咖啡厅里跑起L4级机器人，无界动力把智驾肌肉用在了端咖啡上

2026世界机器人大会现场，没有跳舞翻跟头的喧闹，一块被绿植围绕的北欧风空间里，机器人正端着咖啡穿过人群，顺手收走隔壁桌的垃圾，再把座椅推回原位。这是无界动力与韩国HOLLYS联手打造的人机共生咖啡空间，也是今年WRC最安静、却最反差的一幕。

现场体验者的反馈很直接：机器人当服务员，送餐过程稳定、灵巧，在人机共生的场景里与人形成了一种默契关系。没有刻意营造社交氛围，一人静坐或几个好友相聚，手捧咖啡，在音乐与咖啡的交汇中暂时剥离工作与生活的琐碎。这种“不会打扰你，但在你需要的时候随时出现”的陪伴感，正是无界动力想要展示的物理AI落地路径。

智驾背景进场，技术路线不跟VLA

无界动力2025年创立于北京，创始人张玉峰是前地平线智驾一号位，联合创始人夏中谱是理想汽车算法技术领军人。团队带着智驾“从模型到量产”的肌肉记忆进场，这也让张玉峰对物理AI及具身智能有着比纯机器人背景更接地气的理解。

在展会现场接受采访时，张玉峰多次提到“智驾”“L4”等自动驾驶词汇。身处物理AI最先量产的自动驾驶行业，他每天都在提前感知物理AI落地的难度与挑战。评价机器人发展变化时，他表现出不同于其他“大厂出身人”的谦卑：机器人从以前的跑步到现在的在工厂干活，总会有失败的时候，就像人从小到大成长一样，就是要再试一次才会成功。

技术路线上，无界动力的选择接近马斯克常提的第一性原理，即“形神兼备”，软硬两个层面都无限接近人的终极状态。在“神”即机器人大脑上，无界动力没有选择主流的VLA（视觉-语言-动作）直连，而是采用“隐空间世界模型+强化学习”双轮驱动，也就是公司自研的具身通用大脑MWA™。

张玉峰解释，VLA虽然是普遍做法，但存在缺陷——对光线、背景的变化敏感度极高，本质上还是模仿学习。他拿自动驾驶举例：现在行业的数据量级大概在大几千万到1亿个clips，每个clip可能是半分钟、一分钟多，这个数量级下学到的是以模仿学习为主的概率分布。它不压马路牙子，是因为建了百万千万次的轨迹里没有一次压路牙子，而不是像人一样知道压上去有什么后果。这就是它没有对时空关联性、物理世界causality的真正理解。

MWA™双轮驱动：世界观加价值观

MWA™的核心能力，是让机器人真正理解动作与物理世界变化之间的因果关系，构筑物理世界认知与未来状态预测能力，再通过强化学习在真实交互中的高频试错、解决与奖励反馈，把对物理规律的深刻理解转化为精准、安全的操作策略。

直白理解这个概念，可以借助“三观”这个词。哲学意义上，人的三观即人生观、价值观、世界观。价值观用来判断对错，世界观用来理解世界，而机器人刚出生，其实还不存在机生观。MWA™本质上就是让具身拥有除人生观之外的其他两观。

世界模型负责“理解物理”，也就是让机器人拥有世界观。它不逐像素预测未来画面，而是把环境压缩进高维隐空间，建模“我做一个动作，世界会怎么变”的因果关系，从而做出对未来状态的预测。强化学习负责“练出手感”，也就是价值观。小孩第一次看到火，感觉到温暖，会持续靠近，温暖是正反馈；再持续接近火，就会烫伤，疼是负反馈。在这个过程中，他生出对火的价值判断，知道接触火的边界与分寸。

在真实交互里高频试错，用奖励和负反馈把物理规律变成精准、安全的操作策略，机器人就更加知道动作的边界在哪里。这种双轮驱动没有停留在概念层面，而是融进了机器人的每一次行为里。

K15双臂轮式半人形，算力平台覆盖600到4000

本体形态上，无界动力此次首发的K15第二代采用双臂轮式半人形方案。在人机共生环境中，轮式结构天然更平稳、更安全、更高效。做咖啡的机械臂Anyverse ADA采用7自由度拟人运动架构，拥有30毫米腕部翻转半径和606毫米工作半径，能够适应狭窄、复杂空间中的灵巧操作。其单臂重量7公斤、额定负载5公斤，通过全关节力感知与实时力反馈，实现柔顺、安全的人机与环境交互，同时支持桌面级操作与高保真技能迁移。

面向不同规模的具身智能计算需求，Anyverse ASC Pro、Anyverse ASC Max、Anyverse ASC Ultra构成无界动力自研中央计算平台的完整布局，覆盖600 INT8 TOPS至4000 FP4 TFLOPS算力范围，兼容主流AI开发框架，支持视觉感知、智能决策、运动控制及端到端大模型部署。平台采用多核异构架构与双SoC冗余设计，原生支持Shadow Mode和在线OTA，并具备ASIL-B/(D)（ISO 26262）级功能安全能力。多样算力兜底，使得展示区内做咖啡、端送咖啡、打扫桌面等一系列工作井然有序。

真实咖啡厅里的长程任务与边界感

当顾客点单，下达“需要一杯美式”的命令时，机器人用MWA™理解“吧台—咖啡杯—座位—顾客”的空间关系，不靠死板指令，也能响应即时需求，安全融入真实业务流与顾客协同工作。这时候的它不再是一个孤立执行者，而是懂意图的协作者。

当现场需求变成更复杂的清洁场景时，K15能把任务拆解为“去回收区拿清洁提篮、再去需要清洁的桌子、放下提篮、把桌子上的废弃咖啡杯和废弃纸巾放进提篮里、再拿抹布擦桌子、再放回抹布、再拿起提篮、回到回收区、做手部消毒”等连续子任务，并能不卡壳，拥有面向业务目标的长程任务规划能力。

实际操作具体动作时，虽然面临弧面的咖啡杯、杯子里的咖啡液面、桌子上残留的咖啡污渍抑或抹布等各式各样的物品形态，但受益于强化学习的边界训练，K15的边界感和分寸感都能拿捏得刚刚好。

在一个具象的咖啡厅里，K15面临的不是单个个体发出的需求。A顾客挪开了杯子、B顾客喝完咖啡留下了纸巾，面对这些时刻变化、错综复杂的情况，K15也能持续感知人—物品—空间关系的动态变化，即使是人来人往的过道，也能精准应对。

从“出片”到“出海”，无界动力用真实咖啡厅场景展示了物理AI的落地之径。没有刻意炫技，没有喧闹表演，一台机器人端咖啡、收垃圾、推椅子的日常动作，背后是智驾团队对量产落地的理解，以及MWA™对物理世界因果关系的建模与训练。接下来，这家公司即将奔赴下一个考场。