今年WAIC，具身智能厂商集中包下展馆单独一层。在京剧、踢球、舞蹈等表演展台前依然围满举着手机的观众。但在楼下或楼外的论坛里，产业一线的声音远没有那么热闹。
展台热闹之外，焦虑也在产线蔓延。“能用到可用，是从0.1到100的鸿沟。”智元合伙人、高级副总裁，觅蜂科技董事长兼CEO 姚卯青说。博世中国战略副总裁、机器人业务负责人刘敏甚至给出更具体的数字：节拍压进6秒、准确率做到99%以上。达不到这些数字，工厂不会买单。
具身智能正在从Demo艰难走向能稳定干活、不出错的交付阶段。模型和硬件都有各自的硬仗要打。
具身智能仍未解决准确性、泛化性等问题
在“AI in Action·腾讯AI应用创新论坛”的圆桌讨论上，产业一线几乎将矛头都指向了实验室与现实间的落差。
姚卯青坦承，具身和人形机器人在制造场景中的应用依然处于协作和实验阶段。“目前更多还是协作机器人在解决工业自动化尚未解决的问题，以提高效率、代替人工实现柔性。”
“行业去年已经解决了运动性问题，今年在探索、迭代操作性问题。”刘敏认为，算法变成具身大脑落地，在一些工业场景已可满足使用。在商用场景，机器人能从60秒左右压缩到30秒左右，但准确率需要提高至90%以上。
机器人在实验室能干活，不代表去到现实世界也能干活，这背后涉及节拍、准确性、泛化性等问题。
节拍与机器人的速度有关，以工业场景为例，6秒可能只是门槛，并且需要机器人在执行任务时实现99%以上的准确度。
姚卯青分享了一个真实案例。上个月在江西南昌的产线上，智元机器人六天操作六万多件产品，成功率达到99.99%，但此前已经在24小时产线上全工段跑了三四个月。
腾讯首席科学家、Robotics X 实验室主任、福田实验室主任张正友在接受新京报贝壳财经等媒体采访时表示，Physical AI可以在不完美的情况下落地。工业领域存在某些物体类别较少、环境相对结构化、需要数据量相对较少的场景，通过互联网视频、第一人称、UMI采集等数据增加预训练，就能快速适配。“唯一差别可能是针对某些场景多采集一些数据。”
而进入家庭等非结构性环境的要求则截然不同。“需要从机器人形态、智能等方面保障100%安全。”张正友说。
泛化性则关系到机器人能否完成更多具体任务。“这个鸿沟可能是因为在实验室时，机器人所有的数据场景都是提前设计好的，一旦走向真实世界、开放任务，模型暂时无法展现智能涌现的能力。”北京大学计算机学院研究员、博士生导师仉尚航认为，具身智能还没有解决泛化性问题。模型是具身研究的基础，目前还处于百花齐放的开始阶段。
模型技术尚未收敛，分层架构将长期稳定
具身智能研究需要模型、本体和数据形成闭环。目前整个具身智能的技术栈远未收敛。去年VLA（视觉-语言-行动）还是行业热词，今年主角已经换成了世界模型。但究竟什么是世界模型，行业连定义都还没对齐。
在张正友看来，VLA的短板是明确的，它没有预测能力，而世界模型可以基于行动后果进行预测。VLA要实现泛化需要大量数据，VLM 出现后，基于海量视频、图像训练，提高了理解能力，VLA开始向世界模型的范式推进，世界模型也开始接上行动这一层。
今年WAIC期间，腾讯Robotics X实验室及福田实验室联合腾讯混元推出两款具身智能基座模型：具身VLM基座模型Hy-Embodied-VLM-1.0，以及具身世界认知基座模型Hy-Embodied-RxBrain-1.0（简称RxBrain）。
RxBrain将机器人左右脑之间的“高速桥梁”连接起来，同时传递语言和视觉信息。模型在分解子任务时，可以用文字、图像“描述”世界，让机器人在执行任务时，可以同时使用语言和视觉描述来指导执行。
“相比其他仅用文本或简单拼凑的方案，我们模型的效果有明显提升。”张正友说。同时，RxBrain也能根据子任务完成情况对世界进行预测。
