广辉的判断务实而审慎：“这个距离取决于任务，不取决于时间表。”他给出三条判断依据：任务边界清不清晰、结果容不容易核验、异常率低到系统能不能自己恢复。按这个标准，环境规范、对象相对标准、流程固定的岗位，比如理货、补货、清洁辅助，最有希望先稳定上岗；涉及复杂交互、身份核验、开放式操作的岗位，验证周期（883436）要长得多。
任广辉表示，从单店走向成百上千家门店，还要解决机型和工具标准化、商品和业务系统接入、快速部署、远程运维，以及经验如何在不同门店之间复用等问题。智元的做法是把数据、模型、本体、部署系统全栈打通，让能力以体系的方式沉淀，每部署一个新门店，重复开发的工作越来越少。
