新媒网 · 跨境数据社区

在自动化日益普及的时代，机器人作为生产力的重要组成部分，其应用范围正不断拓展，从工厂车间的包装环节到精密的外科手术台，都可见其身影。然而，当前机器人训练模式面临的挑战在于，每一个细微的动作或任务往往需要耗费大量时间进行定制化编程与训练，这使得机器人在面对复杂多变的现实环境时，其适应性和灵活性大打折扣。

纽约的初创企业Mbodi，致力于解决这一行业痛点。新媒网跨境获悉，该公司开发了一套云边协同系统，巧妙结合了云计算与本地计算资源，旨在无缝融入现有机器人技术栈。这套软件系统的核心在于其搭载的众多人工智能代理，这些代理能够彼此协同通信，高效收集所需信息，从而大幅提升机器人学习新任务的速度。一旦部署到实际应用场景中，Mbodi的系统还将持续收集数据，从真实世界的使用案例中不断学习与优化。

Mbodi的联合创始人兼首席执行官Xavier Chi向外媒透露，用户可以通过自然语言向该软件发出指令，Mbodi系统会将复杂的请求自动拆解为一系列更小的子任务。随后，Mbodi的人工智能代理集群便会协同“分而治之”，迅速整合必要信息，以高效训练机器人完成指定任务。

Xavier Chi指出，物理世界的特性是拥有无限的可能性，每当出现全新的、前所未有的情况时，现有数据往往不足以支撑机器人的有效训练，这正是物理世界中存在的一大难题。因此，行业迫切需要一个能够灵活编排不同模型、并允许用户直接纠正或指导机器人执行特定任务的系统。

据了解，Xavier Chi与联合创始人Sebastian Peralta在谷歌担任工程师期间，便萌生了创立Mbodi的念头。尽管他们当时并未直接从事机器人相关工作，但两人都敏锐地意识到，人工智能技术的飞速发展正逐步渗透到物理世界。尽管物理AI领域持续升温，但市场上仍缺乏一种能够快速高效训练机器人的理想方案。

新媒网跨境了解到，Mbodi目前正与一家位列财富100强的消费品公司合作，共同推进一项概念验证项目。Xavier Chi介绍称，对于这家消费品客户而言，其日常操作中需要大量人员将各类品牌产品包装到托盘或货架上。然而，这些产品的包装需求几乎每天都在变化，使得传统上通过编程来部署机器人的方式变得异常困难。在这种频繁变化的场景下，重新编程机器人几乎不可能实现，因此目前仍有大量人力投入到这项工作中。

Mbodi公司期望在2026年开始大规模部署其软件解决方案。Xavier Chi表示，公司的目标是构建一个真正有效、可实际部署的产品。他强调，Mbodi并非一个专注于纯粹理论研究的实验室，而是致力于将可靠的解决方案投入实际生产应用。

在全球范围内，机器人与人工智能的融合已成为科技前沿的焦点。不仅是Mbodi这样的初创企业，行业巨头和投资者也正积极布局。例如，有外媒此前报道，专注于机器人技术创新，旨在为机器人构建“通用大脑”的公司Skild AI和FieldAI，也曾获得数亿美元的投资或被软银等大型投资方收购，显示出资本市场对这一领域的高度关注。这些事件反映出，随着AI技术，特别是大型语言模型和多模态AI的进步，机器人不再局限于重复性任务，其感知、理解和决策能力正快速提升，为实现更复杂、更智能的自动化操作奠定了基础。

当前机器人训练的普遍做法依赖于大量标记数据和重复性编程，耗时耗力，且训练出的机器人往往缺乏举一反三的能力。在制造、物流、零售等对自动化效率和灵活性要求极高的行业中，这种训练模式已成为限制机器人广泛应用的关键瓶颈。例如，在跨境电商的仓储物流环节，面对 SKU 种类繁多、订单动态变化频繁的挑战，如果机器人能够通过自然语言指令快速学习并适应新的拣选、包装或搬运任务，将极大提升运营效率和响应速度。

Mbodi提出的AI代理集群与云边协同架构，正是针对这些痛点给出的创新性解答。通过将计算任务分布到云端和机器人本地，结合多个人工智能代理的协同推理，机器人能够更高效地处理信息，更快地理解并执行复杂指令。这种范式的转变，有望打破传统机器人训练的僵局，使机器人能够像人类学徒一样，通过更直观、更智能的方式掌握新技能。

展望未来，Mbodi的解决方案及其在TechCrunch Disrupt 2025上的展示，将进一步推动机器人技术在物理世界的应用。通过赋予机器人更强的学习能力和环境适应性，其技术有望在制造业柔性生产线、智能仓储物流、乃至服务机器人等多个领域发挥关键作用，从而降低自动化部署成本，提高各行业的工作效率。这一技术进展，也为全球供应链的优化和跨境贸易的智能化转型，提供了新的想象空间。

新媒网（公号: 新媒网跨境发布），是一个专业的跨境电商、游戏、支付、贸易和广告社区平台，为百万跨境人传递最新的海外淘金精准资讯情报。

本文来源：新媒网 https://nmedialink.com/posts/mbodi-ai-fixes-robot-training-2026-smart-logistics.html