人类咖啡师 VS 具身咖啡师，你会怎么选？

同样一杯咖啡。

一杯来自经验丰富的人类咖啡师，另一杯来自一台不休息、不走神、还能连续工作的具身机器人。

你会选择哪一杯？

人类咖啡师，是怎么做好一杯咖啡的？

取下手柄、接粉、布粉、压粉，锁紧手柄；放好杯子，启动萃取；咖啡完成后取杯出品，再清理咖啡渣、冲洗手柄、将器具归位。

看似短短几分钟，背后却是一连串的观察和判断：

杯子放正了吗？手柄对准了吗？咖啡粉压实了吗？上一杯留下的咖啡渣清理干净了吗？

熟练的咖啡师，可以把这些动作做得行云流水。

但如果让他连续做 100 杯呢？

手会酸，人会累，注意力也会下降。毕竟，人不是机器。

于是，我们决定把这套完整的咖啡制作流程，教给一位不会累的“新同事”。

怎么教机器人做咖啡？

答案不是给机械臂写一份几十页的操作说明书，也不是为每一个动作设置一组固定坐标。

我们更像是在给它上“咖啡师实操课”。

第一步，是采集数据。

人类先在真实的咖啡机和器具前完成操作示范。系统同步记录机器人“看到了什么”和“应该怎么动”：相机画面、任务指令、机械臂的位置、运动轨迹以及抓取和放置动作，都会成为训练数据。

一条数据，就是一次完整或局部的操作示范。机器人要从这些示范里逐渐理解：看到手柄时应该怎样抓取，看到咖啡机时应该怎样对准，完成萃取后又该进入哪个步骤。

第二步，是训练模型。

我们使用少量真实操作数据，对自研 VLA 模型进行微调。VLA 分别代表视觉、语言和动作，它要解决的核心问题是：

“我看到了什么？”

“现在要完成什么任务？”

“下一步应该怎么动？”

经过训练后，模型会把画面、任务和动作联系起来。机器人不再只是机械地执行固定坐标，而是根据眼前的环境，预测下一步应该采取的动作。

第三步，是上机考试。

模型训练完成，并不意味着机器人立刻就能成为咖啡师。我们还要让它在真实设备上反复操作。

杯子稍微放偏了怎么办？手柄的位置发生变化怎么办？某一步动作没有完全做到位怎么办？

每一次失败，都会暴露新的问题。我们再补充对应的数据、调整训练内容、重新微调模型，让机器人逐渐学会应对真实环境中的变化。

这个过程可以简单概括为：

人类示范 → 数据采集 → 模型训练 → 真机测试 → 补充数据 → 再次训练。

经过不断迭代，原本分散的抓取、移动、接粉、压粉、萃取、出杯和清洁动作，最终被一个模型串成了一项完整的长程任务。

让机器人完成一个动作，并不稀奇。

真正困难的是：让它知道自己做到了哪一步，下一步该做什么，并且从第一步一直稳定执行到最后一步。

第 101 杯，它仍然不会累

在 WRC 2026 现场，这位具身咖啡师平均每天出杯超过 100 杯，累计制作超过 400 杯，是现场连续运行时间最长、出杯数量最多的咖啡项目。

它做一杯咖啡的时间与人类咖啡师相近。

但人类做完 100 杯，可能只想坐下来休息；它做完 100 杯，只会安静地开始第 101 杯。

有观众看完后评价：

“别的咖啡机器人都不动，只有你们的一直在做，而且和人做咖啡一样。”

所以，人类咖啡师与具身咖啡师，到底谁赢了？

如果你想要交流、创意和一杯带有个人风格的咖啡，人类咖啡师依然无可替代。

但如果你需要稳定地连续出杯，不疲惫、不走神、不间断，具身咖啡师正在展现另一种可能。

它不一定比人更快，却可以像人一样完整地做好一杯咖啡。

然后，一直做下去。

现在，面对吧台上的这两杯咖啡——要不要试试具身咖啡师做的？