过去二十年，机器人产业不断攻关导航、运动与操作三类核心问题：找到路、走过去、再动手完成任务。

“导航”让机器人能够定位自身并规划路径，“运动”让机器人在复杂地形中保持平衡、稳定移动。但当机器人走到了桌边，却拿不起杯子、整理不了餐桌、做不好一顿饭……就不会有人愿意为具身的落地买单。

要实现物理 AI，让机器人的双手，与物理世界发生有效的交互，依靠的技术正是“操作”——它要求机器人需要同时理解物体属性、空间关系、接触方式、动作后果与任务目标。

机器人能否真正进入家庭、服务与生产场景，机器人操作或许才是通往物理 AGI 最重要的关卡。

但相比大语言模型，具身模型的容错空间更小：机器人动作的一个小错误，可能会直接导致物理世界任务的满盘皆输。因此，“预测得像”还远远不够，理解动作与结果之间的因果关系，才是对于具身模型最大的挑战。

而破壳的方案是，并不针对每项任务分别训练独立模型，而是意在建立一套能够理解物理规律、持续学习新技能、并在不同任务间迁移和复用能力的通用具身智能系统。

今年六月，破壳发布了一个长达 9 分钟的全自主真机演示视频。视频里，机器人表演的不是在桌子上把物体拿起又放下——它当着镜头的面，从头到尾炒了一盘麻婆豆腐。

别小看了这一盘麻婆豆腐，要让机器人全部自主制作完成，中间至少有五大难点。

“长”：做这道菜的九分钟内，几十个步骤环环相扣，任何一个微小误差都可能沿任务链条持续放大，这对机器人长时序规划与全程状态跟踪的能力是极高挑战。

“巧”：豆腐本身拥有柔软、易碎、受力即形变的特点，并不是“友好”的操作对象。切豆腐要求落刀精准、力度恰到好处，这对机器人的精细力控提出了也接近人手操作水平的要求。

“变”：随着豆腐从整块变为小块、肉末从生到熟，机器人面临的操作环境实时在变化，它必须理解此刻锅里正在发生什么，并据此动态实时调整动作。

“杂”：在整个任务期间，机器人不仅需要连续使用刀、锅铲、灶台、调料瓶等多种工具，而且需要在理解抽象指令后，能自主安排执行顺序，并且在出现偏差时主动纠错和重试。

“准”：刀具换手、归置入架等操作需要机器人能精准控制，将工具放置于毫米级精度的缝隙中。

除了麻婆豆腐，破壳同期还展示了叠衣服、穿扎带、系香囊等多项高难度操作，覆盖柔性物体处理、精细对位与长时序任务等不同类型的操作挑战。

放眼全球，此前公开的烹饪类真机 Demo 大多集中在单一、短时任务。成立仅三个月，就实现了全自主、长程操作任务，破壳的杀手锏是一套“WAM×RL×DATA”的飞轮体系。

WAM（世界动作模型）、RL（全链路真机强化学习）与 DATA（高质量真实世界数据）构成了破壳技术体系的三条核心链路：

这三者中，WAM 作为理解动作与环境之间物理因果关系的底座，负责预测物理世界的变化，并规划机器人的行动；

RL 则围绕真机训练环境、奖励模型、长时序动作评估和多任务统一架构，来全链路、规模化地让机器人在实际的交互中持续学习进化；

而破壳自主研发的数采设备，可以在家庭场景中挖掘维度丰富的高质量真实世界数据，倒推 WAM 和 RL 的不断进化和迭代。

破壳让三者由此形成相互强化的飞轮，让操作能力得以在真实世界中高速进化。

直到今天，这家成立不到半年的公司进步堪称神速：从基础模型、真机强化学习、数据采集硬件到复杂任务训练，破壳已经完成了全链路搭建；同时，破壳也拉起了一支覆盖基础模型、强化学习、Agent、机器人本体、硬件系统、产品与商业化的团队。

而今天，破壳不仅把眼光放在软件上，更关注推进具身基础模型与机器人硬件的联合研发，通过软硬结合探索场景、打造生态，进而实现更好的具身落地闭环。

当机器人能真正走进千家万户，成为人们的家庭助理，并逐步成长为能够帮助、服务和陪伴人类的可靠伙伴——物理 AGI 才会真正地迎接“破壳时刻”。

而在破壳的心里，物理 AGI 不会在某一天突然出现，而将诞生于世界模型、强化学习与真实数据持续循环所形成的复利——每一次操作、失败与修正，都会让机器人更理解这个世界