從科幻電影中的全能管家，到現(xiàn)實工業(yè)中的自動化臂膀，我們對“通用機器人”的想象與探索從未停止。近年來，隨著人工智能領(lǐng)域大型語言模型（LLM）和視覺基礎(chǔ)模型的巨大成功，一個自然而然的問題擺在了機器人學(xué)界面前：我們能否為機器人也打造一個“基礎(chǔ)模型”，讓它像人類一樣，能夠理解多樣的指令，并靈活完成各種從未見過的任務(wù)？

這個問題的答案，或許就藏在剛剛登上國際頂級期刊《科學(xué)·機器人學(xué)》（Science Robotics）最新一期封面的研究中。來自豐田研究院（TRI）等機構(gòu)的研究團隊，通過一項重磅實驗為我們揭示了大型行為模型（Large Behavior Models, LBMs）的真實能力。這項研究并非停留在理論或簡單的模擬，而是基于約1700小時的機器人演示數(shù)據(jù)，在模擬和真實世界中進行了超過47000次的嚴(yán)苛測試，最終為通往通用機器人的道路提供了堅實的經(jīng)驗證據(jù)和洞見。

01.

“大海撈針”式的預(yù)訓(xùn)練：從海量數(shù)據(jù)中學(xué)習(xí)通用技能

要讓機器人變得“通用”，傳統(tǒng)的“專才”培養(yǎng)模式顯然行不通。過去，研究者們通常會為一個特定任務(wù)（比如“拿起蘋果”）訓(xùn)練一個專門的模型。這種模型在特定場景下表現(xiàn)優(yōu)異，但一旦任務(wù)或環(huán)境稍有變化（比如蘋果換成梨，或者光線變暗），它就可能“罷工”。這種脆弱性，是通往通用機器人之路的最大障礙之一。

受AI領(lǐng)域“大力出奇跡”的啟發(fā)，研究者們提出了大型行為模型（LBM）這一新范式。其核心思想很簡單：不再為每個任務(wù)單獨訓(xùn)練模型，而是用一個龐大而統(tǒng)一的模型，去學(xué)習(xí)成百上千種不同任務(wù)的解決方式。就像人類通過觀察和實踐學(xué)會各種技能一樣，LBM的目標(biāo)是從海量、多樣化的數(shù)據(jù)中，自主提煉出關(guān)于物理世界和機器人操作的通用知識。

為了實現(xiàn)這一目標(biāo)，研究團隊構(gòu)建了一個名為“Ramen”的龐大預(yù)訓(xùn)練數(shù)據(jù)集。這個數(shù)據(jù)集包含了約1700小時的機器人操作演示，涵蓋了超過500個內(nèi)部收集的高多樣性任務(wù)以及大量公開的機器人數(shù)據(jù)。這些任務(wù)五花八門，從簡單的“把杯子放到杯墊旁”，到復(fù)雜的“整理早餐托盤”，再到需要精細操作的“給蘋果去核”。這些數(shù)據(jù)不僅有真實的機器人操作錄像，也包含了模擬環(huán)境中的數(shù)據(jù)，形成了一個虛實結(jié)合的龐大知識庫。

有了數(shù)據(jù)，還需要一個足夠聰明的“大腦”來學(xué)習(xí)。研究團隊采用了一種名為“擴散策略（Diffusion Policy）”的生成模型。簡單來說，這個模型能夠接收來自多個攝像頭的RGB圖像、描述任務(wù)的文本指令（例如“將獼猴桃放到桌子中央”）以及機器人自身的狀態(tài)信息作為輸入，然后像AI繪畫一樣，“生成”一系列精準(zhǔn)的、連續(xù)的機器人動作指令。其內(nèi)部核心是一個強大的Transformer架構(gòu)（DiT），使其能夠高效地處理和整合不同來源的信息，做出最終決策。

02.

嚴(yán)格的“大考”：LBM與單一任務(wù)模型的正面交鋒

模型訓(xùn)練好了，但它真的比傳統(tǒng)方法更好嗎？為了回答這個問題，研究團隊設(shè)計了一套嚴(yán)苛的評估流程，旨在以最客觀、最嚴(yán)格的方式檢驗LBM的真實能力。

這次“大考”的核心是“盲測”和“隨機A/B測試”。在真實機器人評估環(huán)節(jié)，操作員在測試時完全不知道自己正在運行的是哪個模型——是經(jīng)過預(yù)訓(xùn)練和微調(diào)的LBM，還是從零開始訓(xùn)練的單一任務(wù)基線模型。模型的測試順序也是完全隨機的，從而排除了因環(huán)境變化（如光線改變）或人為偏好帶來的任何潛在偏見。這種雙盲測試在臨床醫(yī)學(xué)中是黃金標(biāo)準(zhǔn)，但在機器人學(xué)研究中卻因其復(fù)雜性而鮮有應(yīng)用。

整個實驗的物理平臺、評估環(huán)境和任務(wù)多樣性共同構(gòu)成了這次嚴(yán)苛的考驗，其規(guī)模和復(fù)雜性見下圖，涵蓋了從簡單的放置到需要精細雙臂協(xié)調(diào)的復(fù)雜長序列任務(wù)。

