模型能力提升,机器人开始自主学习了
2026-11-20 15:10:55未知 作者:徽声在线
界面新闻记者 | 徐美慧
界面新闻编辑 | 文姝琪
随着模型能力提升,机器人开始自主探索新技能,但距离真正稳定上岗还有不小的差距。
今年10月,英伟达公布的一项仿真研究显示,GPT-6 Astra在引入智能体框架后,机器人操作任务成功率达到74.8%,而在直接调用模型的测试中,平均每次推理需要18.56秒。通用大模型展现出控制机器人的能力,但响应速度和计算成本仍难以满足真实作业需求。
“即便技术再好,如果只待在实验室里,没有商业化推广,数据飞轮就迭代不起来。”11月18日,大晓机器人董事长、商汤科技联合创始人王晓刚在接受界面新闻等媒体采访时表示,具身智能正在迎来技术突破,但要让模型继续进步,机器人必须进入真实场景,持续积累真机数据和交互经验。
这背后是具身智能技术路线的一次变化。过去,机器人主要依赖大量操作数据进行模仿学习;如今,Astra等通用模型开始展示空间理解、任务规划乃至自主探索能力。王晓刚认为,通用模型从上往下获得具身能力,与VLA、世界模型等从下往上训练的路线并不矛盾,两者将长期互补。
不过,直接让通用大模型控制机器人,效率和成本仍难满足经营需求。他举例,新任务的首次探索可能耗费数小时,难以让机器人在工作中每完成一个动作都重新推理。大晓选择的双脑协同架构,是让通用模型承担复杂任务拆解、探索新技能,由世界模型负责物理状态判断和动作后果预测,再将经过验证的方法固化为端侧可以重复调用的skill。
这套思路被放进了大晓最近落地的酒店洗衣场景。机器人要从客房取衣,经过走廊抵达洗衣房,操作洗衣机和烘干机,最后装篮送回客房。大晓通过Mundo世界模型重建酒店空间,并引入物体质量、摩擦等物理属性,让机器人先在仿真环境里训练,再到真实酒店执行。
据大晓介绍,团队还将53个原子动作组织为14个高层步骤,按路线、设备状态及订单要求组合成不同流程。在一次现场决策测试中,Astra首次探索耗时30分15.64秒;固化成skill后,机器人单轮执行耗时18.648秒,约提速97倍。
比让机器人完成一次任务更难的,是让它从失败中改进。
这一路径称作具身智能RSI(Recursive Self-Improvement),即递归自我改进。这一概念并非新近出现,今年年中,RSI在大模型领域的讨论逐渐升温,业界关注AI能否参与改进自身代码、训练方法乃至模型研发流程。随着相关研究推进,这一思路也开始延伸到机器人自主学习和技能优化。
王晓刚向界面新闻记者解释,具身智能RSI可以分为三个阶段:
- 第一阶段是自主探索,即机器人面对新任务时,通过零样本学习(zero-shot learning)寻找解决方案,而不必针对每个场景重新采集大量示范数据;
- 第二阶段是经验积累,将成功方案、失败教训沉淀为代码、skill,或把相关物理规律写入世界模型,让机器人下一次能够直接复用;
- 第三阶段则涉及更底层的研发流程,让模型参与改进模型架构、仿真测试等环节,推动整体能力提升,而不只是优化某个具体动作。
那么,怎样证明机器人确实学会了新能力,而不只是在固定场景反复刷题?
