機器人存在的意義是什么？

在北京人形機器人創(chuàng)新中心看來，答案始終明確而堅定：機器人，最終是為了“能干活、會干活”——是為了走入工廠乃至千家萬戶，去完成那些重復、繁重、高危的實際任務，創(chuàng)造真實價值。

今天，我們離這個目標又近了一大步。

在業(yè)界目光正逐步向?qū)嵱妙I域傾斜，大眾對于機器人“干活”的呼聲也日益強烈的背景下，北京人形機器人創(chuàng)新中心在18日的直播中，正式宣布開源其核心的具身智能跨本體視覺語言動作（VLA）大模型XR-1，推動具身智能機器人向“全自主、更好用”的目標邁進。

結合北京人形升級版大規(guī)模機器人數(shù)據(jù)集RoboMIND V2.0，以及高保真鉸接物體數(shù)字資產(chǎn)數(shù)據(jù)集ArtVIP，我們能夠發(fā)現(xiàn)，此次開源并非一次單純的技術共享，而是一套旨在系統(tǒng)性解決機器人如何“能干活、會干活”這一核心難題的完整方案。

▍XR-1：一個能跨場景、跨本體、多任務干活的VLA模型

要讓機器人像人一樣靈巧、智能地完成任務，關鍵在于“腦”的協(xié)同。北京人形將這一體系解構為“具身大腦”與“具身小腦”。

“具身大腦”負責高層的認知、規(guī)劃與決策，理解“要做什么”和“為什么做”。此前，北京人形已開源了世界模型WoW（我悟）和多模態(tài)具身通用模型Pelican-VL（天鶘），為機器人提供了理解物理世界和進行復雜任務規(guī)劃的能力基礎?！熬呱硇∧X”則負責將大腦的指令轉化為精準、流暢、適應本體特性的動作，解決“具體怎么做”的問題。

XR-1，正是北京人形為機器人打造的“超級具身小腦”的重要組成部分。

它不是一個停留實驗室中的理論模型，剛剛在由中國電子技術標準化研究院組織的、基于國家標準的“求索”具身智能測評（EIBench）中，XR-1是首個且唯一通過全部測試的VLA模型，獲得了CESI-CTC-20251103具身智能測試證書權威認證。

EIBench測評的核心目標，正是直擊具身智能領域數(shù)據(jù)難復用、模型泛化性差、安全難保障等產(chǎn)業(yè)痛點。測評覆蓋取放、推拉、旋轉、插入等8類核心操作動作，并從物體屬性、環(huán)境光照、背景干擾等七大維度開展泛化測試。其嚴苛的考核標準，恰恰印證了XR-1面向“實干”場景的硬核能力。

實際應用中，XR-1在具身天工2.0人形機器人、UR、Franka等多種不同構型的機器人本體上，均表現(xiàn)出了高成功率和強魯棒性。

具體來說，XR-1的性能，源于其三大技術創(chuàng)新。首先，它采用了獨創(chuàng)的UVMC（多模態(tài)視動統(tǒng)一表征）技術，通過這項技術，可以將視覺觀察、語言指令和機器人動作在統(tǒng)一的表征空間中進行學習，讓機器人能夠利用海量人類視頻進行訓練，降低訓練成本提升訓練效率；同時，它能夠搭建起視覺與動作的映射橋梁，讓模型能真正理解“看到什么”與“該如何動”之間的內(nèi)在關聯(lián)。

其次，通過“多模態(tài)預訓練→跨本體主網(wǎng)絡訓練→特定場景微調(diào)”的三階段訓練范式，先積累通用操作知識，再快速適配具體任務，實現(xiàn)了通用性與專用性的平衡。將XR-1與目前全球最先進的具身VLA模型進行對比可見，在各種復雜任務中，XR-1的成功率顯著領先。在某些高難度任務上，其表現(xiàn)甚至優(yōu)于頭部企業(yè)一倍。

最后，其性能根基來自于超百萬級自有數(shù)據(jù)驅(qū)動，即北京人形積累的、超百萬條的多本體機器人操作數(shù)據(jù)?；赬R-1，北京人形構建的“慧思開物”平臺，能夠快速生成面向物流分揀、精密裝配等場景的通用技能庫，大幅降低了為不同機器人開發(fā)新技能的成本和時間，打通了技術走向產(chǎn)業(yè)應用的關鍵路徑。