團隊在真實世界中進行了1800次這樣的盲測，同時在模擬環(huán)境中進行了超過47000次的自動化測試。評估分為兩大類：“已見任務(wù)（Seen Tasks）”和“未見任務(wù)（Unseen Tasks）”。

對于模型在預(yù)訓(xùn)練數(shù)據(jù)中已經(jīng)“見過”的任務(wù)，結(jié)果顯示，經(jīng)過微調(diào)的LBM在性能上全面優(yōu)于單一任務(wù)基線模型。尤其是在引入“分布偏移”（Distribution Shift，即測試環(huán)境與訓(xùn)練環(huán)境有細微差別，例如物體初始位置稍有變動）后，LBM的優(yōu)勢更加明顯。這表明，從海量數(shù)據(jù)中學(xué)習(xí)到的通用知識，讓LBM變得更加穩(wěn)?。╮obust），對環(huán)境變化的適應(yīng)能力更強。

然而，真正的考驗在于“未見任務(wù)”——那些LBM在預(yù)訓(xùn)練階段從未接觸過的全新挑戰(zhàn)。這直接關(guān)系到模型是否具備“舉一反三”的泛化能力。在這里，LBM展現(xiàn)了其最驚人的價值：數(shù)據(jù)效率（Data Efficiency）。

研究結(jié)果清晰地表明，要在一個新任務(wù)上達到與單一任務(wù)模型相當(dāng)?shù)男阅?，?jīng)過預(yù)訓(xùn)練的LBM僅需要一小部分（a fraction of）的訓(xùn)練數(shù)據(jù)。在模擬實驗中，研究團隊發(fā)現(xiàn)，LBM平均只需要不到30%的數(shù)據(jù)，就能追平甚至超越在100%數(shù)據(jù)上訓(xùn)練的單一任務(wù)模型。

這個結(jié)論在真實世界實驗中得到了更有力的印證。以“擺放早餐桌（SetBreakfastTable）”這個復(fù)雜的長序列任務(wù)為例，它從未出現(xiàn)在預(yù)訓(xùn)練數(shù)據(jù)中。

研究團隊發(fā)現(xiàn)，僅使用了15%的專屬任務(wù)數(shù)據(jù)進行微調(diào)的LBM，其任務(wù)完成度的表現(xiàn)就已經(jīng)在統(tǒng)計上顯著優(yōu)于使用了全部100%數(shù)據(jù)從零開始訓(xùn)練的單一任務(wù)模型！LBM僅需不到五分之一的數(shù)據(jù)就能超越傳統(tǒng)模型，學(xué)習(xí)效率提升超過5倍。這意味著，預(yù)訓(xùn)練賦予了LBM一個極高的“起點”，使其能夠以數(shù)倍于傳統(tǒng)方法的效率快速學(xué)習(xí)和掌握新技能。這對于降低機器人學(xué)習(xí)新任務(wù)的成本和時間至關(guān)重要，是LBM最具吸引力的優(yōu)勢之一。

03.

從量變到質(zhì)變？通往通用機器人之路的啟示

這項規(guī)模宏大的研究，為機器人領(lǐng)域關(guān)于大型行為模型（LBM）的討論，從眾說紛紜的猜想推向了堅實的實證科學(xué)。它清晰地回答了核心問題：在當(dāng)前技術(shù)水平下，基于大規(guī)模、多樣化數(shù)據(jù)進行多任務(wù)預(yù)訓(xùn)練，是一條切實有效且充滿希望的技術(shù)路徑。

研究團隊進一步探索了“規(guī)模效應(yīng)（Scaling Laws）”。他們發(fā)現(xiàn)，隨著預(yù)訓(xùn)練數(shù)據(jù)集規(guī)模的擴大，LBM在未見任務(wù)上的最終性能也隨之平滑提升。這意味著，至少在當(dāng)前的數(shù)據(jù)和模型規(guī)模下，我們還遠未觸及性能的天花板。“更多的數(shù)據(jù)，更好的模型”這一在AI領(lǐng)域被反復(fù)驗證的規(guī)律，在機器人學(xué)中同樣適用。這無疑為未來的研究指明了方向：繼續(xù)擴大數(shù)據(jù)的多樣性和規(guī)模，有望催生出能力更強的機器人基礎(chǔ)模型。

當(dāng)然，這項研究也保持了科學(xué)的嚴(yán)謹(jǐn)和審慎。研究者們指出，雖然前景光明，但LBM并非“銀彈”。例如，未經(jīng)任務(wù)專屬數(shù)據(jù)微調(diào)的“零樣本”LBM，其表現(xiàn)并不穩(wěn)定，有時甚至無法正確理解任務(wù)指令。這表明，“預(yù)訓(xùn)練+微調(diào)”的范式在現(xiàn)階段仍然是不可或缺的。此外，研究還強調(diào)了嚴(yán)格統(tǒng)計分析的重要性，警示領(lǐng)域內(nèi)許多研究可能因樣本量不足而得出不可靠的結(jié)論，為未來的機器人學(xué)研究設(shè)立了更高的實驗標(biāo)準(zhǔn)。