ROBOT INDUSTRY

在具身智能領(lǐng)域，智源研究院可謂是“特別”的存在，它不追逐商業(yè)藍海、不蹭行業(yè)熱點，卻得到了一眾明星企業(yè)的擁護。走進智源具身訓練場，我們看見了他們的故事。

跌倒、沖撞、攙扶，在智源研究院，我們看到了人形機器人日常訓練中的真實一面。“未來兩三年，人形機器人不會進入到家庭滿地跑，我非常確定不會發(fā)生。”智源研究院院長王仲遠說道。

當各大廠商爭相卷硬件、卷模型、卷數(shù)據(jù)時，智源研究院作為一家非營利性的“第三方”，始終冷靜審視著行業(yè)邁出的每個腳印。“賽道周期非常長，里面的變數(shù)非常多，有可能會出現(xiàn)遇冷甚至低谷的情況，但我認為整個方向沒有問題，產(chǎn)業(yè)是螺旋式上升。”在王仲遠看來，發(fā)展具身智能已經(jīng)成為行業(yè)共識，但過程離不開產(chǎn)業(yè)協(xié)同，每一個單點突破都難以形成化學反應(yīng)。

“我們特別希望，也呼吁越來越多的機器人廠商與我們合作，提供本體的各種數(shù)據(jù)?！睂τ诖蟛糠謩?chuàng)業(yè)公司而言，訓練模型的成本非常高，現(xiàn)階段的市場規(guī)模難以支撐他們做出這樣冒風險的決定。“我們可以為他們提供大腦，類似于他們造手機，我們提供操作系統(tǒng)，”王仲遠直言，“誰家數(shù)據(jù)用得多，我們訓練出的模型就會在這家機器人上更好用?！?/strong>

1

公共底座降低具身智能產(chǎn)業(yè)化門檻

前不久，2025智源具身智能開放日在北京舉行，智元機器人、銀河通用、星海圖、加速進化、自變量等一眾具身智能領(lǐng)域的明星公司，以及中國科學院大學、招商局集團等知名院校和龍頭企業(yè)代表悉數(shù)到場。

智源研究院院長 王仲遠

“有這么多學者和企業(yè)愿意來到這里，而且大多都是CEO和聯(lián)合創(chuàng)始人級別的企業(yè)家，說明中國的具身智能生態(tài)正在逐步形成，大家愿意聚攏在智源研究院周圍一起討論，相互學習、相互進步，這本身就是一件很好的事情?！?/p>

“當前人工智能正處在一個新的拐點，推動機器人從1.0專用機器人時代邁向2.0通用具身智能時代，從專用機器人邁向真正能夠完成多種任務(wù)的具身智能機器人時代?！?/strong>基于這樣的思考，智源研究院在今年6月發(fā)布了“悟界”系列大模型，推動人工智能從數(shù)字世界邁向物理世界。

如今，智源研究院已經(jīng)構(gòu)建起以具身大腦為核心，自底向上全棧具身智能技術(shù)體系，包括能夠跨異構(gòu)本體數(shù)據(jù)采集以及標準化一站式平臺，具身大小腦以及VLA等具身基座模型，還有具身智能評測等，為具身技術(shù)生態(tài)提供一套可復現(xiàn)、可對齊的公共基礎(chǔ)設(shè)施，降低從研究到產(chǎn)業(yè)化落地的門檻。

2

具身智能技術(shù)研發(fā)持續(xù)破壁

王仲遠認為，能夠完全自主決策、完成各種任務(wù)、與人類自由交互的完全端到端具身大模型，依然有很長的路要走，短期內(nèi)比較現(xiàn)實的行業(yè)解決方案依然是“具身大腦”和“小腦”結(jié)合的模型。

人類通過聽覺、視覺感知世界，在交互中理解世界。智源研究院發(fā)布的多模態(tài)世界模型Emu3.5同樣遵循這一原理，基于海量視頻數(shù)據(jù)，訓練對時空狀態(tài)的預測能力?！币曨l是能夠模擬真實世界最高效的載體，也是唯一包含時間、空間、物理、因果關(guān)系以及意圖等各種要素的數(shù)據(jù)?！?strong>王仲遠表示，在實際訓練中發(fā)現(xiàn)，隨著多模態(tài)視頻數(shù)據(jù)的增加，大模型的能力得到了顯著提升，未來或?qū)㈤_啟全新的“多模態(tài)Scaling”范式。

多模態(tài)世界模型無疑將對推進具身智能發(fā)展起到重要推進作用，但王仲遠還一針見血地指出，現(xiàn)階段具身大模型仍面臨著“不好用、不通用、不易用”的核心痛點。“不好用”是指雖然具身智能在過去一兩年取得了快速發(fā)展，但還沒有到“ChatGPT時刻”。“不通用”是指很多模型依然只適用于一個本體或同品牌的本體。“不易用”則是指大腦、小腦和本體的適配難度仍然較高。

