美团技术大牛创业:让AI机器人进后厨打包外卖
2026年6月2日,前美团外卖技术负责人王栋创立的元节智能完成千万级种子轮融资。该公司致力于研发餐饮后厨的具身智能世界模型,从“外卖打包与接驳”这一高频痛点场景切入,旨在解决全球餐饮业人力成本高、履约效率低的难题。
01行业痛点:后厨环节的效率瓶颈
餐饮外卖链条中,从出餐到交付骑手的后厨环节目前仍高度依赖人工。打包、贴封签、分拣等操作不仅重复枯燥,且面临出错率高、人力成本上升及招工难等挑战。一旦出现餐品撒漏或错单,将影响用户体验并增加平台与商家的售后成本。这一环节的自动化程度低,已成为制约履约效率的关键短板。
02技术方案:VT-WAM视觉触觉模型
元节智能不追求通用型“变形金刚”式的机器人,而是聚焦于提升机器人的“大脑”,研发“世界动作模型(WAM)”。针对现有VLA(视觉-语言-动作)技术路径在精细操作上的不足,团队提出了VT-WAM(视觉-触觉世界动作模型)。
| 技术路径 | 工作原理 | 局限性 | 适用场景 |
|---|---|---|---|
| VLA模型 | 通过视觉识别物体,经由语言逻辑思考后生成动作指令 | 依赖语言组织动作,绕弯路,缺乏物理直觉 | 宏观任务、对精细度要求不高的场景 |
| VT-WAM模型 | 融合视觉(看形状位置)与触觉(感力度滑腻),模拟人类本能反应 | 技术硬核,需多模态数据融合训练 | 高精度、需理解物理规律的精细操作 |
主流VLA路径与VT-WAM路径对比
VT-WAM模型的核心在于赋予机器人物理世界的“常识库”和“预判系统”。通过视觉与触觉的融合,机器人能够理解重心、摩擦力及液体晃动等物理规律。例如,机器人能区分装满冰可乐与空纸杯的不同抓取力度,或针对滚烫汤品与凉拌菜采取不同的端拿策略,从而在复杂环境下保证操作的稳定性。
03落地场景:外卖打包与人机协同
元节智能采取务实的落地策略,选择“外卖打包与接驳”作为切入点。该场景具备高频、标准化及容错率低的特点,能够产生海量的真实交互数据,为模型训练提供理想环境。技术架构分为三层:上层为持续学习的世界模型,中间为任务调度引擎,底层结合成熟硬件与自研部件。
- 高频任务处理:将装汉堡、盖盖子等标准动作交由本地轻量化小模型执行,确保速度与稳定性。
- 异常情况处置:面对少芝士等罕见异常,由云端大模型分析决策,必要时呼叫人工介入。
- 规模化部署:预计2026年进入真实商家后厨进行测试与部署,逐步向分拣、烹饪等复杂场景延伸。
04商业前景与挑战
服务机器人市场正随着物流及餐饮需求的增长而迅速扩大。元节智能通过解决具体的商业痛点,清晰地算清投入产出比(ROI),避开了通用机器人商业落地难的陷阱。然而,实际应用仍面临多重挑战,包括在油污、高温及复杂光照环境下的7x24小时稳定运行能力,以及将成本控制在中小餐饮商家的可接受范围内。
当前文章无评论,是时候发表评论了