三根立柱、三个大小不一的圆盘，一座汉诺塔静静立在演示台上。

机械臂通过摄像头观察台面，夹取圆盘、移动位置、调整落点，将三个圆盘一步步转移到目标柱上。整个过程包含七步连续操作，每一步都要遵循汉诺塔的规则，同时满足对抓取位置和动作精度的要求。

当观看者移动底座，改变汉诺塔的整体位置，甚至将圆盘重新摆放到任意中间状态，机械臂仍能识别变化后的局面，判断接下来该如何操作，继续完成剩余任务。

一项看似简单的桌面游戏，背后考验的却是具身智能模型在连续任务中的逻辑推理与长程记忆、精细操作，以及面对环境变化时的泛化能力。

从看懂局面到完成操作

汉诺塔的规则并不复杂：把大小不一的圆盘从一根柱子挪到另一根，每次只能移动一个，大盘不能压在小盘上。

对于三个圆盘的汉诺塔，标准解法需要七步。难点在于，机械臂不能只完成单次抓取，还需要在连续变化的局面中，判断每一步应该移动哪个圆盘，才能最终完成任务。

这要求模型将视觉感知、任务推理与动作执行联系起来。模型通过摄像头获取当前场景，识别圆盘及其位置关系；结合汉诺塔的规则和任务目标，推理下一步操作；再将决策转化为机械臂的抓取、移动和放置动作。

每完成一步，圆盘的位置都会发生变化，模型需要面对新的场景，继续推进后续操作。

从单次动作执行，到连续任务中的逻辑推理和长程记忆、精细操作，是这套汉诺塔演示的重要技术看点。

可以被打断，也能随时接上

如果机械臂只需面对固定位置、固定布局的汉诺塔，任务执行还可以依赖相对稳定的操作条件。但在这套演示中，观看者可以随时「上手」，主动改变这些条件。

移动底座，改变圆盘和柱子的整体位置；把已经抓起的圆盘放回任意柱子，把任务切到任意状态；还可以更换金银铜牌、甜甜圈等不同样式的组件。

面对这些变化，机械臂需要重新识别当前场景，判断圆盘的实际分布，并据此调整下一步操作，而不是沿用已经不适用的动作顺序。

这不仅考验模型对任务状态的理解，也考验其泛化能力。这背后的支撑则是仙工智能自研 VLA 模型，仅采集 60 条数据，便实现了对物体位置、颜色和形状的泛化，体现了模型的基础理解能力。

要让模型能力真正落实到机器人操作中，还需要机器人大脑的协同支撑。仙工智能机器人大脑由模型+小脑+神经构成：模型负责看懂场景、理解任务并作出决策；小脑负责运动规划与动作执行；神经通过统一接口与协议连接传感器、关节及执行器。三者协同，让模型的理解与决策能够转化为机械臂的实际操作。

从汉诺塔到真实业务场景

汉诺塔是一项规则明确的任务，却将具身智能面临的几项关键挑战集中呈现出来：理解真实场景、完成连续推理、精准执行动作，以及在环境变化后调整后续操作。

这些能力对于机器人走向更复杂的实际任务具有重要意义。真实的工业与商业服务现场，同样存在物体位置变化、操作对象不同、任务流程需要调整等情况。机器人不仅需要执行动作，还需要根据现场状态作出适当反应。

汉诺塔演示所展现的，正是仙工智能机器人大脑从场景理解、任务推理到动作执行的协同能力。模型、小脑与神经协同，让机器人不仅能够完成既定动作，也能够理解任务、应对变化，并在真实场景的持续迭代中不断提升能力。