7月17日，全球智能机器人引领者极智嘉 (Geek+，2590.HK) 在2026世界人工智能大会 (WAIC) 上，发布面向长程复杂任务的统一具身智能框架——Gravity，并率先推出其核心模块 Gravity 4D 具身模型，这是一次从"预测画面"到"预判物理"的范式级跃迁。同日，极智嘉正式揭晓"一核双引擎"通用具身智能布局。

"一核双引擎"布局：

• 一个智能核心：Gravity 具身智能框架，为机器人注入"物理直觉"。Gravity让机器人理解三维世界，先想清楚、再动手，并在真机部署后越用越强。这是极智嘉具身生产力的技术底座。

• 数据引擎战略：依托全球智慧物流领域最大规模真实业务网络，构建物理 AI 训练场与数据飞轮，让大脑"在实战中进化"。

• 生态引擎战略：打造 GINO ECO 开放生态，推动具身智能"规模化商用落地"。极智嘉以"具身智能解决方案专家"的定位，加速技术从原型走向生产力。

基于十余年真实场景积累与已跑通的商业化能力，"一核双引擎"系统化构建了从模型进化、数据闭环到规模落地的正向循环，推动极智嘉迈向通用机器人和全场景应用的新征程。

智能核心

Gravity"双脑协同"框架

先想清楚，再动手

此前行业具身技术长期割裂：懂语言语义的模型算不准物理运动，能预测物理运动的模型缺乏高层语义理解、任务规划——语言脑和物理脑各说各话。Gravity 打破这一瓶颈，构建"双脑协同(Mixture-of-Transformers, MoT) "架构，让机器人具备"先想清楚、再动手"的完整心智：

• 认知脑 (AR Transformer) —— 参谋部: 读懂、拆解、定计划。作为认知中枢，它听懂人类复杂指令、看懂场景语义，把一个长程任务精准拆解成可执行的子步骤。

• 行动脑 (Diffusion Transformer) —— 前线指挥官: 沙盘推演、定动作。这是Gravity 4D的核心。在动手之前，它先在脑海里"过一遍电影"：如果这么伸出去，物体会不会滑？不同动作分别导致什么后果？预判风险后，生成最稳妥的连续动作序列。

认知脑定战略，行动脑打战术。Gravity让具身更像"人": 想清楚再动手。

不做视觉复刻

Gravity 4D 让机器人长出"物理直觉"

传统视觉大模型只预测"下一秒画面长什么样"，却经常生成违背物理常识的假象——机械臂"穿模"、物体"悬空"，在视频里看着对，在现实里干不了活。

Gravity 4D扩展二维视频预测范式，以Gravity 4D-VAE提取的4D latent作为教师监督，在latent空间同时学习未来RGB外观、三维结构和三维运动：pointmap表征"物体位于何处"，scene flow表征"物体如何运动"。无需监督原始点云、无需显式三维流程，即可将4D基础模型先验蒸馏至WAM，从"预测视觉合理的未来"转向"建模三维运动规律的未来"。

当机械臂伸出的那一刻，它已经理解了物理空间里的几何关系、受力动态与接触变化——动作不只是"看起来对"，更是"物理上对"。

Gravity 4D 总体架构示意

可视化：RGB、pointmap (Depth) 与 scene flow

在公开基准LIBERO-Plus上，零样本情况下，引入4D表征后主版本成功率从73.73%提升至78.62%，最优变体达79.25%。相机视角、传感器噪声、光照三类"外观变但物理不变"场景提升最显著, 直接验证核心假设：学到的是物理规律，不是画面。

消融实验进一步表明——Pointmap-only变体表现优异 (空间结构是操作最关键监督信号之一) ，仅加depth预测反而下降 (堆砌模态无效，架构路径才关键)。

深认知，快行动

把物理法则练成"肌肉记忆"

"双脑"架构既给机器人绝顶的聪明，也给它极致的执行力。

训练阶段，Gravity 像海绵一样通过视觉、触觉、力觉等多维表征把三维世界的运行规律"吃透"——这是深认知。真实作业推理时，系统自动屏蔽冗余思考分支，以极简链路实时输出动作——这是快行动。

这种"训练时做加法，执行时做减法"的设计，让机器人以极低延迟、极高成功率敏捷作业——正如职业运动员千锤百炼之后形成的"肌肉记忆"：不必刻意思考，身体已经知道怎么做对。