墨奇亮相WRC：具身智慧模型MoRA與輪式機器人KINO的長程任務驗證
為何重要
墨奇提出的 Agentic-Native 架構試圖解決當前具身智慧中 System 2 作業速度受阻於 System 1 反應式延遲的結構性瓶頸，為通用機器人從 Demo 走向產品提供了新的技術路徑。這對產業界意義在於證明瞭「資料品質」與「系統級協同」優於單點算力的競爭優勢，重新定義了具身智慧的研發Focus。
- 展示場景：在模擬家庭環境中執行 15 分鐘長程任務，包含客廳整理、冰箱補貨、衣物洗烘與摺疊。- 模型架構：釋出 MoRA 架構與 Agentic-Native 設計，將高階認知代理能力下放到執行層，以解決長時序執行中的進度追蹤問題。- 資料積累：自研 MORPHI Sense Kit，目前已累積 3 萬小時真實場景資料，計畫於今年完成 15 萬至 20 萬小時的蓄積。