作者｜栗子

編輯｜星奈

媒體｜AI大模型工場

最近兩天，首屆世界人形機(jī)器人運(yùn)動會吸引了全世界的關(guān)注，各種機(jī)器人大顯神通，有百米“飛人”，有“撞人逃逸”的，打拳搏擊的，踢足球的等等，機(jī)器人貢獻(xiàn)了各種“名場面”。

不過在16日上午的跳高賽場上，出現(xiàn)了一個讓全場沸騰的瞬間。身高171cm、體重65kg的全尺寸雙足人形機(jī)器人——星動L7，在助跑蓄力后完成一個酷似“超級瑪麗跳”的動作，騰空、懸停、穩(wěn)穩(wěn)落地，最終定格在95.641cm的高度。這一成績不僅讓它斬獲該項目的桂冠，更是直接創(chuàng)造了世界紀(jì)錄。

從起跳時的動力爆發(fā)，到騰空時的姿態(tài)修正，再到落地時的穩(wěn)定緩沖，L7展現(xiàn)出機(jī)器人“算法+硬件”高度耦合的能力。

在上周WRC主論壇上，星動紀(jì)元創(chuàng)始人陳建宇用“通用大腦與通用本體相結(jié)合”總結(jié)了L7背后的技術(shù)邏輯，并進(jìn)一步描繪了機(jī)器人從工廠走進(jìn)家庭的清晰路徑。

回看他的演講，讓外界意識到，這場跳高奪冠并非僅僅是一場表演，也揭示了更大的趨勢：人形機(jī)器人已經(jīng)走到“ChatGPT”時刻的前夜，相關(guān)技術(shù)也正在快速收斂，機(jī)器人也正在從“表演”走向“實(shí)用”。

星動L7是星動紀(jì)元近期發(fā)布的最新一代全尺寸高性能人形機(jī)器人，這款身高171 cm的雙足機(jī)器人，憑借國內(nèi)首個“既能整活、又能干活”的表現(xiàn)引發(fā)關(guān)注——它既能完成360°旋轉(zhuǎn)爆發(fā)跳、街舞Breaking等高動態(tài)“整活”動作，又能在物流、工廠實(shí)現(xiàn)分揀、掃碼、打螺絲，還能完成撕紙巾、拉窗簾等柔性“干活”操作，實(shí)現(xiàn)“雙突破”。

其搭載的 400N?m、25rad/s 自研關(guān)節(jié)模組性能居全國首位，可完成 360° 旋轉(zhuǎn)跳、街舞等高動態(tài)爆發(fā)動作，實(shí)測跑步速度達(dá) 4m/s，打破人形機(jī)器人奔跑速度紀(jì)錄。同時，其上肢 7 軸仿人機(jī)械臂配合腰部 3 個自由度，具備 2.1 米直徑全域操作空間，手部搭載的全直驅(qū)仿人五指靈巧手可復(fù)現(xiàn)人類手部動作，協(xié)同端到端 VLA 大模型 ERA-42，僅需少量數(shù)據(jù)就能學(xué)習(xí)多種新技能。在商業(yè)化落地上，星動L7還支持 "全尺寸 + 半身形態(tài)" 切換方案，適配多樣化場景，用“按需定制”的方案，降低單場景部署成本。

除了L7，星動紀(jì)元還有面向服務(wù)業(yè)的Q5、行業(yè)首創(chuàng)直驅(qū)靈巧手XHAND1等產(chǎn)品，組成“通用本體+通用大腦”的完整矩陣。它們的核心大腦正是星動紀(jì)元自研的ERA-42端到端VLA具身大模型，通過融合世界模型和強(qiáng)化學(xué)習(xí)，實(shí)現(xiàn)“看視頻學(xué)技能”“少量數(shù)據(jù)快速上手”的能力。

“VLA已經(jīng)成為行業(yè)共識?！标惤ㄓ钤诓稍L中直言。早年間，業(yè)界對端到端模型是否可行仍有分歧，但如今無論國內(nèi)外，越來越多廠商展現(xiàn)出不錯的VLA成果，逐漸形成了收斂的技術(shù)路線。星動紀(jì)元自創(chuàng)立之初就堅定選擇這一方向，如今，這條“少有人走的路”正成為行業(yè)主流。

在WRC論壇結(jié)束后，陳建宇接受媒體采訪，回答了VLA及星動紀(jì)元未來的發(fā)展等行業(yè)最關(guān)注的幾個問題，以下為現(xiàn)場陳建宇與媒體的對話實(shí)錄，有刪減：

