從2025年春晚的表演破圈到人形機(jī)器人馬拉松，再到年底的量產(chǎn)落地、商業(yè)閉環(huán)，具身智能的風(fēng)向正在發(fā)生變化。

尤其當(dāng)具身智能進(jìn)入產(chǎn)業(yè)落地期，機(jī)器人表演式成功已經(jīng)不足以滿足業(yè)界對(duì)其能力的期待。產(chǎn)業(yè)端進(jìn)入更加看重“機(jī)器人大腦”及其相應(yīng)帶來(lái)的泛化能力的階段，因?yàn)檎鎸?shí)世界不存在完全標(biāo)準(zhǔn)化的場(chǎng)景，無(wú)論在工業(yè)分揀、養(yǎng)老護(hù)理還是倉(cāng)儲(chǔ)物流等場(chǎng)景，機(jī)器人都要解決自主且穩(wěn)定地與真實(shí)物理世界交互的問(wèn)題。

——這正需要強(qiáng)大的具身智能模型能力作為支撐。那么，大規(guī)模落地應(yīng)用到來(lái)前，我們?nèi)绾卧u(píng)估具身智能模型這一“機(jī)器人大腦”的能力？

和大語(yǔ)言模型一樣，具身智能模型同樣需要建立開(kāi)放公正的評(píng)價(jià)體系，以測(cè)評(píng)推動(dòng)行業(yè)進(jìn)步。Robochallenge是全球首個(gè)大規(guī)模、多任務(wù)的真機(jī)基準(zhǔn)測(cè)試平臺(tái)，意在為VLA模型在機(jī)器人上的應(yīng)用提供評(píng)估標(biāo)準(zhǔn)。

值得關(guān)注的是，具身智能模型測(cè)評(píng)和大語(yǔ)言模型測(cè)評(píng)有非常大的差異。大語(yǔ)言模型的測(cè)評(píng)多為“閉卷答題”，以靜態(tài)數(shù)據(jù)輸出與文本、圖像指標(biāo)為主，不涉及物理交互與連續(xù)動(dòng)作執(zhí)行。而具身模型的測(cè)評(píng)更加側(cè)重“感知-決策-執(zhí)行”的物理閉環(huán)，在測(cè)評(píng)時(shí)需要提前公開(kāi)任務(wù)，核心驗(yàn)證對(duì)象為視頻動(dòng)作序列和任務(wù)成功率，類(lèi)似于“開(kāi)卷考試+實(shí)操考核”。

因此，用公開(kāi)代碼的開(kāi)源具身智能模型參與測(cè)評(píng)，才是是更貨真價(jià)實(shí)、更有價(jià)值的。

RoboChallenge最新發(fā)布的測(cè)評(píng)結(jié)果顯示，自變量開(kāi)源端到端具身智能基礎(chǔ)模型wall-oss以46.43分超越pi0，總分排名第二，僅次于pi0.5。

Pi0、pi0.5背后的公司Physical Intelligence主要團(tuán)隊(duì)成員來(lái)自伯克利、斯坦福等高校和谷歌專(zhuān)家等。自變量機(jī)器人創(chuàng)始人王潛為南加州大學(xué)博士學(xué)位，是全球最早在神經(jīng)網(wǎng)絡(luò)中提出Attention機(jī)制的研究者之一；CTO王昊則主導(dǎo)開(kāi)發(fā)國(guó)內(nèi)首個(gè)多模態(tài)開(kāi)源大模型“太乙”、百億級(jí)大語(yǔ)言模型“燃燈”及千億級(jí)模型“姜子牙”。

具體來(lái)看，wall-oss在疊洗碗巾、掛口杯、按按鈕、澆盆栽、移物入盒及開(kāi)瓶器進(jìn)抽屜等多個(gè)單任務(wù)中排名第一。

排名前三名，wall-oss是唯一一個(gè)國(guó)內(nèi)開(kāi)源具身基礎(chǔ)模型。

開(kāi)源模型把模型代碼、訓(xùn)練數(shù)據(jù)乃至架構(gòu)設(shè)計(jì)公開(kāi)，讓測(cè)評(píng)過(guò)程可全程復(fù)現(xiàn)，能夠規(guī)避通過(guò)微調(diào)其他模型來(lái)“刷榜”的行為，可以更客觀、真實(shí)地反映模型能力。這勢(shì)必將引導(dǎo)各個(gè)具身智能玩家回歸技術(shù)本身，用技術(shù)能力構(gòu)建自身的核心競(jìng)爭(zhēng)力。

同時(shí)，開(kāi)源模型有助于技術(shù)透明迭代，能夠加速具身智能行業(yè)創(chuàng)新。開(kāi)放協(xié)作的“集體智慧”，遠(yuǎn)比封閉開(kāi)發(fā)更能應(yīng)對(duì)真實(shí)世界的復(fù)雜性、隨機(jī)性。

自變量從成立以來(lái)，就致力于樹(shù)立開(kāi)源的標(biāo)桿，讓每次開(kāi)源都對(duì)行業(yè)產(chǎn)生價(jià)值。去年9月，wall-oss模型正式開(kāi)源，預(yù)訓(xùn)練模型權(quán)重、訓(xùn)練代碼、數(shù)據(jù)集接口以及詳細(xì)部署文檔全部公開(kāi)，開(kāi)發(fā)者可以在自己的機(jī)器人上直接跑通閉環(huán)流程。

自變量機(jī)器人聯(lián)合創(chuàng)始人兼CTO王昊此前曾公開(kāi)談及自變量堅(jiān)持來(lái)源的初衷：“開(kāi)源意味著我們可以站在巨人的肩膀上繼續(xù)前進(jìn)。我們可以基于已有成果做更多的改進(jìn)，社區(qū)開(kāi)發(fā)者的反饋也會(huì)幫助到開(kāi)源的公司，開(kāi)源公司可以從中吸取到經(jīng)驗(yàn)，然后把這個(gè)技術(shù)路線思考得更加深入。一般的高校、或者一些小型的企業(yè)，他們可能沒(méi)有能力去做基礎(chǔ)模型，但是如果能夠使用這些基礎(chǔ)開(kāi)源模型，他們就可以去做應(yīng)用，把它用到各個(gè)方向，豐富整個(gè)生態(tài)，這也是一個(gè)非常重要的事情。”

在RoboChallenge發(fā)布測(cè)評(píng)結(jié)果之后，wall-oss提交的復(fù)現(xiàn)結(jié)果示例、微調(diào)代碼也將在下周全部開(kāi)源，讓模型展現(xiàn)出的泛化能力、推理能力等有據(jù)可查。除了檢驗(yàn)測(cè)試結(jié)果的真實(shí)性，開(kāi)發(fā)者們也可以在平臺(tái)上根據(jù)源代碼和各個(gè)任務(wù)的微調(diào)代碼，結(jié)合自己的數(shù)據(jù)完成復(fù)現(xiàn)微調(diào)。

這意味著，自變量提供的不僅僅是一個(gè)模型，而是一整套完整可復(fù)現(xiàn)的方案，這對(duì)具身智能基礎(chǔ)模型的透明迭代和標(biāo)準(zhǔn)共建具有更深遠(yuǎn)的意義。

擁抱開(kāi)源，是具身智能走向成熟的必經(jīng)之路。只有把技術(shù)從封閉的實(shí)驗(yàn)室里解放出來(lái)，讓更多人參與、驗(yàn)證、改進(jìn)，才能真正突破單點(diǎn)創(chuàng)新的局限，具身智能才能真正從實(shí)驗(yàn)室走向真實(shí)世界。