在张正友看来，世界模型下一个有价值的方向，在于模型同时传递语言和图像信息，能推理，也具备想象力。
对于模型架构，张正友认为分层架构将长期稳定，“因为这接近人脑的结构”。但每一层内部的模型实现会持续迭代。
人机交互的难题同样需要分层来解决。张正友指出，机器人操作物体、与人物理接触的问题最难解决，通常涉及触觉和力的感知。
“人机交互容错率极低，搀扶老人时不能捏碎骨头或让其受伤，一旦机器人与人接触时绊了一脚，需要底层快速的肢体反应，而用VLA模型100毫秒的决策周期根本来不及。触觉反馈约需1毫秒，视觉反馈最快15毫秒。目前要实现这样的效果还有许多工作要做，需要将不同频率的感知信息与模型结合。”张正友说。
模型要翻越的另一道坎是数据。目前行业对数据金字塔已形成一定共识：最底层为互联网视频数据，第二层是第一人称操作的数据，第三层是UMI采集的数据，最顶层是真机遥操数据。
张正友认为，如果模型泛化能力越来越强，遥操数据需求可能会越来越少，第二层和第三层的数据需求可能会越来越多、要求越来越高，“但数据质量永远是第一位。”
硬件未迎来终局
“模型属于技术问题，硬件属于工程问题。大脑问题解决后，下一个瓶颈将是硬件。”越疆科技股份有限公司创始人、董事长兼CEO刘培超提出，现阶段行业依然需要加大工程能力突破硬件瓶颈。
他以机器人手臂为例解释称，过去机械臂有6个轴，现在至少20个轴、20个关节起步，系统更复杂，稳定性将成为瓶颈。
刘培超对现阶段硬件条件下人形机器人能否在工业场景中撑起5万小时性能存疑。“5万小时是行业通用要求，实现5万小时后再突破10万小时，这是一个循序渐进的过程。目前在工业场景，手臂已经能支撑10万小时的性能。”
姚卯青也指出，具身智能许多零部件的可靠性还未经过充分的时间检验。这个赛道真正成长只有两三年，现阶段许多零部件甚至还没有达到类似汽车16949标准的要求。
“需求驱动硬件。一定要认清将来可能主要应用的场景，再设计硬件。”他以灵巧手为例：将自由度集中在那么小的空间里很难，需要在应用中寻找可靠性、成本、负载等“不可能三角”的平衡。“许多灵巧手依然存在一些早期问题，比如采集数据一两周就需要返修，或每工作半小时就要散热。这些可以通过探索应用改善。”
行业内也存在“由模型定义本体”的声音。仉尚航认为，具身开放平台需要系统迭代形成飞轮，而这应当由模型来定义问题，比如自由度怎么设计、关节怎么设计，让机器人更具泛化性，甚至更容易跨本体升级和迭代。
这与腾讯具身智能战略选择形成呼应。腾讯不做硬件本体，而是以Tairos（钛螺丝）平台承担具身大脑的角色，面向机器人本体厂家和应用开发商输出能力，同时通过硬件抽象层快速适配不同厂商的设备。
张正友用手机、电脑行业打了个比方：就像iOS与安卓、Mac与Windows，机器人行业也会分化出“全栈自研”和“平台+生态”两条路，腾讯选的是后者。目前，Tairos已与越疆、宇树、智元等头部厂商落地合作。
今年WAIC，具身智能厂商集中包下展馆单独一层。在京剧、踢球、舞蹈等表演展台前依然围满举着手机的观众。但在楼下或楼外的论坛里，产业一线的声音远没有那么热闹。
展台热闹之外，焦虑也在产线蔓延。“能用到可用，是从0.1到100的鸿沟。”智元合伙人、高级副总裁，觅蜂科技董事长兼CEO 姚卯青说。博世中国战略副总裁、机器人业务负责人刘敏甚至给出更具体的数字：节拍压进6秒、准确率做到99%以上。达不到这些数字，工厂不会买单。
具身智能正在从Demo艰难走向能稳定干活、不出错的交付阶段。模型和硬件都有各自的硬仗要打。
具身智能仍未解决准确性、泛化性等问题
在“AI in Action·腾讯AI应用创新论坛”的圆桌讨论上，产业一线几乎将矛头都指向了实验室与现实间的落差。
