新智元報道

編輯：Aeneas

【新智元導(dǎo)讀】一條X，直接引爆了機(jī)器人圈：裝上OpenClaw的宇樹人形機(jī)器人，竟開始理解空間與時間！機(jī)器人第一次擁有「世界記憶」，能記住人、物體和發(fā)生過的事——天網(wǎng)，真的要來了？

就在剛剛，全球開源機(jī)器人圈，被一條X引爆了！

一臺裝載OpenClaw的宇樹人形機(jī)器人在房間里移動，它的眼睛來自LiDAR激光雷達(dá)、雙目攝像頭和RGB相機(jī)，這些傳感器的數(shù)據(jù)，被輸入一個系統(tǒng)。

然后，發(fā)生了一件此前從未被任何機(jī)器人做到的事——這個宇樹機(jī)器人，開始理解空間和時間！

它不僅知道房間、人、物體在哪里，還知道什么時候發(fā)生了什么。

團(tuán)隊把這種能力稱為Spatial Agent Memory（空間智能體記憶），也就是說，從此機(jī)器人擁有了「世界記憶」能力！

而把這種能力帶到機(jī)器人世界的，就是火爆全球的項目OpenClaw。

這項成果一經(jīng)發(fā)布，立刻得到了OpenClaw之父Peter Steinberger的轉(zhuǎn)發(fā)。

這宣告著具身智能的里程碑式突破：OpenClaw正式掌握了物理空間和時間感知能力。

天網(wǎng)，剛剛開源了？

項目一發(fā)布，評論區(qū)的網(wǎng)友們就炸了。

他們迅速分成了兩派，有一派非常興奮：開源機(jī)器人終于擁有了時空感知，這是邊緣AI的巨大突破！

可以說，這正是我們夢寐以求的具身智能突破！

而另一派則開始擔(dān)憂：如果機(jī)器人都能擁有空間感知，這不是相當(dāng)于天網(wǎng)剛剛在GitHub建了一個倉庫？

如果一個人機(jī)器人能精準(zhǔn)分析家里每個人的生活規(guī)律，知道誰最常去廚房，知道垃圾什么時候倒，這種「全知全能」的監(jiān)視能力，在缺乏倫理框架約束的情況下，簡直令人不寒而栗！

