2026年4月，广和通正式推出其新一代桌面级双臂具身智能机器人开发平台——Fibot。此次发布的核心亮点，在于Fibot率先实现了对全球领先的Physical Intelligence（PI）公司通用视觉-语言-动作（VLA）模型π0.6的端侧高效部署与训练。这一突破意味着，开发者能够直接在机器人本体上，利用真实物理环境采集的数据进行模型微调与迭代，从而高效完成长周期、多步骤的复杂柔性操作任务。这标志着具身智能技术在边缘计算与自主进化方面，迈入了全新的发展阶段。

π0.6模型发布：以Recap突破模仿学习瓶颈，成就“最强具身VLA”

要深入理解Fibot平台的价值，首先需要认识其搭载的“智慧核心”——π0.6模型。该模型由Physical Intelligence于2025年11月发布，其革命性进步源于名为Recap（基于优势条件策略的经验与纠错强化学习）的创新训练范式。与传统的“模仿学习”不同，Recap方法构建了一个“示范学习、纠错优化、自主实践”的完整进化闭环。简而言之，这使得机器人不仅能够学习人类示范，更能从自身执行过程中的错误与反馈中持续学习与改进，实现自主能力成长。

从技术架构分析，π0.6模型基于一个50亿参数的视觉-语言骨干网络构建，并采用先进的流匹配技术来生成连续、平滑且符合物理规律的动作序列。它支持融合文本指令、任务完成质量评估、动作优势判断等多维度条件输入，真正实现了“环境感知-任务规划-动作执行”的高效一体化协同。其实际性能表现同样卓越：在从清晨5:30持续工作至深夜11:30不间断制作意式浓缩咖啡、在陌生环境中成功折叠50种不同材质衣物、以及在真实工厂流水线上精准组装并贴标包装纸箱这三大高难度测试场景中，π0.6模型的任务成功率均稳定超过90%。特别是在制作咖啡这类长时序、多步骤的复杂任务上，其任务吞吐量与成功率相较于基线模型实现了成倍提升，有力印证了其作为“当前最强具身智能VLA模型”的技术地位。

广和通新一代桌面级双臂Fibot：全面支持π0.6端侧部署与模型训练

拥有强大的“大脑”之后，一个能够充分释放其潜能的“身体”至关重要。广和通新一代Fibot平台正是为此目标量身打造。正如广和通AIC事业部总经理张泫舜所强调的，Fibot的核心价值不仅在于能够高效运行π0.6等前沿模型，更在于它为开发者和企业提供了基于自身特定业务场景构建专属数据集、并进行模型微调与训练的能力，从而让机器人掌握真正符合实际应用需求的复杂技能。

Fibot是如何实现这一目标的？首先体现在其端侧部署的硬件实力上。平台内置了广和通自主研发的高性能机器人域控制器，采用集成CPU、GPU、NPU的异构计算架构，提供了强大的本地AI算力支持。这使得从环境感知、模型推理到决策控制的整个智能处理流程均可在设备端完成，实现了感知-决策-执行的全链路端到端闭环，保障了任务执行的实时性与高可靠性，减少了对云端网络的依赖。

其硬件机械设计同样充满巧思。Fibot采用桌面级双臂仿生结构，其升降机构的行程较上一代产品大幅增加，显著扩展了机械臂末端在垂直方向（Z轴）的可达工作空间。这种三维工作空间的提升，不仅仅是参数的简单叠加，它极大地增强了机器人在执行抓取、放置、精密装配等操作时的空间灵活性与对复杂环境的适应能力。

在更为关键的模型训练与适配层面，Fibot提供了一套完整的工具链与解决方案。它支持对机器人操作过程的数据进行便捷采集与标注，用户能够基于自身构建的行业特定数据集，对π0.6等基础模型进行二次开发、场景化微调与持续训练。通过提供标准化的数据接口、预置的训练流程管线以及开箱即用的感知、规划、控制模块，Fibot极大地简化了开发流程，降低了具身智能应用的技术门槛，有效缩短了从模型开发到场景落地的迭代周期。

最终，结合Fibot强大的端侧算力与π0.6模型的Recap训练框架，机器人得以在真实任务执行中不断积累经验数据，并实现模型的在线学习与持续优化——这正是Recap“在实践中学”核心理念在边缘侧的最佳体现。从制作饮品、整理衣物，到工业分拣、精密组装，这些涉及长时序、多工序的复杂柔性生产与服务任务，正从实验室演示走向广泛的现实应用。具身智能技术，凭借Fibot这样的平台，正在智能制造、商业服务、家庭辅助等广阔领域展现出真正的实用化潜力。