近期，源络科技在国家级科研平台完成了全球首个具身智能赋能的自主实验室落地。机器人连续完成核酸提取预处理、细胞毒性检测等任务，在真实研究开发流程中实现跨设备、多步骤的稳定执行，标志着具身智能在生化环材领域开始从演示迈向应用。
阶段性结果显示，机器人可自主完成长达 3 小时以上的实验操作任务，具备 40 余种操作技能和亚毫米级操作精度，有效解决人工操作带来的通量瓶颈和一致性问题。支撑这一突破的，是源络自主研发的以物体为中心的物理原生模型，Object-centric Physics Native Model（OPN）。该模型以物体为中心，可靠理解长序列任务的执行阶段，融合视-力-触觉实时调整交互状态，使机器人能够理解真实实验室场景中的柔性操作流程，并依靠高决策带宽自主完成跨设备、多步骤的精细操作动作。
机器人落地国家级科研平台
机器人开始进入研究开发流程
过去几年，机器人完成抓取、搬运、操作设备等动作演示已经越来越常见。但真实场景下的研发落地，绝非一个个动作的简单堆砌，其核心在于搭建一套稳定可靠、高精度、可连续运行的业务流程。
此次自主实验室验证中，源络机器人连续完成试剂取放、试剂配置、自动分液、细胞毒性检测等 40 余种操作技能，实现多个设备之间的连续协同运行。这些步骤看似都是基础操作，却涉及精细动作控制、设备状态识别、流程节奏管理以及跨设备协同。机器人不仅需要知道"如何完成一个动作"，更需要理解"为什么执行"、"下一步应该做什么"，以及"如何让实验持续运行"。
对于具身智能而言，机器人完成动作只是能力；机器人理解流程，才意味着真正进入研究开发体系。
机器人可连续实现 40 余种操作技能
物理原生模型：让机器人真正理解物理世界
为什么机器人能够参与真实研究开发？答案是机器人开始拥有了理解物理世界的能力。过去，大模型主要学习互联网中的文本、图片和代码，它们擅长理解数字世界，却难以真正理解真实环境中的设备、样本、液体以及不断变化的物理过程。真实世界没有固定脚本。液体会流动，设备状态会变化，每一次操作都会影响下一步执行结果。
源络提出的以物体为中心的物理原生模型，Object-centric Physics Native Model（OPN），正是面向真实物理世界构建的新一代机器人物理原生模型。该模型以物体为中心，可靠理解长序列任务的执行阶段，融合视-力-触觉实时调整交互状态，使机器人能够理解真实实验室场景中的柔性操作流程，并依靠高决策带宽自主完成跨设备、多步骤的精细操作动作。
以物体为中心的物理原生模型
该模型具备三项核心能力：
第一、以物体为中心的场景理解
传统机器人更多关注的是完成一个动作，例如抓取、放置、移动等，而真实的研究开发流程并不是由一个个独立动作组成，而是由试剂、样本、实验器皿等不同对象，以及它们之间不断变化的状态共同构成。机器人真正需要理解的，不只是怎么做，而是现在操作什么、为什么操作，以及这一步会对后续流程产生什么影响。
源络提出的以物体为中心的物理原生模型 OPN，将物体作为理解真实世界的核心。机器人能够持续识别样本、试剂、实验器皿及设备状态，理解不同对象之间的关系，并根据流程变化自主规划下一步操作。它完成的不再只是一个预设动作，而是在理解整个流程的基础上，持续完成复杂任务。
第二、长序列任务的稳定执行
真实的研究开发并不是几十个动作的简单叠加，而是一套环环相扣、连贯推进的长流程：从调配试剂、自动分液，再到上机检测分析，每一步都依赖前一步的结果，只要中间任一环节出偏差，后续整套实验都会受影响。
物理原生模型能够全局理解实验所处的任务阶段，判定已完成工序、识别下一环节的前置条件，自主完成数小时不间断连续作业，落地高精密、长周期实验流程的稳定执行。
第三、高决策带宽
真实物理世界不存在完全相同的两次操作。一次移液过程中液面高度的变化、一支试管放置角度的细微偏移、一件实验器皿受力状态的改变，都可能改变机器人后续的执行方式。如果机器人仍然依赖预设程序完成动作，任何微小偏差都可能导致整个流程中断。
源络提出的高决策带宽，正是通过融合视觉、力觉、触觉等多模态信息，在操作过程中持续感知环境变化，实时调整动作，使感知、决策和执行形成同步闭环。机器人不仅能够在移液、试剂混合等柔性操作过程中实时调整抓取力度、运动轨迹，更能够理解液体流动、摩擦等物理规律，在环境中保持亚毫米级操作精度，实现复杂场景下长期稳定运行。
这也是源络所提出的 OPN 模型区别于传统机器人架构的核心所在——机器人不仅知道如何完成任务，更理解真实世界发生的变化，并在变化中实时决策与执行。
机器人正在改变研究开发的执行效率
长期以来，研究开发能力的提升，更多依赖于算法模型、算力平台以及数据规模的持续突破，但真正制约研究开发效率的，往往并不是模型推理本身，而是真实世界中的执行能力。无论是生命科学、新材料还是化学、医药研发，大量研究开发工作依然需要研发人员投入大量时间完成试剂配置、样本处理以及流程管理等标准化操作，这些工作不仅重复度高、持续时间长，而且对操作一致性、过程稳定性提出了极高要求，使得研究开发的整体效率始终受到人工执行能力的制约。
具身智能的出现，正在为这一问题提供新的解决路径。如果说大模型解决的是知识理解、数据分析和实验设计等问题，那么机器人正在进一步延伸至真实物理世界，通过承担高精度、长序列的执行任务，与研发人员形成新的协同分工：研发人员负责提出创新思路，AI 负责分析数据和规划研究路径，机器人则负责实验流程下的稳定执行。
阶段性验证结果显示，机器人已经能够连续自主完成超过 3 小时的实验操作任务，这意味着其能力已经开始从单点动作发展为长流程、自主化执行。未来，一个覆盖分析、执行、反馈和持续优化的研究开发闭环将逐步形成，研究开发系统将具备自主运行和持续进化能力。
机器人落地国家级科研平台
从国家级科研平台，到真实产业系统
国家级科研平台，是当前对机器人综合能力要求最高的应用场景之一。这里不仅要求亚毫米级操作精度，更要求机器人具备跨设备协同、长序列任务执行以及长期稳定运行能力，每一个操作步骤都需要在复杂物理环境中完成精准决策。能够在这样的场景中完成落地，不仅意味着机器人具备了进入研究开发体系的能力，也意味着源络自主研发的 OPN 模型完成了最严格场景下的一次能力验证。
从国家级科研平台落地，只是机器人进入真实产业系统的起点。研究开发场景所沉淀的跨设备协同、长流程执行、精细操作和实时决策能力，同样可以应用于公共卫生、农业科技、新材料、先进制造等众多产业领域。随着以物体为中心的物理原生模型 OPN 持续演进，这些经过验证的能力将不断向更多复杂场景迁移，让机器人逐步承担完整业务流程，成为未来产业智能化升级的重要基础设施。
今天，源络机器人进入的是国家级科研平台；未来，它将进入更多真实产业系统。机器人进入物理世界，不只是一次技术突破，更意味着下一代产业基础设施正在形成。
未来更多场景将实现落地
