具身智能在高价值工业场景落地，核心挑战在于处理人、机、料、法、环带来的系统性复杂度。单点作业速度的提升往往难以转化为全链路的提效，必须综合考量节拍对齐与运维成本。

本次分享我将介绍我们在工业具身场景的落地实践，探讨长上下文理解与推理速度的工程平衡策略，分享在现场落地过程中遇到的现场硬件失效、传感器干扰等问题。目前，在特定高价值场景下，具身系统的综合成本已趋近人力成本临界点，结合高技能工人缺口现状，为规模化落地提供了支撑。

演讲提纲

1. 真实场景落地逻辑：算法之外的工程考量

• 人、机、料、法、环对算法、硬件设计提出要求
• 全链路效率：成本与产出比
• 实际落地中的隐形成本

2. VA 路线在垂直行业的落地

• 解决 VA 模型在 3D 空间中的绝对尺度预测问题
• 在垂直领域样本稀缺的情况下，如何构建有效的数据获取闭环

3. 现场实际案例

• 硬件和传感器稳定性带来的挑战

4. 高价值场景的具身落地机会

• 高技能工人的供需失衡
• 机器人成本与人力成本趋近零界点

您认为，这样的技术在实践过程中有哪些痛点？

• 模型端上部署对算力要求高
• 工业复杂场景环境结构复杂，为了避免碰撞需要大量仿真 & 真机强化

演讲亮点

• 基于带尺度大规模仿真数据 + 工业真实数据的预训练

听众收益

• 掌握在垂直领域数据稀缺的背景下，如何构建有效的数据闭环并降低模型在不同机器人硬件上的适配成本
• 获取针对真实工业环境（如极端温差、传感器冷凝、粉尘干扰）导致的系统失效应对