MindOn发布Mind-1，一款新的物理AI模型，旨在让机器人以该公司所称的“人类水平速度”执行日常操作任务。9月30日的演示展示了机器人处理包裹、折叠衬衫和收集衣物，画面标注为“1.0倍速”和“完全自主”。MindOn此次并未推出新的机器人本体，而是主要将Mind-1作为一个可跨不同机器人平台运行的智能系统来展示。
公司称，该模型旨在推动物理AI超越“完成任务”本身，转向以实际工作所需的速度执行任务。Humanoids Daily在报道该演示时指出，相关视频并未提供量化的人机对比、任务成功率或干预统计数据。这些指标对于判断所展示的速度能否在受控演示之外转化为持续生产力，将非常重要。
速度成为下一个机器人基准
机器人演示越来越多地聚焦于机器能否自主执行有用任务。MindOn现在强调另一个指标：它们能多快完成。这一区别在物流和制造等环境中很重要，因为生产力取决于吞吐量，而非仅仅完成单个动作。一台成功完成任务但耗时明显长于人类的机器人，实际价值可能仍然有限。MindOn的新演示显示机器人以公司“1.0倍速”标签所代表的速度运行。然而，视频本身并未证明这些机器在可比任务中能持续匹配人类工人。公司称Mind-1能以人类水平的周期时间执行复杂操作，并在某些任务上快于人类。这些是公司报告的说法，而非独立测量的结果。
从家务到实际工作
MindOn此前已展示过其智能系统在家务和物流任务上的应用。最新展示扩展了这一方向，呈现多种机器人配置处理不同形式的体力工作。演示在几种配置之间切换：双臂机器人在传送带周围处理包裹，并在工作台面上折叠衣物；一台人形机器人在布置好的环境中移动并收集衣物。这种做法可以让底层AI模型的改进惠及不同类型的机器人，而不是绑定在单一的人形平台上。
MindOn的更广泛思路是开发一种可在不同物理平台之间迁移的机器人智能模型。公司网站将该系统描述为一个通用机器人智能模型，旨在结合感知、推理和行动，而非为每台机器依赖单独的任务专用模型。因此，最新演示对软件的关注不亚于硬件。机器人的物理设计决定它能操作什么，但底层智能需要解读周围环境，并将这种理解转化为协调的动作。
不过，Mind-1目前仍是对MindOn所瞄准能力的演示。要确定该系统能否可靠地维持人类水平的生产力，还需要更长时间的运行、独立测量的周期时间、任务成功率以及人工干预数据。这一新演示仍然凸显了物理AI日益重要的挑战：让机器人不仅能做有用的事，而且要做得足够多、足够快、足够稳定，才能真正产生价值。
从行业视角看，MindOn把“速度”推到台前，触及了具身智能从演示走向部署的一个关键瓶颈。当前多数人形机器人演示以任务完成为终点，但商业客户关心的是单位时间产出和人工兜底频率。将模型与本体解耦、强调跨平台迁移，也是应对硬件路线未定的务实策略——无论客户最终选择哪种形态，智能层都能复用。不过，公司自报的“人类水平周期时间”缺乏第三方验证，演示场景的受控程度也未披露。在物流和制造场景中，节拍稳定性往往比峰值速度更重要，一次失误造成的停机可能抵消多次快速操作带来的收益。有观点认为，物理AI的评测标准迟早会从“能不能做”转向“单位时间能做多少、需要多少人兜底”，MindOn的提法顺应了这一趋势，但需要用可复现的数据来支撑。据悉，MindOn尚未公布Mind-1的发布时间表、定价或首批客户。
