編輯 | 伊風

出品 | 51CTO技術棧（微信號：blog51cto）

宇樹、銀河通用、穹徹智能……當國內頂尖的機器人玩家同框，能碰撞出什么樣的火花？

在今天智源做的AI春晚上，搞了一個很炸裂的“具身智能會客廳”，請來了王興興、熊友軍、王鶴等頂尖大佬，分享最新進展和自己對行業的判斷和洞察。

會上，王興興首次回應了機器人格斗“秀肌肉”的質疑，他表示格斗的關鍵在于動作的演示：

因為我們公司終極目標還是希望機器人是干活的，無論是家里還是工廠。最近幾年，如果讓一個人形機器人馬上去家里干活還是不太現實的。我們公司的核心本質是希望通過AI技術，讓一個機器人尤其人形機器人可以做各種全身動作，跳舞和格斗是全身動作的一部分，而且我們真正的理念是希望一個人形機器人可以做各種動作。

幾位大佬從各自公司的新發布，聊到具身智能的技術選型、和最硬核的VLA（視覺語言行動模型），對于關注具身智能和泛AI的朋友，絕對不可錯過！

圖片

左起：

主持人 | 王仲遠

王興興 | 宇樹科技CEO

熊友軍 | 北京人形機器人創新中心總經理

王  鶴 | 北京大學助理教授、智源具身智能研究中?主任、銀河通用創始?兼CTO

盧策吾 | 穹徹智能聯合創始?、上海交通?學教授、上海創智學院副院?

Karol Hausman | Physical Intelligence聯合創始?兼CEO（線上）

以下是經過整理的圓桌全文，enjoy：

1.人形機器人秀了把最新進展！落地家庭成主攻方向

王仲遠：各位嘉賓請入座。

興興，咱們第一次見面是去年4月份，我們去宇樹交流，我對宇樹機器人印象最深刻不需要移動吊架可以隨時展示。過去一年里，宇樹科技有了很多變化，還有機器人春晚，宇樹16臺H1表演的《秧BOT》。5?25日全球首個人形機器人格斗賽引爆杭州，宇樹G1“AI策算師”獲得冠軍，我聽工作人員說，這個冠軍機器人也到了現場，請你介紹一下吧！

王興興：大家好，非常感謝參加此次活動，我們也帶來了新的機器人，在這里給大家做一下演示。這是去年最新的G1，前段時間也參加了格斗比賽，讓它展示一些動作。

我們過去無論是春晚上的表演還是格斗比賽，我們希望給大家真正展示一下當前全球機器人發展的情況，并且也能帶動整個機器人行業的發展。大家覺得目前機器人，相對來說還不能直接去家里干活和工廠干活，這是全球都面臨的問題。我們希望機器人真正去干活，但在真正干活之前，我們已經達到的技術成果，也是希望可以做更多的商業化拓展和嘗試，所以我們做了這些事情。

我相信機器人格斗，在今年和明年，會成為全球受歡迎的體育賽事。后面大家有興趣，可以來我們公司體驗和玩一下，這是非常激動人心的事情。

王仲遠：謝謝興興，機器人一上臺的表演，立刻調動起了現場的氣氛。除了這臺冠軍機器人外，北京人形機器人創新中心也有一個冠軍機器人。在北京舉辦的半馬比賽中，天工也獲得了冠軍，聽說今天帶來了天工升級版天工2.0，請您分享一下天工奪冠背后的故事，也介紹一下天工2.0有哪些升級。

熊友軍：我是來自北京人形機器人創新中心總經理的熊友軍，今天是天工6.0，這也是一個開源開放的平臺。天工6.0在1.0基礎上做了更新，天工1.0在半程馬拉松2小時40分的成績跑完馬拉松，被證明是能跑的機器人。天工2.0，我們希望它好用，能做更多的事情，所以升級是在于上肢，有更多的自由度、有靈巧手、有負重能力，今天也會現場展示一些能力。

下面有請天工跟大家打招呼。

機器人：大家好，我是來自北京人形機器人創新中心的天工2.0，很高興告訴大家。

熊友軍：天工，給大家準備一些茶點吧？

機器人：好的，沒問題。

熊友軍：天工在參加馬拉松之后，我們進行了系統性更新，因為北京人形機器人創新中心成立于2023年11月2日，是全國首個省級的創新中心。在2024年10月份升級為與國家與地方共建的人形機器人創新中心。這個升級是體系化的能力，我們在這個上面有四個方面的平臺能力的升級。

一是，我們一直在建設的硬件平臺，我們主打場地、草地、沙地、秋林、石子，對各種路面的適應能力，它是最能跑的。現在的升級，讓它能在工廠和各種危險和有傷害的環境去完成一些事情，這是硬件方面的升級。更多的升級是在大腦軟件方面，我們在今年3月份發布了第一個通用的具身智能體慧智開悟，這是一腦多機、一腦多能的平臺。包括具身智能的大腦和小腦，大腦主要負責人機交互、環境感知、意圖識別、問路規劃。小腦負責運動和執行能力，且把這個執行結果反饋給大腦，完成一個閉環。這是第二個平臺。

第三個平臺，我們訓練它的具身智能體，我們構建了一個國內大型數據采集和機器人訓練中心，我們構建了20多個場景，是虛實結合的數據采集平臺。并且在上面也構建了一些數據的采集處理和服務、人才培養的一整套體系。并且去不斷迭代和升級慧智開悟的具身智能化。為了保證機器人的穩定可靠性，我們也在牽頭建設北京的中試平臺。基本就是這么多。