Q：今年具身智能領(lǐng)域的技術(shù)路線有哪些明顯變化？為何VLA會成為共識？

陳建宇：今年技術(shù)路線在大方向上呈現(xiàn)顯著收斂，無論軟件還是硬件。VLA這個概念在去年甚至前年提及甚少，最開始行業(yè)對端到端存在諸多爭議，連是否采用learning base方法都有分歧——此前機(jī)器人學(xué)習(xí)多以基于模型計算等方法為主。

后來，機(jī)器人通過強(qiáng)化學(xué)習(xí)實(shí)現(xiàn)更穩(wěn)定行走，大家才逐漸認(rèn)可learning base方法。而分層式模型與端到端VLA模型的爭議，也隨著國內(nèi)外團(tuán)隊（包括星動紀(jì)元及友商）展現(xiàn)出不錯的VLA能力，讓行業(yè)逐步相信這一路線的可行性。

星動紀(jì)元從創(chuàng)立第一天就堅持這一路線，因為從第一性原理判斷，這是最終路徑。我們和同行的實(shí)踐證明了其有效性，也讓更大范圍的人開始接受。

Q：世界模型與VLA是什么關(guān)系？它是VLA的演進(jìn)方向嗎？

陳建宇：我把VLA視為更廣泛的概念——只要機(jī)器人具備視覺感知、語言交互能力，包含行為輸出，且是端到端模型，能與人語言交互、在物理世界作業(yè)，就屬于VLA。從這個意義上，世界模型是VLA的一條演進(jìn)路徑，是下一個范式的VLA模型。

世界模型并非獨(dú)立存在，而是在現(xiàn)有狹義VLA基礎(chǔ)上，進(jìn)一步改進(jìn)機(jī)器人的精細(xì)化操作能力、泛化能力和認(rèn)知能力。要實(shí)現(xiàn)VLA進(jìn)階，兩大核心技術(shù)不可或缺：

一是世界模型與生成式模型的融合，不是簡單引入單獨(dú)的世界模型，而是讓模型同時生成對未來的預(yù)測、認(rèn)知及行為。星動紀(jì)元去年完成了全球首個融合工作，論文引發(fā)廣泛討論，不少同行已開始關(guān)注合作，這很快會形成新共識。

二是VLA的強(qiáng)化學(xué)習(xí)，運(yùn)動控制模型（如僅用于走路的模型）可成為通用范式。我們?nèi)ツ暌验_展探索并發(fā)表論文，核心是研究如何在現(xiàn)有VLA框架下通過強(qiáng)化學(xué)習(xí)提升機(jī)器人在各類任務(wù)中的通用能力。

Q：人形機(jī)器人上下肢協(xié)同存在技術(shù)卡點(diǎn)嗎？如何實(shí)現(xiàn)全身控制？

陳建宇：全身協(xié)同技術(shù)我們已基本跑通，沒有絕對意義上的卡點(diǎn)。但人形機(jī)器人上下肢技術(shù)本身難度都很高，需分步驟攻克，不過這并非不可逾越——目前已有很多成功案例可證明。

具體來說，上肢和下肢在建模及交互設(shè)計上，VLA與運(yùn)動控制層的交互設(shè)計上，都需要精心設(shè)計；數(shù)據(jù)收集需做好規(guī)劃；而模型架構(gòu)是關(guān)鍵，優(yōu)質(zhì)架構(gòu)不應(yīng)局限于僅控制上肢或全身，一旦架構(gòu)足夠優(yōu)秀，控制上肢、下肢或全身的區(qū)別并不大。

Q：提升泛化能力與運(yùn)動控制，哪個更急迫？具身智能的核心競爭力是什么？

陳建宇：泛化能力的提升核心在大腦（模型），但難度更高，因為要應(yīng)對更復(fù)雜的交互場景；運(yùn)動控制作為底層支撐，也需要良好的泛化能力，以保證動作精準(zhǔn)柔順，但其僅涉及機(jī)器人自身動作控制。

決定具身智能能力差異的關(guān)鍵有三點(diǎn)：第一，模型架構(gòu)是重中之重，直接決定能力上限；第二，數(shù)據(jù)的多樣性、來源豐富度及質(zhì)量比數(shù)量更重要；第三，本體的性能與復(fù)雜度——比如有腿才能上下樓，有靈巧手才能用復(fù)雜工具，本體優(yōu)劣會限制任務(wù)上限和復(fù)雜度。

