

# 第五代贡嘎人形机器人发布：装上“最强大脑”，瞄准家庭场景

&gt; **核心摘要**：成都人形机器人创新中心发布第五代贡嘎人形机器人，搭载自研一体化具身智能系统，实现环境感知、时空记忆、因果推理与动作推演的端到端协同。该机器人具备动态家庭环境理解、跨天任务记忆、遇阻自主重规划及操作预演能力，显著提升复杂家庭场景下的长程任务执行与异常恢复能力，标志着人形机器人向真实家庭应用迈进一步。

&gt; **来源**：四川在线 · 11/11/2026 5:22:35 PM

## 正文内容

&nbsp;
四川在线记者&nbsp;薛维睿
11月11日，记者获悉，成都人形机器人创新中心（以下简称&ldquo;创新中心&rdquo;）正式发布全新第五代贡嘎人形机器人。据创新中心介绍，五代贡嘎是该中心具身智能大脑技术集大成之作，搭载自研一体化具身智能系统，在场景感知、时空记忆、因果推理规划、动作世界模型等核心模块完成系统性迭代。
创新中心相关负责人介绍，家庭场景是人形机器人的终极应用场景，也是最复杂、最非结构化、容错率最低的场景。面向家庭场景的技术突破，才能真正推动人形机器人和具身智能产业突破。此次发布的五代贡嘎，打通了&ldquo;结构化感知&mdash;时空记忆&mdash;因果规划&mdash;动作推演&mdash;执行反馈&rdquo;完整技术链路，实现环境认知、记忆更新、任务规划与操作执行的端到端协同。
一是&ldquo;看得懂&rdquo;动态家庭环境。&nbsp;机器人融合RGB视觉、深度信息与本体位姿数据，构建层次化三维场景图。依托跨视角实体关联、语义关系建模和增量式场景更新机制，它能持续对动态家庭空间做结构化表征，稳定识别物品位置、类别和摆放关系，适应居家环境中物品移位、杂物新增等高频变化。
二是&ldquo;记得住&rdquo;跨天任务。&nbsp;创新中心自研的物理时空记忆引擎，将空间坐标、物体物理状态、时间演化规律、历史交互经验统一存储管理。机器人可长期维护物体身份一致性，支持时序记忆检索、多轮记忆对齐和冲突自动消解。简单说，它能&ldquo;记住&rdquo;东西之前放在哪里、什么时候被挪动过、过往操作成败经验，摆脱传统机器人单次任务无记忆的短板，支撑跨时长、分多天的长程家庭任务。
三是会因果推理、遇阻能重规划。&nbsp;该机器人决策规划模块引入因果关联推理框架，不再只依靠数据统计关联做动作选择。也就是说，系统可自动解析任务内的因果依赖、动作前置条件、预期执行效果以及机器人自身资源约束，自主完成层次化任务拆解；当环境突发变动、任务受阻时，可实时动态重规划，自主判断并调整方案，而不是简单停止任务。
四是先&ldquo;预演&rdquo;再动手。这是五代贡嘎的核心亮点：搭载潜空间动作条件世界模型。机器人可提前进行多步未来状态预测、候选动作仿真推演和不确定性风险评估，在虚拟空间先预判不同操作结果；再结合运动轨迹优化与闭环预测控制，实时修正操作偏差，大幅提升抓取、归置、擦拭等精细家用操作成功率，降低碰撞、物品掉落等失误。
总体而言，五代贡嘎整套协同架构，是专门针对家庭这种非结构化、持续变化的真实环境打磨，使其具备长程复杂任务自主执行、异常自主恢复、持续环境自适应能力。
创新中心相关负责人表示，目前，五代贡嘎的&ldquo;大脑&rdquo;具备业界最高水平，也是创新中心大脑、小脑、本体及核心零部件全栈自研集大成的重要成果，让人形机器人真正走进复杂多变的家庭场景成为可能。
图片视频来自成都人形机器人创新中心

## 5W1H 核心事实
- **谁 (Who)**：成都人形机器人创新中心
- **何事 (What)**：正式发布第五代贡嘎人形机器人，搭载自研具身智能系统
- **何时 (When)**：11月11日
- **何地 (Where)**：四川
- **为何 (Why)**：推动人形机器人和具身智能产业突破，实现家庭场景应用
- **如何 (How)**：通过融合视觉感知、物理时空记忆引擎、因果推理规划及潜空间动作世界模型等技术
## 核心问答对 (Q&amp;A)
### Q1: 第五代贡嘎人形机器人由哪家机构发布？
第五代贡嘎人形机器人由成都人形机器人创新中心发布。

### Q2: 第五代贡嘎人形机器人的核心技术是什么？
第五代贡嘎人形机器人搭载自研一体化具身智能系统，是具身智能大脑技术的集大成之作。

### Q3: 为什么家庭场景被认为是人形机器人的终极应用场景？
因为家庭场景是最复杂、最非结构化、容错率最低的环境，能够真正推动人形机器人和具身智能产业突破。

### Q4: 第五代贡嘎人形机器人打通了哪些关键技术链路？
它打通了‘结构化感知—时空记忆—因果规划—动作推演—执行反馈’的完整技术链路。

### Q5: 第五代贡嘎如何实现对动态家庭环境的感知？
通过融合RGB视觉、深度信息与本体位姿数据，构建层次化三维场景图，实现对物品位置、类别和摆放关系的稳定识别。


<!-- 最后成功更新：2026-11-11 17:25:50 -->