▍RoboMIND V2.0：讓VLA模型變聰明的數(shù)據(jù)基石

XR-1出色的泛化與學習能力，離不開高質(zhì)量、大規(guī)模數(shù)據(jù)的喂養(yǎng)。本次同步開源的RoboMIND2.0數(shù)據(jù)集，正是其能力的重要源泉。目前RoboMind數(shù)據(jù)集下載量累計已超15w次。

數(shù)據(jù)集為何對具身智能如此關鍵？

其實在人工智能領域的“Scaling Law（縮放定律）”已經(jīng)證實，大模型性能隨數(shù)據(jù)量、模型規(guī)模和計算力增加而顯著提升，該法則也適用于人形機器人與具身智能領域。本次開源的RoboMIND2.0，正是針對上述痛點的一套系統(tǒng)性解決方案。其核心在于“真虛結合”的雙引擎數(shù)據(jù)構成，“真機采集數(shù)據(jù)”在北京人形自建的真實機器人數(shù)據(jù)基地中，由多種機器人執(zhí)行海量任務采集而來，數(shù)據(jù)包含真實的物理交互反饋和視覺信息，是模型學習真實世界物理規(guī)律的“金標準”。

“虛擬仿真數(shù)據(jù)”則在仿真環(huán)境中，通過程序化或智能體自動生成的大量操作軌跡。這部分數(shù)據(jù)成本低、可規(guī)?；芸焖俑采w長尾、高危或難以在現(xiàn)實世界大量復現(xiàn)的任務場景。

而這兩部分數(shù)據(jù)得以高效產(chǎn)生和利用，離不開一套強大的工具鏈。北京人形此前也發(fā)布并持續(xù)更新X-Humanoid training toolchain，它無縫銜接了RoboMIND數(shù)據(jù)格式與LeRobot等主流訓練框架。開發(fā)者只需幾行命令，即可完成從數(shù)據(jù)準備到模型訓練的全流程，讓研發(fā)重心回歸算法創(chuàng)新本身。

▍在數(shù)字世界里復刻一個可“干活”的真實世界

RoboMIND中高質(zhì)量的虛擬仿真數(shù)據(jù)從何而來？答案是ArtVIP。

這個作為被英偉達Isaac Sim 5.1全球唯二官方引用的高保真數(shù)字資產(chǎn)數(shù)據(jù)集，致力于在仿真環(huán)境中復刻一個物理準確、視覺真實的平行世界，也是目前已開源的全球最精細的復雜鉸接物體庫。

ArtVIP提供了涵蓋櫥柜、冰箱、筆記本電腦、腳踏式垃圾桶等數(shù)百種高精度鉸接物體。這些物品不僅外觀逼真，更內(nèi)置了精確的物理屬性（如質(zhì)量、摩擦力、鉸鏈阻尼）和符合因果的交互邏輯。在仿真中，機器人可以像在現(xiàn)實世界一樣拉開抽屜、按下開關、打開冰箱門，其受力反饋與真實情況高度一致。

這意味著，基于ArtVIP構建的仿真場景，能夠生成與真實世界幾乎無異的機器人操作軌跡數(shù)據(jù)，直接用于訓練像XR-1這樣的模型。它極大地彌補了Sim2Real的鴻溝，讓機器人在投入真實工作前，已在數(shù)字世界中經(jīng)歷了成千上萬次的“崗前培訓”。

▍從技術開源到場景落地，機器人已在“真干活”

實際上，北京人形的這一套技術方案，早已走出實驗室，在多個行業(yè)場景中開始“干活”。

在福田康明斯，機器人正在學習如何更智能、更柔性化地搬運零部件箱體。在中國電科院的高壓電力場景，機器人代替人工進行高危的電力設備巡檢作業(yè)。在李寧運動科學實驗室，機器人輔助進行運動裝備的人體運動數(shù)據(jù)采集與分析。

這一切都指向同一個核心目標：讓機器人技術褪去炫技的光環(huán)，回歸解決實際問題的本質(zhì)。通過開源XR-1、RoboMIND V2.0和ArtVIP，北京人形不僅分享了自身的技術成果，更是為整個具身智能社區(qū)提供了一套從數(shù)據(jù)、訓練工具到核心模型的“干活”工具箱。

我們有理由相信，當開發(fā)者們能夠更便捷地獲取高質(zhì)量數(shù)據(jù)、訓練出能跨本體泛化的模型、并在高保真仿真中驗證想法時，機器人真正融入生產(chǎn)生活、成為可靠“勞動者”的時代，才會加速到來。北京人形在該方向的持續(xù)聚焦，必然能夠與全球開發(fā)者一道，推動具身智能邁向“全自主、更好用”的新高度。