甚至有人說，是時候接軍方訂單了。

而且，最讓人興奮的是：這一切都是完全開源的！

雖然在這次的視頻中，OpenClaw直接把裝在了宇樹機(jī)器人上，但這套系統(tǒng)其實是完全硬件無關(guān)的。

你可以用任何激光雷達(dá)、立體攝像頭或RGB攝像頭來集成。

不僅可以裝在Unitree G1這樣的人形機(jī)器人上，還能和大多數(shù)無人機(jī)、四足機(jī)器狗整合。

甚至，在理論上，我們完全可以用舊iPhone上的激光雷達(dá)來改造一個機(jī)器人。

總之，任何硬件，只要能跑OpenClaw，就能立刻擁有時空感知。

它還不依賴ROS（機(jī)器人操作系統(tǒng)），支持全動態(tài)障礙物避讓和SLAM（即時定位與地圖構(gòu)建）。

開源機(jī)器人，正在走向天網(wǎng)時刻

如果有一天，你家里的機(jī)器人忽然跟你說：「你的車鑰匙昨晚落在廚房桌子上了」，你可能只是覺得它很智能。

但如果它繼續(xù)說「上周一晚上8點，一個陌生人來過你家」，甚至「你平均每天在廚房停留47分鐘」，你是不是就覺得有點毛骨悚然了？

你會意識到：這個機(jī)器人一直在觀察你，甚至在記住關(guān)于你的一切！

最令人震驚的是，這些并不是簡單的視頻回放，而是來自一種新的能力：空間+時間+語義的聯(lián)合記憶。

機(jī)器人，并不只是在記錄畫面，而是在構(gòu)建一個世界模型！

以前的機(jī)器人，為什么不太聰明

相比之下，以前的機(jī)器人，為什么看起來不太聰明呢？

原因在于，首先LLM只有靜態(tài)記憶，只記得訓(xùn)練數(shù)據(jù)，卻不記得你五分鐘前把鑰匙放在哪了。

然后，就是空間的缺失。它們可能在語言的世界里游刃有余，在物理世界里卻很難理解「廚房在客廳左邊」。

另外，就是傳統(tǒng)的RAG只能搜文字，但機(jī)器人面對的是，卻是海量的視頻流和深度數(shù)據(jù)。

這些幾百小時視頻、深度圖、三維空間、物體位置和時間變化，意味著機(jī)器人要面對的，是現(xiàn)實世界的數(shù)據(jù)洪流。

但這個團(tuán)隊，卻做了一件很瘋狂的事。

SpatialRAG黑科技，給機(jī)器人裝上3D云腦

他們祭出了殺手锏——Spatial Agent Memory（空間智能體記憶）和SpatialRAG。

這套系統(tǒng)的核心邏輯非常硬核：它把視頻、雷達(dá)檢測、幀圖像、里程計全部揉在一起，構(gòu)建成一個體素（Voxel）化的世界。

每一個空間小方塊（體素）都被打上了空間矢量嵌入和語義標(biāo)簽。結(jié)果就是，機(jī)器人的大腦變成了一個包含對象、房間、幾何、時間、圖像、點云的多維向量存儲庫。

可以說，這就是讓機(jī)器人理解物理世界所需要的記憶骨架。

依靠這個系統(tǒng)，機(jī)器人可以在object（物體）、room（房間）、semantic（語義）、geometry（幾何）、time（時間）、image（圖像）、pointcloud（點云）等多個維度搜索，由此第一次擁有了完整的空間記憶。

因此，現(xiàn)在它能回答這些直擊靈魂的問題了。

比如「我鑰匙丟哪兒了？」「上周一誰來過我家？」「誰在廚房待的時間最長？」「垃圾該什么時候倒？」

網(wǎng)友質(zhì)疑：天網(wǎng)降臨，還是老頭漫步？

這項成果一出，評論區(qū)直接炸鍋了。

有吐槽派懷疑說，這延遲不得卡死？是派100歲老爺爺來幫我做家務(wù)嗎？

但技術(shù)團(tuán)隊火速打臉表示：「不，它并不是20Hz跑實時控制，而是高層智力協(xié)調(diào)器。它負(fù)責(zé)指揮，動作運(yùn)行可以異步，完全不卡頓！」

還有人質(zhì)疑道：為什么不用專用ML模型，而是要用LLM和Cron這種魯布·戈德堡機(jī)械呢？

對此，開發(fā)者表現(xiàn)得非常坦誠：「把LLM裝到硬件上確實容易，但讓它維持一個持續(xù)的、關(guān)于什么時間、什么地點發(fā)生了什么的物理上下文，才是最難的?！?/p>

而OpenClaw提供的，不僅僅是一個輸入接口，而是包含了一整套代理基礎(chǔ)設(shè)施（Agent Infrastructure）：子代理編排、MCP（多點協(xié)作協(xié)議）處理、工具安全審計、插件系統(tǒng)。

這讓它比原生的Claude代碼更適合作為機(jī)器人的「前額葉」。

另外在評論區(qū)，一位機(jī)器人工程師說了一句非常真實的話：最難的不是空間理解，而是讓系統(tǒng)在現(xiàn)實世界穩(wěn)定運(yùn)行。

現(xiàn)實世界的問題，包括傳感器沖突、光照變化、動態(tài)障礙、數(shù)據(jù)噪聲和硬件故障等，而仿真世界，永遠(yuǎn)不會讓你面對這些問題。

具身智能的最后一公里

很多人說，「具身」是意識的關(guān)鍵。這次嘗試告訴我們：讓LLM上硬件不難，難的是讓它產(chǎn)生持久的、跨越時空的物理上下文。

當(dāng)機(jī)器人開始理解因果，開始記住位置，它就不再是一個會走路的音箱，而是一個真正的「物理代理」。

或許，天網(wǎng)不會突然降臨，但事情可能是這樣的：機(jī)器人學(xué)會看見世界，記住世界，最后學(xué)會改變世界。

而當(dāng)這些能力全部開源的時候，任何人都可以構(gòu)建一個機(jī)器人大腦。

有一天，當(dāng)我們回頭看這一刻，可能會意識到：這就是機(jī)器人時代真正開始的地方。

家用機(jī)器人的時代，可能真的要被這只「開源爪子」撓開了。

參考資料：

https://x.com/stash_pomichter/status/2028645216505549168