姚卯青坦承，具身和人形机器人在制造场景中的应用依然处于协作和实验阶段。“目前更多还是协作机器人在解决工业自动化尚未解决的问题，以提高效率、代替人工实现柔性。”
“行业去年已经解决了运动性问题，今年在探索、迭代操作性问题。”刘敏认为，算法变成具身大脑落地，在一些工业场景已可满足使用。在商用场景，机器人能从60秒左右压缩到30秒左右，但准确率需要提高至90%以上。
机器人在实验室能干活，不代表去到现实世界也能干活，这背后涉及节拍、准确性、泛化性等问题。
节拍与机器人的速度有关，以工业场景为例，6秒可能只是门槛，并且需要机器人在执行任务时实现99%以上的准确度。
姚卯青分享了一个真实案例。上个月在江西南昌的产线上，智元机器人六天操作六万多件产品，成功率达到99.99%，但此前已经在24小时产线上全工段跑了三四个月。
腾讯首席科学家、Robotics X 实验室主任、福田实验室主任张正友在接受新京报贝壳财经等媒体采访时表示，Physical AI可以在不完美的情况下落地。工业领域存在某些物体类别较少、环境相对结构化、需要数据量相对较少的场景，通过互联网视频、第一人称、UMI采集等数据增加预训练，就能快速适配。“唯一差别可能是针对某些场景多采集一些数据。”
而进入家庭等非结构性环境的要求则截然不同。“需要从机器人形态、智能等方面保障100%安全。”张正友说。
泛化性则关系到机器人能否完成更多具体任务。“这个鸿沟可能是因为在实验室时，机器人所有的数据场景都是提前设计好的，一旦走向真实世界、开放任务，模型暂时无法展现智能涌现的能力。”北京大学计算机学院研究员、博士生导师仉尚航认为，具身智能还没有解决泛化性问题。模型是具身研究的基础，目前还处于百花齐放的开始阶段。
模型技术尚未收敛，分层架构将长期稳定
具身智能研究需要模型、本体和数据形成闭环。目前整个具身智能的技术栈远未收敛。去年VLA（视觉-语言-行动）还是行业热词，今年主角已经换成了世界模型。但究竟什么是世界模型，行业连定义都还没对齐。
在张正友看来，VLA的短板是明确的，它没有预测能力，而世界模型可以基于行动后果进行预测。VLA要实现泛化需要大量数据，VLM 出现后，基于海量视频、图像训练，提高了理解能力，VLA开始向世界模型的范式推进，世界模型也开始接上行动这一层。
今年WAIC期间，腾讯Robotics X实验室及福田实验室联合腾讯混元推出两款具身智能基座模型：具身VLM基座模型Hy-Embodied-VLM-1.0，以及具身世界认知基座模型Hy-Embodied-RxBrain-1.0（简称RxBrain）。
RxBrain将机器人左右脑之间的“高速桥梁”连接起来，同时传递语言和视觉信息。模型在分解子任务时，可以用文字、图像“描述”世界，让机器人在执行任务时，可以同时使用语言和视觉描述来指导执行。
“相比其他仅用文本或简单拼凑的方案，我们模型的效果有明显提升。”张正友说。同时，RxBrain也能根据子任务完成情况对世界进行预测。
在张正友看来，世界模型下一个有价值的方向，在于模型同时传递语言和图像信息，能推理，也具备想象力。
对于模型架构，张正友认为分层架构将长期稳定，“因为这接近人脑的结构”。但每一层内部的模型实现会持续迭代。
人机交互的难题同样需要分层来解决。张正友指出，机器人操作物体、与人物理接触的问题最难解决，通常涉及触觉和力的感知。
“人机交互容错率极低，搀扶老人时不能捏碎骨头或让其受伤，一旦机器人与人接触时绊了一脚，需要底层快速的肢体反应，而用VLA模型100毫秒的决策周期根本来不及。触觉反馈约需1毫秒，视觉反馈最快15毫秒。目前要实现这样的效果还有许多工作要做，需要将不同频率的感知信息与模型结合。”张正友说。
模型要翻越的另一道坎是数据。目前行业对数据金字塔已形成一定共识：最底层为互联网视频数据，第二层是第一人称操作的数据，第三层是UMI采集的数据，最顶层是真机遥操数据。