王晓刚认为,关键要看它对新任务的学习和掌握能力,以及执行效率。此外,skill的升级还必须经过仿真和真机测试,确保原有能力没有退化,不能为了提高某项操作的成功率而引入新的安全风险。
今年9月提交的EmbodiRSI论文尝试让机器人根据失败反馈持续改进操作策略。在14项桌面子任务中,经过两轮迭代,系统的仿真成功率从50.4%提高至83.5%。不过,这仍主要验证了特定任务中的改进能力,不能直接证明机器人具备跨场景的泛化能力。
大晓提供了一个还不算完美的例子。针对烘干机取衣skill,机器人在约57小时内完成165轮真机实验,提出37条改进建议,形成约80个技能版本,场景也开始扩展到牛仔裤、洗衣袋及混合衣物。后期单轮用时为170至210秒,牛仔裤留在筒内的比例从平均48%降至32%,最好一次为19%。
图片来源:大晓
这表明重复试验带来了改善,但距离稳定取净衣物仍有差距。单项技能在特定设备上不断改善,并不意味着机器人换个环境后仍能保持相同表现,如何兼顾自主作业、泛化能力和商业回报,也是整个行业面临的难题。
Interact Analysis今年发布的报告指出,自主作业、投资回报和多任务泛化,仍是人形机器人难以同时满足的三个条件。2025年全球人形机器人产量超过2万台,但约只有一成被部署在真实应用场景,其余主要用于科研、数据采集和娱乐展示。
Gartner今年1月预测,到2028年,将人形机器人投入供应链和制造业实际生产的企业仍少于20家。
与此同时,企业正尝试提高机器人的学习和操作能力。11月10日,谷歌DeepMind发布Gemini Robotics 2.5,在与Apptronik、梅赛德斯-奔驰合作的汽车零部件分拣试点中,任务成功率达到96%。英伟达GR00T 2在50项任务中,每项仅提供一次示范,平均成功率达到71%。
国内整机厂商也在增加真实场景的部署。今年10月,智元披露其武汉智慧零售仓18天累计完成827单,抓取成功率超过97%。不过,无论模型测试成绩还是实际订单量,都不能直接证明机器人已经实现长期稳定运营和盈利。
在11月17日的APEC工商领导人峰会上,宇树科技王兴兴也将泛化能力称为机器人当下最大的挑战。他认为,机器人不能每换一个环境就重新训练,即便模型取得突破,可靠性、售后服务和大规模生产仍有难关。
对于具身智能如何实现规模化落地,王晓刚认为,商业化不能只看出货和部署数量。对于零售场景,机器人如果只能抓取货物,与自动售货机的差别并不明显,只有能承担更多工作、控制成本,并让客户在合理期限内获得收益,规模部署才可持续。
他还以自动驾驶的发展为例指出,随着大量乘用车搭载辅助驾驶系统,真实道路数据的持续反馈推动了技术迭代。“在具身里面也需要这样,我们要摆脱原来实验室环境,把更多机器人放到真实生产环境里,大量反馈数据,这样才能极大推动迭代发展。”
对大晓来说,商业化也意味着不能只做机器人“大脑”。王晓刚说,客户拿到的必须是软硬件产品。大晓已推出轮式双臂机器人,主要面向零售场景,今年计划实现数百台出货,大晓重点掌握模型、产品设计和客户场景,生产制造则更多依靠合作伙伴。
目前,大晓的酒店实践仍处于早期。王晓刚称,团队用不到三个月完成了场景落地,但长期稳定性还需要验证,系统也在与酒店既有业务流程对接。未来计划进入更多酒店,并向餐厅、客房等场景延伸。
除了实际运营和商业回报,具身智能企业还面临另一个问题。随着通用大模型越来越多地参与机器人任务规划和技能生成,国内企业能否掌握相应的底层模型能力,变得更加重要。
王晓刚认为,目前国内通用大模型在具身能力上仍未达到Astra的水平。海外模型虽然能够帮助企业探索技术路线,但如果长期依赖外部模型进行任务推理和能力迭代,也会面临自主可控和数据积累方面的风险。
“总有一天我们需要用自己的模型去替换海外模型。”王晓刚表示,国内企业需要尽快补齐相关能力。随着更多机器人进入真实场景,数据和经验积累的速度将进一步加快,如果不能及时跟上,国内外模型的能力差距也可能迅速拉大。

