AI機器人PoC・實證實驗聚焦一道工序，用實機給出答案。

工廠/倉庫運輸模擬

Unitree G1

Isaac Sim 中的物理模擬驗證了雙手握住 0.25 kg 盒子，行走約 1.2 m，並將其放置在另一個平臺上的行為。這不是實際機器的影片。

RealMan RMC-AIDAL

我們握住一個假設的運輸箱的手柄，該運輸箱的機身尺寸為 30 x 20 x 20 cm，總重量為 10 kg，並驗證了用輪子運輸它約 1.2 m、將其放在支架上然後釋放的過程。這是實體模擬，修正了公共CAD模型的重心和接觸設置，並不保證實際機器的負載能力。

RealMan RMC-AIDAL：用雙臂運送 10 公斤箱

我們驗證了用雙手使用左右手柄握住一個假設的運輸箱，其機身尺寸為 30 x 40 x 20 cm，總重量為 10 kg，運輸約 1.2 m，並將其放置在支架上的操作。在運輸過程中，左右手的接觸和負載分配都會被記錄下來。這是實體模擬，修正了公共CAD模型的重心和接觸設置，並不保證實際機器的負載能力。

您也可以諮詢我們針對您的業務量身定製的模擬和演示實驗，例如補充貨架、供應零件箱和分類。

環境/盒子 3D 材質： NVIDIA SimReady / codepawl/simready-glb · CC BY 4.0 · 我們正在調整材質轉換、尺寸和顯示材質。

PoC失敗，多半是因為目標太寬

機器人PoC不順利的原因，多半不是技術，而是對象太寬。若以「想驗證工廠自動化」開始，既定不下在哪道工序、也定不下測什麼，最終什麼都判斷不了。

能出成果的PoC，對象都聚焦為一項。這個零件、從這個位置、放進這個治具。成功率多少、每次幾秒。具體到這一步，實機就能給出答案。

而且PoC的目的不是「成功」，而是「能夠判斷」。得知不可行，價值同樣存在。只要弄清改變條件是否可行、現階段是否無法實現，就能做出下一步的投資判斷。

實機驗證範例：使用 Gemini 4 Argon × Unitree G1 夾持 PET 瓶

在我們的實驗室，我們使用 Gemini 4 Argon 進行了實際機器測試，其中 Unitree G1 抓取並舉起一個塑膠瓶。人工智慧不使用任何硬編碼的固定運動，而是直接將攝影機的視覺訊息轉換為機器人的動作。

即使物體的位置發生變化，人工智慧也會透過視覺捕捉情況並產生抓取動作。透過這種方式，我們接受PoC/演示實驗的合約開發，將最新的AI模型和VLA整合到實際設備中，並檢查其在客戶的目標對象和目標流程中的工作程度。

可用於驗證的手段

NVIDIA GEAR Sonic × Unitree G1：實機運作驗證

我們在 Unitree G1 實機上執行了 NVIDIA GEAR Sonic，並確認其運作情況。以下影片展示了驗證過程。

Gemini 4 Argon × Unitree G1：將視覺轉化為行動的自主抓取演示

我們使用Gemini 4 Argon進行了實際機器測試，其中Unitree G1抓取並舉起塑膠瓶。不使用硬編碼運動； AI直接將相機的視覺訊息轉化為動作。

即使你改變了物體的位置並再次放置它，人工智慧也會從視覺上了解情況並產生抓取動作。我們也接受使用Unitree G1實施實體AI/VLA以及針對目標業務量身定製的PoC/演示實驗的合約開發。