张正友认为，如果模型泛化能力越来越强，遥操数据需求可能会越来越少，第二层和第三层的数据需求可能会越来越多、要求越来越高，“但数据质量永远是第一位。”
硬件未迎来终局
“模型属于技术问题，硬件属于工程问题。大脑问题解决后，下一个瓶颈将是硬件。”越疆科技股份有限公司创始人、董事长兼CEO刘培超提出，现阶段行业依然需要加大工程能力突破硬件瓶颈。
他以机器人手臂为例解释称，过去机械臂有6个轴，现在至少20个轴、20个关节起步，系统更复杂，稳定性将成为瓶颈。
刘培超对现阶段硬件条件下人形机器人能否在工业场景中撑起5万小时性能存疑。“5万小时是行业通用要求，实现5万小时后再突破10万小时，这是一个循序渐进的过程。目前在工业场景，手臂已经能支撑10万小时的性能。”
姚卯青也指出，具身智能许多零部件的可靠性还未经过充分的时间检验。这个赛道真正成长只有两三年，现阶段许多零部件甚至还没有达到类似汽车16949标准的要求。
“需求驱动硬件。一定要认清将来可能主要应用的场景，再设计硬件。”他以灵巧手为例：将自由度集中在那么小的空间里很难，需要在应用中寻找可靠性、成本、负载等“不可能三角”的平衡。“许多灵巧手依然存在一些早期问题，比如采集数据一两周就需要返修，或每工作半小时就要散热。这些可以通过探索应用改善。”
行业内也存在“由模型定义本体”的声音。仉尚航认为，具身开放平台需要系统迭代形成飞轮，而这应当由模型来定义问题，比如自由度怎么设计、关节怎么设计，让机器人更具泛化性，甚至更容易跨本体升级和迭代。
这与腾讯具身智能战略选择形成呼应。腾讯不做硬件本体，而是以Tairos（钛螺丝）平台承担具身大脑的角色，面向机器人本体厂家和应用开发商输出能力，同时通过硬件抽象层快速适配不同厂商的设备。
张正友用手机、电脑行业打了个比方：就像iOS与安卓、Mac与Windows，机器人行业也会分化出“全栈自研”和“平台+生态”两条路，腾讯选的是后者。目前，Tairos已与越疆、宇树、智元等头部厂商落地合作。
记者3月19日从天津大学获悉，该校环境学院刘庆岭教授团队与吉林大学于吉红院士团队以及天津工业大学梅东海教授团队合作，证明了无有机模板剂合成的具有OFF和ERI拓扑共生结构的Cu-T催化剂具有优 记者从国家航天局获悉，3月20日8时31分，探月工程四期鹊桥二号中继星由长征八号遥三运载火箭在中国文昌航天发射场成功发射升空。科技日报记者 付毅飞 摄火箭飞行24分钟后，星箭分离，将鹊 21世纪经济报道记者 冯恋阁 王俊 广州、北京报道2013年播出的科幻电视剧《黑镜》第二季中有这样一个故事——女主角玛莎在男友艾什被车祸夺走生命之后，长久无法走出分离的痛苦，最终选 习近平总书记在中共中央政治局第三次集体学习时强调，要加强科研学风作风建设，引导科技人员摒弃浮夸、祛除浮躁，坐住坐稳“冷板凳”。甘坐“冷板凳”是一种平心静气从事科学研究、追寻科学真理的 英伟达的GPU又升级了。3月19日，英伟达CEO黄仁勋发布了最新的B200算力芯片GPU，FP8精度下的训练性能是上一代的2.5倍，FP4精度下的推理性能更是达到了上一代的5倍。然而，这场技术狂欢背后，却令AI领域 “啪嗒啪嗒......”一只机器狗在街上迈着规律的步伐，拉着牵引绳的盲人，在它的带领下越过沿路障碍，平稳地行走着，电子导盲犬能否取代传统导盲犬，解决视障人士一犬难求的困境？西工大团队在这方面开展 。本文链接：从展台到产线，具身智能还差几步http://www.sushuapos.com/show-2-16878-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 跟00后实习总工在WAIC“找茬”