廣和通要聞

疊衣服、整理家務……這些看似簡單的日常任務，對機器人而言卻是巨大的技術挑戰。如何讓機器人快速學會疊衣服？廣和通具身智能開發平臺Fibot以堅實的硬件基礎、高效易上手的開發框架和精準的算法能力，僅需3小時即教會機器人這項本領。

多模態感知到策略學習：快速實現家務控制

Fibot基于多模態感知與流匹配（Flow Matching）策略學習的家務場景控制框架。以疊衣服為例，Fibot從前、左腕、右腕等3個關鍵視角采集圖像，并提取高維視覺特征。同時，語言指令（如 “fold shirt”）作為文本模態輸入至視覺語言模型（VLM），與視覺特征進行跨模態融合，構建任務語義與場景幾何的聯系。融合后的多模態輸入至基于 Flow Matching 的控制模型，從而實現更穩定、更可控的動作生成，驅動機器人執行精細的雙腕折衣策略。整個系統利用視覺、文本等多模態感知，實現了語義理解—動態軌跡生成的端到端機器人控制流程。

開發效率：從“一鍵部署”到高效訓練的革命

廣和通通過技術創新，極大降低了具身智能的開發門檻。Fibot具備完善、友好的采訓推代碼，支持一鍵部署，開發者只需一行指令即可實現數據采集、訓練和推理的全流程，無需復雜環境配置和底層調試。

Fibot構建的 “示教-復現”數據閉環，使其能夠高成功率實現復雜任務。這一機制允許機器人通過模仿學習快速掌握操作技能，縮短了從演示到實際執行的路徑，為復雜場景下的任務執行奠定了基礎。

精準遷移：從云端到真機的無縫銜接

算法從云端到真機環境的遷移，一直是機器人領域的難點。Fibot通過底層通信與控制硬件的深度優化，實現了這一過程的精準、穩定過渡。Fibot還集成了多種深度學習AI算法，結合高效的感知系統與智能決策框架。這套系統保障了全向移動穩定性，RTOS低時延響應支撐精準操作控制，并依托端側AI算力實現本地化模型推理。從而構建了感知-移動-操作-算力一體化的硬件底座。

實戰驗證：復雜任務場景的高效突破

在實際家務場景中，Fibot展現了驚人的學習效率。以疊衣服為例，Fibot只需要3個小時的數據進行微調，就能達到令人滿意的效果。這種高效學習能力源于框架的優化和算法的創新。同時，Fibot還具備自主糾錯及適應不同環境光線的能力，使其能夠在動態變化的真實環境中穩定工作，不再局限于精心控制的實驗室條件。

未來，Fibot將應用于具身智能企業研發、高校科研、開發者調測等場景，幫助客戶高效構建與驗證端到端模仿學習算法，并采集模仿動作數據集。隨著Fibot在具身智能領域的不斷深耕，廣和通正持續推動智能機器人在復雜現實環境中學習和執行任務的能力邊界。

廣和通始創于1999年，是中國首家A+H股上市的無線通信模組企業（300638.SZ|0638.HK）。廣和通以無線通信與人工智能為技術底座，提供軟硬件一體、賦能行業應用的全棧式解決方案，加速千行百業從“萬物互聯”到“萬物智聯”。廣和通全棧式解決方案覆蓋蜂窩通信、AI、車載、GNSS模組及AI工具鏈，支持行業端側和主流大模型接入，提供智能體、全球資費與云服務，助力智能機器人、消費電子、低空經濟、智能駕駛、智慧零售及智慧能源等行業數智化升級。