Q：當(dāng)前機(jī)器人效率離理想狀態(tài)還有差距，如何突破？

陳建宇：我持樂觀態(tài)度。在部分真實(shí)工業(yè)場景中，我們的機(jī)器人效率已達(dá)人類的70%以上，預(yù)計明年提升至90%，正快速接近理想狀態(tài)。這得益于端到端模型的實(shí)時反饋與控制能力——與此前分階段處理（先識別、再規(guī)劃、后動作）不同，端到端能像人類一樣實(shí)時響應(yīng)、即時校正，大幅提升節(jié)拍效率。同時，硬件本體的性能，尤其是速度等指標(biāo)，也提供了支撐。隨著軟硬件打磨，未來效率有望達(dá)到甚至超越人類。

Q：人形機(jī)器人的殺手級應(yīng)用會出現(xiàn)在哪里？進(jìn)入家庭還需多久？

陳建宇：殺手級應(yīng)用需分長期與短期。長期來看，最終會進(jìn)入家庭；但前期需在B端場景先行落地——一方面為企業(yè)創(chuàng)造價值，另一方面通過實(shí)際場景磨煉技術(shù)、積累數(shù)據(jù)，推動技術(shù)飛輪轉(zhuǎn)動，因此工業(yè)等B端場景會率先發(fā)展。

機(jī)器人進(jìn)入家庭其實(shí)已發(fā)生，比如掃地機(jī)器人。未來幾年，會有更多簡單形態(tài)機(jī)器人走進(jìn)家庭；同時，少部分高凈值家庭可能開始使用功能尚不完善的通用人形機(jī)器人嘗鮮，這一趨勢近幾年會逐步顯現(xiàn)。以未來五年為界限，我認(rèn)為將是家用機(jī)器人爆發(fā)的窗口期。

Q：靈巧手從去年到今年有哪些突破？星動紀(jì)元的定位是什么？

陳建宇：去年靈巧手樣機(jī)剛出來，現(xiàn)在已實(shí)現(xiàn)穩(wěn)定量產(chǎn)，成本下降很多，穩(wěn)定性提升，客戶量增加。此外，力量和速度有提升，還推出了更高自由度的新品。更重要的是，硬件結(jié)合VLA后，已能端到端直接控制每個手指關(guān)節(jié)的高頻動作，打磨得非常不錯。

星動紀(jì)元的定位是軟硬一體：硬件做通用人形，軟件做端到端通用模型。從2022年實(shí)驗室階段就沿此路徑，先造雙腿、做運(yùn)動控制，再構(gòu)建完整人形及端到端模型，后來攻克雙手技術(shù)——因為雙手比雙腿更重要，所有精細(xì)操作都依賴雙手，而雙腿的核心是將雙手運(yùn)到作業(yè)地點(diǎn)。

我們在VLA模型研究上國內(nèi)時間最長、成果最豐富，從快慢系統(tǒng)到世界模型再到強(qiáng)化學(xué)習(xí)，均全球率先研發(fā)；硬件上深度自研，能做完整雙手雙足機(jī)器人，靈巧手可產(chǎn)品化出售，核心零部件從電機(jī)到減速器均自主設(shè)計。

Q：星動紀(jì)元為何堅持開源？未來技術(shù)演進(jìn)的關(guān)鍵是什么？

陳建宇：我們會持續(xù)推進(jìn)模型開源。去年初推出全球首個運(yùn)控強(qiáng)化學(xué)習(xí)開源算法humanoid gym，目前是github上最受歡迎的人形機(jī)器人開源算法，有1000多個star；今年初又開源了VLA的生成式大模型VPP，后續(xù)還有更多動作。

具身智能的進(jìn)步需要整個生態(tài)共同努力。AI領(lǐng)域發(fā)展快，很大程度得益于開源風(fēng)氣——開源后行業(yè)能在已有基礎(chǔ)上深入研究，后續(xù)成果又能啟發(fā)先行者。我們開源后，不少同行在我們工作基礎(chǔ)上改進(jìn)并開源，無論論文還是模型，都給了我們很多啟發(fā)。

未來技術(shù)演進(jìn)的關(guān)鍵，仍是沿著VLA的廣義路徑持續(xù)迭代，融合世界模型與強(qiáng)化學(xué)習(xí)，提升機(jī)器人的精細(xì)化操作、泛化與認(rèn)知能力，同時通過軟硬一體打磨，讓機(jī)器人從實(shí)驗室走向產(chǎn)業(yè)化，最終走進(jìn)千家萬戶。

結(jié)語

或許在不遠(yuǎn)的未來，機(jī)器人將不再只是工具，而是成為家庭的新成員。為孩子講睡前故事，為老人遞一杯熱茶，為忙碌的職場人分擔(dān)家務(wù)。

一個由具身機(jī)器人賦能千行百業(yè)、融入千家萬戶的時代，正帶著希望與溫度，加速向我們走來。