擎朗KOM2.0模型采用了快-慢双系统架构，慢系统（K-Mind）基于VLM多模态大模型，通过擎朗构建的岗位服务场景数据集K-Infinity（KEENON Infinity Dataset）实现对服务场景的环境感知、任务理解与规划，快系统（K-Act）采用Action Expert（动作专家模型），利用大量真机数据进行训练，用于精细的动作生成。擎朗KOM2.0模型，已成为新一代擎朗机器人更具通用性的底座模型。
在KOM模型之上，擎朗开创性地提出并实践“岗位化”理念，倾力打造了岗位化垂域模型KEENON ProS，该模型是面向具体服务岗位的深度专业化垂直领域模型，可有效提升通用具身大模型在特定垂直领域中的适用性和效率，使得擎朗具身服务机器人掌握餐饮、酒店、商超等场景中具体岗位的技能，实现“岗位化”的快速落地。
突破性架构创新+服务场景数据驱动进化
双系统架构（K-Mind + K-Act）异步协同
为了模仿人类的大小脑架构来实现效率最优，擎朗KOM模型采用了“快-慢双系统”架构。其中，“慢系统K-Mind”是多模态的视觉语言模型，负责高层任务理解与规划。它通过对周围环境的感知和对自然语言的解析，结合多模型推理实现对复杂任务的规划与决策。“快系统K-Act”是动作专家模型，负责生成具体的执行动作。它基于“K-Mind”的中间输出，结合机器人当前状态生成连续动作序列。“快-慢双系统”可以异步协同运行，实现高层任务规划的可靠性和低层运动执行的高效性。
岗位服务场景数据集K-Infinity 飞轮效应驱动服务专业化
擎朗KOM模型的卓越性能根植于公司积累的数亿级场景数据资产，这些数据来源于在真实服务场景中运行的擎朗机器人。基于自主研发的多模态感知和环境重建技术，擎朗构建了高还原度的数字化服务场景，通过在数字化场景中进行物理仿真交互，为擎朗KOM模型训练与进化提供了大量珍贵的数据资产。
在此基础上结合部分真机数据，擎朗构建了服务场景数据集K-Infinity（KEENON Infinity Dataset），该数据集具备极强的真实性、多样性和业务相关性，为模型鲁棒性与泛化能力提供坚实基础。
依托于此，擎朗 KOM模型不仅具备通用适应能力，更对商用服务场景下的高频交互、突发干扰、高动态变化等特性展现出极强的鲁棒性与适应性。构筑了业内完整的 “数据采集-模型训练-场景部署-性能反馈-模型优化” 闭环系统，推动模型持续进化，形成持续领先的飞轮效应。
擎朗KOM模型:让具身服务机器人更具通用性
更深度的环境认知：突破传统识别局限，实现从物体感知到意图理解、行为预测与场景语义重构的跨越，让机器人真正“看懂世界”；
更敏捷的实时决策：毫秒级响应机制，轻松应对动态避障、临时任务插队、多机协同调度等高难度场景，保障流畅稳定的业务闭环；
更拟人的人机交互：支持拟人的安全运动与精准执行能力，显著提升用户体验，让机器人成为更贴心、更可靠的协作伙伴；
更高效的规模部署：凭借强大的自适应能力，大幅减少场景定制与人工调试需求，支持快速复制、灵活扩展，为规模化商业落地赋能。
擎朗垂域模型ProS:让具身服务机器人更专业
擎朗智能基于对垂直行业需求的深度洞察，在擎朗KOM模型的基础上，以“岗位化”的战略理念，通过岗位驱动的知识嵌入与微调，融合了行业知识图谱，推出岗位化垂域模型ProS，并覆盖了餐饮、酒店、医疗、零售等多个场景内，包括收银、收餐员、前台等不同岗位的深度专业化模型，成为擎朗行业理解力与商业价值的关键承载。在此基础之上，擎朗通用+专用的多形态具身服务机器人矩阵可实现跨场景任务迁移与泛化。
这些技术特性共同支撑了擎朗岗位化垂域模型ProS的核心价值：通过预置岗位专家能力，机器人能够在专岗任务中实现效率、精度和稳定性的显著提升；其深度场景渗透力可处理高动态、非结构化任务，并依托多机协作打通全业务流程闭环；同时，模型大幅缩短部署周期，降低启动成本，助力客户快速实现高效运营。
擎朗KOM模型的发布，不仅是技术架构的升级，更是对机器人在真实场景中“所见即所知，所知即所行”能力的重要推进。未来，擎朗将继续打造“通用+专用”多形态具身服务机器人矩阵，持续迭代多模态大模型能力，与全球合作伙伴共同推动具身智能技术的规模化落地。
