当前制造业面临多品种、小批量需求与传统机器人刚性自动化之间的核心矛盾。具身智能工业机器人因其自主规划与执行能力成为破局关键，而任务规划正是其落地的核心瓶颈。富唯智能全球独创的GRID大模型，专为解决这一工业难题而生。

GRID（Graph-based Robotic Instruction Decomposer）是富唯智能联合清华大学深圳国际研究生院首创的任务规划大模型。它并非通用对话模型，而是专为工业物理世界设计的“大脑”：将高层级自然语言指令精准分解为机器人可执行的子任务序列，确保每一步都符合物理世界逻辑。

GRID的核心技术突破在于其融合双图谱的层级化推理架构：

1. 双图谱知识表征

语义地图：基于3D视觉与SLAM技术实时构建的工业环境空间语义图，包含产线布局、设备位姿、物料区域等环境知识。

知识图谱：通过工业专家标注与机器自主学习构建的工艺流程知识库，涵盖“门把手需抛光后装配”、“电池后盖需按特定方向摆盘”等对象知识。

2. Transformer-based任务分解引擎GRID采用改进的Transformer架构，将自然语言指令与双图谱知识进行联合编码，通过自注意力机制捕捉指令与场景元素的深层关联。模型经过海量工业场景数据预训练（涵盖3C电子、汽车零部件、新能源等8大行业），具备强大的泛化能力。

3. 层级化任务规划机制

全局规划层：生成宏观任务序列（如“取料→转运→装配→检测”）

局部细化层：结合实时环境状态，将宏观任务拆解为原子动作（如“移动至A点→抓取B物料→调整姿态→插入C孔位”）

冲突检测与修正：通过世界模型模拟执行结果，自动规避碰撞、干涉等物理约束

5. 大小脑协同闭环GRID作为“大脑”将任务规划结果传递给富唯自研的“基于语言-技能的多层小脑模型”。小脑模型通过扩散策略网络将语言指令映射为机器人关节空间的运动轨迹，实现移动底盘、机械臂、灵巧手的原子技能控制，形成从“想”到“做”的完整闭环。

GRID大模型不仅是富唯智能的核心技术，更是通向工业级通用人工智能的关键一步。它以清华大学顶尖学术研究为基石，以真实产线需求为导向，用数据证明其超越通用模型的规划能力。选择富唯智能，就是选择柔性制造的确定性未来。