鹿明机器人发布MOS2：打造面向真实产业场景的重载AI Worker

8月14日，鹿明机器人发布全新重载轮臂式具身智能机器人Lumos MOS2。

面向真实工业场景，LumosMOS2具备50kg双臂负载能力，同时在硬件性能、全向移动能力、多模态感知系统和整机控制架构等方面实现全面升级，胜任真实工业场景高强度、持续性作业任务。

鹿明机器人创始人兼CEO喻超表示，具身智能正在加速进入产业落地阶段，如何让机器人更高效地完成更多真实任务，取决于数据获取效率、硬件成本及产业交付效率。

在这一判断下，MOS2被定位为面向工业场景的重载AI Worker：既拥有7×24小时不间断工作的强健躯体，也具备环境感知、任务理解与自主操作等能力，是鹿明产业具身理念的产品化实践。

当前工业现场中，仍存在大量同时需要负载能力、灵活移动和复杂操作的任务，而这一类场景仍缺少成熟的具身智能机器人解决方案。MOS 2以50kg双臂负载能力切入，融合移动、感知与操作能力，为重载工业任务提供新的具身智能解决方案，让具身智能进一步覆盖重载工业作业场景。

图：MOS2在真实生产场景中执行物料搬运任务

产业具身的核心，让机器人执行真实任务

过去几十年，制造业通过自动化设备解决了大量标准化、批量化和流程化生产任务。固定工位、重复动作、流程明确的环节，已经形成成熟的自动化体系。

但在真实工业现场，仍有大量任务具有更高的柔性要求，难以通过传统自动化方式高效覆盖。

这些场景通常具备几个共同特征：产线换型频繁，机器人需快速适应不同任务；操作过程涉及复杂装配与精细动作，对灵巧性要求更高；部分任务产量较低，专用设备投入不经济；生产中存在大量动态变化，需要机器人具备现场判断与调整能力；此外，多工序、多设备之间的协同，也对机器人的任务衔接能力提出更高要求。

因此，具身智能进入产业场景的核心，在于让机器人真正理解任务、适应环境，并具备自主完成工作的能力。面对生产过程中的变化，机器人需要能够灵活调整工作方式，完成复杂操作，主动判断和处理异常，并在真实任务中不断积累经验、学习新的技能。

鹿明提出「产业具身」，围绕真实产业任务构建机器人的综合能力，包括灵活移动、末端工具适配、多模态感知、任务执行与技能学习，让机器人能够适应更加开放、动态的工业环境。

基于轮臂式形态，MOS2融合了移动能力、双臂操作能力、多模态感知能力与任务执行能力，进一步拓展在开放工业场景中的应用空间。

图：MOS2在真实工业场景中执行柔性质检任务

双臂50kg负载，打造重载AI Worker执行底座

MOS2首先围绕工业任务对负载、灵活性和可靠性的需求，对机器人本体进行了系统升级。

整机设计方面，MOS2高度约1.65米，占地面积约0.5平方米，理论通道宽度需求约0.8米，更贴近工业现场的空间条件；整机拥有22个自由度，新增双自由度头部与全向底盘，使其具备更灵活的位置移动能力和更广的环境适应性。

相比固定设备，轮臂式结构让MOS 2能够在不同工作区域间自由移动；相比单一移动平台，双臂设计则进一步增强了机器人与环境交互、执行复杂操作的能力。

感知层面，MOS2标配底盘双多线激光雷达、腕部双相机、双六维力传感器及头部双目相机，并提供顶部后侧雷达、胸部深度视觉等选配方案，形成覆盖环境感知、视觉识别与力觉反馈的多模态感知体系。这些能力帮助机器人实时获取环境信息、识别任务状态，并根据现场变化动态调整操作过程。

硬件本体升级的重中之重，在于双臂系统。

MOS2具备双臂50kg负载能力，并采用标准法兰盘与集成式接口设计，支持末端工装快速切换，使机器人能够根据不同任务，灵活配置对应工具。

图：MOS2双臂搬运50Kg重物

50kg负载能力，为具身智能进入重载工业作业提供了更大的能力空间。

在重载搬运场景中，MOS2能够处理更大重量的物料；在柔性上下料场景中，结合视觉与力控能力，机器人能适应不同工件的状态变化；在设备辅助操作场景中，双臂协同能力支撑起更复杂的工业交互任务。

面向工业长期运行的严苛要求，MOS2在可靠性方面进行了专项设计：整机线束通过500万次耐久实验验证；双电池热插拔方案提升了运行便利性，并支持更多类型末端设备的灵活扩展。

移动、感知、操作、负载与可靠性等能力，共同构成了AI Worker进入真实生产环境的执行基础。

持续进化，让AI Worker不断获得新技能

具身智能进入真实生产环境后，机器人面对的并不是一套永远不变的任务。

不同工厂、不同工艺对机器人能力要求各异，同一任务在不同产线中也需要根据现场条件灵活调整策略。因此，机器人不仅需要具备完成任务的能力，还需要能够基于真实任务数据持续学习、优化和获得新的技能。

在鹿明的产业具身体系中，MOS 2负责执行真实工业任务，Lumos NexCore则为机器人持续学习和技能进化提供系统基础。

NexCore围绕机器人技能构建建立完整的学习闭环：产业用户可以创建机器人需要学习的任务，接入真实、仿真与视频等多源数据，通过自动训练和参数优化形成技能，再利用多维评测验证技能效果，经过验证的技能可以快速部署至机器人；机器人在真实作业环境中运行，运行数据持续回流，为下一轮学习和优化提供基础。

这一过程让机器人的技能不再停留于一次训练结果，而能够随着真实任务持续积累和优化。

图：NexCore一站式机器人技能构建开发界面

对于产业客户而言，评价机器人价值的标准，需要回到真实生产结果，包括连续工作能力、任务成功率、部署效率以及最终创造的产业价值。

鹿明希望以MOS 2为AI Worker的产品载体，让机器人真正进入工业现场、承担真实工作，并依托NexCore在真实任务中持续学习和进化，逐步成为能够长期工作、持续学习并创造价值的工业智能体。