中国经济时报记者 王彩娜

8月19日，2026世界机器人大会（WRC）在北京北人亦创国际会展中心启幕。港股“视觉具身智能第一股”瑞为技术完成登陆港交所后的国家级展会首秀，在D馆首次完整展出面向机场行李转运场景的具身智能解决方案，展示了把机器人真正放进企业级生产力场景的落地成果。

首次完整呈现行李转运的具身智能方案

在WRC 2026的展台上，瑞为技术展示一套正在真实场景中落地的机器人解决方案，呈现面向机场场景的具身智能生产力。

晓蚁行李转运机器人：专为标准行李转运场景而生。融合视觉感知、智能决策与精准控制能力，可自主完成标准行李箱的识别、抓取、搬运与装载的全流程作业。凭借较强的负载能力和稳定的连续作业表现，重点承担高强度、重复性的行李转运任务，是整套方案的主力搬运单元。

轮式双臂人形机器人：面向不规则行李等更加复杂的柔性操作任务进行技术探索。融合激光雷达和视觉感知技术，围绕自主感知、灵活移动、双臂协同和精细操作等能力，探索背包、手提包等形态易变、抓取点不确定行李的识别、抓取、搬运与放置。目前主要承担复杂物体操作和具身智能能力验证。

AMR智能转运单元：实现托盘自主搬运、精准接驳与自动归位，依托自主导航与智能调度能力，完成不同机器人之间的高效协同连接。

瑞为从开始就按照完整生产任务进行系统设计，整个架构在任务规划、业务调度、路径规划、机器人执行和业务系统之间进行分层设计——不同机器人承担不同能力，但上层围绕的是同一个生产任务，最终形成一套面向企业生产任务的多机器人协同系统。

从“80—20”到“80—10—10”，人机协同的演进路径

目前，在华东地区机场真实航班保障环境中，瑞为已经形成了一套“80—20”的人机协同模式：约80%的标准行李由晓蚁行李转运机器人处理，其余约20%的软包、异形、破损及其他异常行李由人工协同。

未来，随着柔性操作、VTFLA等具身智能能力进一步成熟，瑞为希望逐步让更加通用的机器人接管目前20%人工任务中的一部分，并探索向“80-10-10”的方向演进——约80%的标准化、高频任务由专用机器人承担，约10%的柔性、复杂任务逐步由人形机器人等更具泛化能力的机器人处理，剩余约10%的极端长尾和异常任务由人工兜底。

这一思路的核心并不是追求一个固定的机器人替代比例，而是根据不同任务的技术成熟度和生产价值，选择最合适的执行方式：成熟能力率先进入生产，前沿能力持续验证，再随着技术成熟逐步扩大机器人承担任务的边界。

“让机器人适应场景”，瑞为的具身智能工程化答案

      对B端客户而言，能否在不改造现有设施的前提下落地往往是决策的关键。瑞为在WRC现场强调了一个产品理念：让机器人适应场景，而不是让场景适应机器人。

机场已有几十年形成的生产流程和基础设施，很难为了使用机器人而将整个机场重新改造。因此，瑞为在工程中做了大量适配场景的设计：例如空间狭窄，就优化机器人结构；不能大规模施工，就采用模块化、分段式设计；现阶段机器人还无法高效、稳定地处理所有非标准行李，就通过人机协同解决长尾问题；工作人员已有成熟流程，就让系统主动适应现有生产节拍。

背后的核心认知在于：瑞为追求的是整个生产系统的全局最优，而不是某一个技术指标的局部最优。

VTFLA技术底座打通感知到执行闭环

       而在机器人背后，支撑整套行李转运方案稳定运行的核心，是瑞为全栈自研的VTFLA具身智能技术架构。在视觉—语言—动作VLA框架基础上，瑞为进一步引入力觉、触觉等物理反馈能力，形成VTFLA具身智能技术架构。针对软包、背包等柔性和不规则物体，仅依赖视觉信息难以完整判断抓取过程中的接触状态和稳定性。通过引入力觉、触觉等反馈，机器人可以进一步感知抓取过程中的受力变化、接触状态和滑移风险，并根据反馈动态调整操作策略。

在机场行李搬运场景中，力觉和触觉的引入，主要用于提升异形和柔性行李抓取过程中的接触感知、力度控制和操作稳定性；同时与视觉感知、安全控制等能力结合，进一步提升机器人在复杂生产环境中的作业安全性。

在多种技术路线中，瑞为更强调VTFLA与真实垂直场景的结合，通过机场等复杂生产环境中的任务验证和数据积累，持续优化模型与系统能力。

未来，VTFLA技术架构的“通用底座+场景适配”特点，还将在同行业延伸和跨行业拓展中扮演重要角色。

真实场景验证，从测试环境进入生产流程

目前，瑞为行李搬运机器人已在华东地区千万级枢纽机场，正式接入真实航班的行李转运业务，进行常态化作业POC验证。这标志着机器人已从测试环境真正进入生产流程，这是一个重要的分水岭，因为只有进入真实生产，才会持续产生真正有价值的真实世界数据。

在目前千万级客流机场真实航班保障环境的POC实测中，晓蚁行李转运机器人单件行李处理节拍已低于18秒，能够满足当前机场实际生产作业的节拍要求；在目前测试采用的3.0米×1.5米、长边开口的三边围挡拖车上，单车最大装载量可达到39件，接近同等条件下熟练人工40件的装载水平；同时，装车准确率达到99.9%，行李检出率达到99%。

这些来自真实航班保障环境的数据，分别对应机场生产最关心的处理效率、装载能力、作业准确性和系统可靠性。对瑞为而言，机器人进入真实生产的关键，不只是“能不能干活”，更在于能否在真实航班保障压力下，用持续稳定的生产指标证明其实际作业价值。

瑞为技术创始人、董事长兼首席执行官詹东晖在展会现场表示：“依托过去十余年在AI领域的技术积累，瑞为正在向具身智能方向稳步延伸。瑞为的核心竞争力并不依赖于某项单一技术的领先，而是多重能力的系统叠加，瑞为正在构建的是面向生产任务的机器人智能体系。“最终衡量我们的，不是做了多少款机器人，而是机器人到底为企业创造了多少生产力。”