為化解這些困擾行業(yè)的痛點難題，智源研究院推出了跨異構(gòu)本體的具身大小腦協(xié)作框架RoboBrain 2.0 Pro，引入RoboBrain-Dopamine和RoboBrain-SpatialTrace，分別提升機器人對動作時序價值和三維空間結(jié)構(gòu)的理解與推理能力。同時，基于RoboBrain構(gòu)建了通用 VLA 模型族，包括能夠?qū)崿F(xiàn)零樣本跨本體遷移和長程多步驟操作的RoboBrain-X0 Pro，以及通過使用大量人類演示預訓練即可適配靈巧手操作，大幅降低數(shù)據(jù)成本并在復雜操控中取得領(lǐng)先表現(xiàn)的RoboBrain-Dex 。此外，智源研究院還發(fā)布了貫通仿真訓練到真機部署的泛機器人小腦智能Emu-RobotVerse，以及專為人形機器人設(shè)計的全身控制框架BAAI Thor。

智源研究院具身研究負責人還各自分享了最新研究進展。

在人機交互方面，智源研究院推出了原生全雙工語音大模型RoboBrain-Audio與終身認知記憶系統(tǒng)RoboBrain-Memory，讓機器人能夠記住交互的點滴，更像一個思維敏捷、記憶力超群的老朋友。

在平臺與工具鏈方面，智源研究院開放了“面向異構(gòu)本體、規(guī)范操作流程、提高研發(fā)效率”的具身數(shù)據(jù)軟件框架CoRobot，打造了面向具身智能的多芯片訓練與推理一體化框架FlagOS-Robo，實現(xiàn)大腦模型與小腦模型的高效訓練與推理，以及覆蓋“數(shù)據(jù)采集-數(shù)據(jù)標注-數(shù)據(jù)管理-模型訓練-仿真評測-模型部署”的全流程開發(fā)平臺RoboXstudio。

在數(shù)據(jù)方面，基于具身數(shù)據(jù)軟件框架CoRobot，智源研究院聯(lián)合多家具身智能公司和海內(nèi)外高校建設(shè)并開源了“全球本體數(shù)最多、標注最精細、使用最便捷”的高質(zhì)量雙臂機器人真機數(shù)據(jù)集RoboCOIN。

在評測方面，智源研究院推出了面向具身智能的系統(tǒng)化評測服務(wù)平臺FlagEval-EmbodiedVerse，開源“難度高、覆蓋廣”的具身推理能力評測基準ERQA+，并聯(lián)合北京郵電大學建設(shè)面向具身智能物理安全評測基準體系，聯(lián)合Dexmal 原力靈機、Hugging Face 等共十家單位，正式成立 RoboChallenge 組委會。

3

打造健康的具身智能產(chǎn)業(yè)生態(tài)

”數(shù)據(jù)非常重要，怎樣形成數(shù)據(jù)飛輪更加重要?！蓖踔龠h指出，談?wù)摂?shù)據(jù)時不能脫離場景和需求，要關(guān)注解決實際問題的能力。“具身機器人創(chuàng)業(yè)公司應(yīng)該聚焦真實需求，把一個場景打磨透，做到7×24小時穩(wěn)定工作，這才是產(chǎn)品應(yīng)解決的問題。有些創(chuàng)業(yè)公司一開始就想要做萬能具身，這讓人有些擔心?！?/strong>

相比于企業(yè)，智源研究院沒有營收“枷鎖”的束縛，可以心無旁騖地專注于高泛化性的具身智能研發(fā)，打磨通用能力。因此，智源研究院與具身智能企業(yè)之間形成了天然的良性分工，“企業(yè)共享不涉及用戶隱私的數(shù)據(jù)，幫助我們訓練具身大模型，訓練出的模型再分享給企業(yè)，讓他們不必從零開始。”得益于此，智源研究院的“朋友圈”越來越大。

目前，智源研究院已經(jīng)開源多款大模型。“我們特別希望通過這樣善意的舉動促進行業(yè)互動，并與更多企業(yè)共同訓練和提升模型能力?！痹谝恍I(yè)論文和技術(shù)報告中，可以在致謝中看到智源研究院的名字，這一簡單的舉動正是王仲遠樂于看到的，它代表著一個健康的產(chǎn)業(yè)生態(tài)正在形成。

面向短期未來，王仲遠認為具備解決具體任務(wù)的專業(yè)型具身智能機器人有望在細分領(lǐng)域落地應(yīng)用，并逐步擴大規(guī)模實現(xiàn)商業(yè)化，但對于具備通用能力的具身智能產(chǎn)品要保持客觀期待。下一步，智源研究院將持續(xù)迭代并同步公布在開源項目、數(shù)據(jù)集與評測平臺上的進展，同時與產(chǎn)業(yè)伙伴推進聯(lián)合試點，加速具身智能從實驗室走向生產(chǎn)線。

閱讀更多內(nèi)容，歡迎訂購《機器人產(chǎn)業(yè)》雜志。

點擊跳轉(zhuǎn)！圈內(nèi)人都在看的專家觀點