WAIC深度对话 | 大晓机器人陶大程：物理AI商用，高质量交互数据成关键瓶颈

7月16日，在“2026世界人工智能大会（WAIC）”正式拉开帷幕的前一天，大晓机器人的联合创始人兼首席科学家陶大程，携手《每日经济新闻》等多家媒体的记者，进行了一场深入的交流与探讨。

自2026年起，世界模型已然成为具身智能领域内的热门焦点。诸如李飞飞、吴恩达等行业领军人物所创立的研究世界模型的企业，均成功获得了高达10亿美元级别的巨额融资，这一现象充分彰显了该领域的巨大潜力与广阔前景。

大晓机器人，作为国内世界模型领域的佼佼者，其诞生便自带光环。它由商汤科技的首席科学家王晓刚与澳大利亚科学院院士、欧洲科学院外籍院士陶大程携手共创，实力不容小觑。

在谈及当下具身智能应用所面临的瓶颈时，陶大程有着独到的见解。他指出：“算法、硬件以及数据，这三者都是制约具身智能发展的关键因素。若非要从中挑选出当前物理AI商业化的首要瓶颈，我认为无疑是可形成闭环的高质量交互数据的匮乏。更确切地说，是缺乏一种能够将数据评价与真实部署紧密连接起来的基础设施。”

众所周知，大语言模型的训练主要依赖于文本数据，而互联网上的文本数据具有通用性，所有大语言模型均可加以利用。然而，具身智能领域的数据却大相径庭。甲公司机器人经过训练所得的数据，往往无法直接应用于乙公司的机器人上，这无疑给具身智能的发展带来了极大的挑战。

针对这一难题，陶大程表示：“这涉及到跨本体的问题。大晓机器人致力于长期构建的核心能力，便是一个跨本体、跨场景的物理经验操作系统。该系统能够精准识别哪些经验具有控制价值，将人类、机器人、仿真以及第一视角的数据映射到一个共同的事件空间中。在部署之前，系统还能对候选动作进行比较分析，从失败中迅速恢复，并将真实偏差及时反馈给模型，从而不断优化模型性能。”

他进一步补充道：“由于高质量、可闭环且精确标注的数据极为稀缺，因此我们必须通过建立统一的标注体系，将不同本体的数据映射到共同事件空间中。在这一空间内开展模型训练，可以最大限度地复用不同本体所积累的物理经验，提高数据利用效率。”

在采访过程中，记者也注意到一个现象：当桌面高度、物体位置等环境条件发生变化时，一些机器人的动作往往会变得僵硬不自然。那么，大晓机器人是否正在通过开放环境算法来提升机器人的泛化能力呢？

对此，陶大程给出了肯定的答复：“这确实是大晓机器人正在长期推进的一个重要方向。百万小时的数据主要用于验证模型的基础能力和体系结构，而千万小时的数据则更多地用于解决长尾问题。当环境尺寸发生变化后，机器人无法适应，本质上就是数据长尾和泛化能力不足所导致的。”

他举例解释道：“要形成有效的泛化能力，就需要足够多样的训练数据来帮助模型理解更底层的规律。就像人学习加法一样，不能仅仅做一道题就满足，而要在不同位数、不同数字组合的题目中理解运算原则，这样才能将所学知识泛化到新的问题上。将复杂行为拆解为简单行为的组合并不是一个全新的思想，过去的行为分析研究就已经采用了类似的方法。未来，行业将继续探索如何以较低的复杂度实现动作组合，但这仍然需要足够的数据来支撑模型形成稳定的泛化能力。”