作為人工智能與機器人交叉領域的核心方向，具身智能正引領全球科技變革。其中，機器人大模型作為“智能中樞”，正在推動機器人突破單一任務限制，向復雜環(huán)境下的自主學習與進化邁進。近期，中美兩國具身智能企業(yè)幾乎同步開源模型，標志著這一領域的技術生態(tài)進入爆發(fā)期。bvQ28資訊網(wǎng)——每日最新資訊28at.com

9月8日，中國自變量機器人公司開源了具身模型WALL-OSS；次日，美國Physical Intelligence（PI）公司也發(fā)布了π?.?模型。這一“巧合”引發(fā)行業(yè)熱議，被視為具身智能邁向成熟的關鍵信號。回顧語言大模型發(fā)展路徑，從2018年開源社區(qū)初步探索，到2020年ChatGPT-3引發(fā)全球關注，技術迭代用了三年。如今，機器人大模型是否也站在了“GPT-3時刻”的門檻上？bvQ28資訊網(wǎng)——每日最新資訊28at.com

在近期的一場技術對話中，自變量機器人CTO王昊與PI研究員柯麗一鳴（π?、π?.?論文作者）深入探討了這一話題。他們認為，2025年機器人模型領域最顯著的突破是“泛化能力”與“長程任務”的突破。柯麗一鳴以疊衣服任務為例：“過去二十年，機器人疊衣服始終面臨挑戰(zhàn)，因為衣物褶皺、折疊順序的多樣性遠超想象。但到2025年，模型已能將π?.?部署到陌生家庭環(huán)境中，完成抓取、移動等基礎操作，盡管表現(xiàn)不完美，卻展現(xiàn)出類似人類的適應性。”bvQ28資訊網(wǎng)——每日最新資訊28at.com

王昊進一步指出，通用機器人基礎模型的發(fā)展，使機器人從“單任務專家”轉(zhuǎn)向“多任務學習者”。例如，2023年前，機器人需針對每個任務單獨優(yōu)化；如今，統(tǒng)一模型可同時學習數(shù)百種任務，優(yōu)化目標從“單一任務極致”轉(zhuǎn)向“全局任務平均成功率”。這種指數(shù)效應讓機器人能處理包含連續(xù)步驟、需多步推理的復雜任務（如整理餐桌、布置餐具），成為行業(yè)最令人興奮的現(xiàn)象。bvQ28資訊網(wǎng)——每日最新資訊28at.com

然而，泛化能力的提升仍面臨三大挑戰(zhàn)。首先是物理世界的“長尾效應”：光照變化、桌布褶皺、透明物體反光等微小擾動，可能導致任務失敗。人類能憑直覺適應，但依賴數(shù)據(jù)驅(qū)動的AI模型仍需突破。其次是長程任務中的誤差累積：微小擾動可能像滾雪球一樣放大，最終導致任務失敗。王昊強調(diào)，需構建理解物理常識的模型基礎，讓機器人具備空間推理與因果推理能力。最后是數(shù)據(jù)質(zhì)量與數(shù)量的平衡：高質(zhì)量數(shù)據(jù)需精心設計，但追求數(shù)量時難以兼顧細節(jié)；低質(zhì)量數(shù)據(jù)則可能影響模型性能。bvQ28資訊網(wǎng)——每日最新資訊28at.com

數(shù)據(jù)采集的“真機維護”問題也被頻繁提及。柯麗一鳴笑稱：“做機器人研究，每天都在擰螺絲。”她回憶，早期研究時，硬件故障頻發(fā)，新人常因維修壓力而放棄。如今，盡管硬件穩(wěn)定性提升，但真機維護仍是門檻。王昊補充道，機器人數(shù)據(jù)采集受限于硬件場地、操作員效率，成本高昂。為此，行業(yè)探索了多種解決方案：低成本本體、穿戴式傳感器、人類視頻數(shù)據(jù)等。其中，人類視頻數(shù)據(jù)規(guī)模大、成本低，但僅能提供高級語義理解與任務規(guī)劃，難以直接生成動作級數(shù)據(jù)。bvQ28資訊網(wǎng)——每日最新資訊28at.com

在模型架構上，中美企業(yè)呈現(xiàn)出不同路徑。自變量機器人主張“端到端”訓練，將語言、視覺、動作模態(tài)統(tǒng)一表征，避免分層導致的信息損失。王昊解釋：“訓練時，模型可同時學習理解推理與動作生成；部署時，將動作部分壓縮蒸餾，語言推理部分放在云端，通過梯度回傳更新參數(shù)。”而PI則保持開放態(tài)度，柯麗一鳴認為：“當前機器人大模型尚未達到GPT-2水平，數(shù)據(jù)驅(qū)動是核心，但具體架構（如雙系統(tǒng)分離或端到端）并非首要問題。”bvQ28資訊網(wǎng)——每日最新資訊28at.com

商業(yè)化方面，中美企業(yè)展現(xiàn)出差異化策略。美國企業(yè)傾向于“自上而下”，優(yōu)先構建超大規(guī)模通用模型，再探索應用場景。這得益于其算力優(yōu)勢——頂級芯片與大規(guī)模算力集群集中在美國。而中國企業(yè)則采取“上下結合”的雙軌路徑：一方面迭代通用基礎模型，另一方面在養(yǎng)老、公共服務等泛化場景中落地，形成數(shù)據(jù)飛輪。王昊強調(diào)：“必須先有大而通用的基礎，才能實現(xiàn)小而精的垂直部署。”柯麗一鳴則觀察到，中國制造業(yè)的硬件需求與場景優(yōu)勢，為機器人商業(yè)化提供了獨特土壤。bvQ28資訊網(wǎng)——每日最新資訊28at.com

對于家用機器人的落地時間，兩位專家給出不同預測。王昊認為，5年內(nèi)機器人可進入家庭，完成廚房簡單任務（如洗碗、切菜），但需人類協(xié)作；柯麗一鳴則保守估計5-10年，她以掃地機器人為例：“早期產(chǎn)品不完美，但用戶明確其能力邊界，這種模式值得借鑒。”他們一致認為，機器人需跨越數(shù)據(jù)、算法、供應鏈、商業(yè)模式等多重門檻，才能真正實現(xiàn)規(guī)模化應用。bvQ28資訊網(wǎng)——每日最新資訊28at.com

本文鏈接：http://m.rrqrq.com/showinfo-26-181822-0.html具身智能開源模型加速發(fā)展，中美同步探索下通用機器人未來可期

聲明：本網(wǎng)頁內(nèi)容旨在傳播知識，若有侵權等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。郵件：2376512515@qq.com

上一篇： 百元檔耳機新選擇：虹覓Air2小云夾，佩戴舒適音質(zhì)佳，游戲續(xù)航兩不誤

下一篇： 臺積電先進封裝“提速”應對AI熱潮，與NVIDIA等共迎先進封裝技術高需求