1.人形機(jī)器人為何需要高智能的大模型?

盡管人形機(jī)器人的形態(tài)早已實現(xiàn)工程可行，但其真正實現(xiàn)產(chǎn)業(yè)化落地的關(guān)鍵，在于擺脫傳統(tǒng)工業(yè)機(jī)器人“控制剛、泛化弱”的局限， 補(bǔ)足對不確定性的理解與適應(yīng)能力。工業(yè)機(jī)器人主要基于確定性控制邏輯運行，缺乏感知、決策與反饋能力，導(dǎo)致高度依賴集成，成 本高、通用性差。相比之下，人形機(jī)器人以“通用智能體”為目標(biāo)，強(qiáng)調(diào)感知—推理—執(zhí)行的完整鏈路，需要依托大模型支撐的多模 態(tài)理解與泛化能力，才能適應(yīng)復(fù)雜任務(wù)與動態(tài)環(huán)境。當(dāng)前多模態(tài)大模型的興起，為人形機(jī)器人提供了“初J大腦”,開啟從0到1的智 能進(jìn)化，并通過數(shù)據(jù)飛輪實現(xiàn)模型能力與產(chǎn)品性能的持續(xù)提升。然而整體智能化仍處于L2初J階段，通往泛化智能仍面臨建模方法、 數(shù)據(jù)規(guī)模與訓(xùn)練范式等多重挑戰(zhàn)，高智能大模型將是貫通通用人形機(jī)器人路徑的核心變量。

2.從架構(gòu)端和數(shù)據(jù)端看，目前機(jī)器人大模型的進(jìn)展如何?

當(dāng)前機(jī)器人大模型的快速演進(jìn)，主要得益于架構(gòu)端與數(shù)據(jù)端的協(xié)同突破。架構(gòu)上，從早期的SayCan語言規(guī)劃模型，到RT-1實現(xiàn)端到端動作輸出，再到PaLM-E 、RT2將多模態(tài)感知能力融合至統(tǒng)一模型空間，大模型已逐步具備“看圖識意、理解任務(wù)、生成動作”的完整 鏈條。2024年π0引入動作專家模型，動作輸出頻率達(dá)50Hz;2025 年Helix實現(xiàn)快慢腦并行架構(gòu)，控制頻率突破至200Hz, 顯著提升機(jī)器 人操作的流暢性與響應(yīng)速度。數(shù)據(jù)端，已形成互聯(lián)網(wǎng)、仿真、真機(jī)動作三類數(shù)據(jù)協(xié)同支撐的結(jié)構(gòu)化體系：前兩者提供預(yù)訓(xùn)練量J與泛 化場景，后者則直接提升模型在物理世界中的實用能力。其中，真機(jī)數(shù)據(jù)采集對高精度動捕設(shè)備依賴度高，光學(xué)動捕以精度優(yōu)勢適配 集中式訓(xùn)練場，有望成為具身模型訓(xùn)練的核心數(shù)據(jù)來源。當(dāng)前主流訓(xùn)練范式正由“低質(zhì)預(yù)訓(xùn)練+高質(zhì)后調(diào)優(yōu)”快速迭代，模型智能的躍遷正轉(zhuǎn)向“從數(shù)據(jù)堆料到結(jié)構(gòu)優(yōu)化”的階段。

3.未來大模型的發(fā)展方向是什么?

面向未來，具身大模型將在模態(tài)擴(kuò)展、推理機(jī)制與數(shù)據(jù)構(gòu)成三方面持續(xù)演進(jìn)。當(dāng)前主流模型多聚焦于視覺、語言與動作三模態(tài)，下一 階段有望引入觸覺、溫度等感知通道；Cosmos 等架構(gòu)嘗試通過狀態(tài)預(yù)測賦予機(jī)器人“想象力”,實現(xiàn)感知—建模—決策閉環(huán)，構(gòu)建更 真實的“世界模型”,提升機(jī)器人環(huán)境建模與推理能力；數(shù)據(jù)端，仿真與真實數(shù)據(jù)融合訓(xùn)練成為主流方向，高標(biāo)準(zhǔn)、可擴(kuò)展的訓(xùn)練場 正成為通用機(jī)器人訓(xùn)練體系的關(guān)鍵支撐。

附件：機(jī)器人大模型深度報告-我們距離真正的具身智能大模型還有多遠(yuǎn),模型智能從數(shù)據(jù)堆料到結(jié)構(gòu)優(yōu)化的階段