王仲遠：謝謝友軍，王鶴老師更是智源好朋友，2021年王老師從斯坦福回到北大任教，現在是智源研究中心的負責人。2023年王老師創立了北京銀河通用機器人有限公司，今年非常恭喜王老師獲得了MIT主辦方。王老師做的銀河通用機器人模型，最新有什么新的進展，請介紹一下。

王鶴：謝謝王仲遠博士的介紹。今年是銀河通用機器人第二次亮相智源大會，去年在智源大會我們展示了盒裝物體在貨架上的吸取，今天用VLA技術，也是剛剛Physical Intelligenc提到的端到端具身大模型打造了適用性更強，更貼近一般商超的貨架場景。下面我也展示一下，跟Galbot模型的互動。我中午又餓又熱，Gbot給我搞點吃的和喝的。

機器人：根據您提到的，為您推薦安慕希酸奶和果粒爽果凍，您想要哪個？

王鶴：成年人不做選擇，我都要。所以我們在現場用輪式底盤的機器人，基于自研的端到端大模型，在非常密集的貨架上，它沒有辦法規避碰撞，不使用軌跡生成方式取下來。我們這樣的模型能對貨架琳瑯滿目的各種各樣的貨品，除了袋裝，各種薯片，這是一個用于吸的果凍，這個過程是閉環的，它拿的過程中你搶，它也會抓。建筑物有我們的展區，那邊大家可以在IPAD端下單，機器人送到你的手邊。我們是全球第一次VLA在這樣的泛化非常多的SKU品類里，做這樣的演示。我們的技術特點就是背后的訓練數據不同于π，我們主要是合成數據，價格非常低廉，是可以擴增的合成數據。歡迎大家關注明天的智源分論壇，我們會介紹更多的技術細節。

王仲遠：謝謝王老師。盧老師，去年3月份時我們在上海交大第一次見面，當時我印象很深，您所展示的疊衣服、刮胡子，基于力反饋的具身智能系統非常厲害，不知道最近有沒有什么新的進展？

盧策吾：從產品級角度來講，去年發布了穹徹大腦V1版本，馬上在7月份會發布V2版本。這里體現了對于世界物理的理解和交互。

為什么會有力反饋呢？在做很多動作時，其實人都是下意識的。這里對于什么樣經濟價值比較高的場景會有用呢？需要復雜動態的接觸和操作。比如刮胡子就很典型，抓取之后，基本固定不動了，但是要連續不停地去接觸，這個事情力氣大一點會刮傷，力氣小一點會刮不干凈，所以魯棒性極高模仿人類下意識的環境。刮胡子有點炫技，其實我們很早已經把它應用到實際場景中了。

視頻，這是我們一個樸素版本，在很多食品加工行業里已經批量化落地了，這里就需要非常好的力學。刮冰淇淋試試看，和一次性抓取不太一樣，它每一毫秒都要非常精確地得到它的動作，特別是動作比較硬的時候，是刮不出來這種結果的，像人的手感一樣。因為已經批量化在食品加工、食品處理行業落地了，這幾段視頻是因為我們廠商有保密協議，可能你們吃的食品是我們機器人在背后做的，因為食品是高密度、高持續的接觸，同時對于物理的理解會有更大的難度。但是拓展到生活場景是非常必要的，比如將來可以照顧人，幫你擦臉，有很多跟人的交互，應用到生活場景也是必需的，所以我們的模型就用了力和位置，也是全球唯一用力和位置反饋的大模型。

 王仲遠：謝謝盧老師。Karol Hausman，Physical Intelligence在中國是非常受到歡迎和關注的，每次只要發布一款模型或一個視頻都會受到大量的轉發，包括π0、π0.5、Hi Robot都在中國得到了大量的關注。不知道您剛才有沒有看到現場機器人的表演，包括盧老師所展示的精細化的操作，也想請您介紹一下Physical Intelligence最新的具身機器人和具身模型的能力有什么新的進展？

Karol Hausman：非常感謝您提的這個問題，我也意識到這一點。確實看到很多人都比較關注π和Physical Intelligence，我們也愿意給大家提供更多的模型，這樣能夠讓全球的機器人承擔更多有效的任務。

關于π0.5模型，這是我們感到非常驕傲的地方，之前會認為很難讓機器人在陌生的環境下完成相關的任務，但發現這是大家都面臨的挑戰。家庭是非常復雜的環境，每個人的家庭都不一樣，如果能夠把機器人帶到一個之前從來沒有去過的家庭，之后進行任務的完成，這是非常重要的突破。因為每個工廠都比較類似，但家庭場景各不相同，所以我們開始關注有多少多元化的數據才能夠幫助機器人在陌生環境下完成任務，我們有上百個不同的家庭環境，先生成上百個不同家庭的數據，其實并不是每次機器人都會完美地完成任務，也會有這樣或那樣的失誤，但確實展現出非常大的潛力，機器人并不需要考慮數據集的多元性才能夠實現最終的泛化。我們現在還處在整個研究的初級階段，但是這個研究領域確實有很大的前景。

王仲遠：謝謝Karol Hausman。

2.機器人比賽是技術驗證，還是“秀肌肉”？

王仲遠：接下來聊一聊近期的熱點，大家知道今年具身智能比較破圈，主要原因是進行各種各樣機器人的賽事，比如馬拉松比賽、格斗比賽。今年8月份，在北京市還將舉辦一場世界人形機器人運動會，我也想聽聽各位朋友對于運動會以及這種賽事活動怎么看，它們是一個技術的驗證場，還是“秀肌肉”的表演？有沒有可能拉高公眾對機器人能力的預期？也想聽聽王興興和熊友軍的看法。

王興興：從今年1月份的春晚，包括我們的格斗比賽，最大的點其實很好給到了展示水平，并且更早地讓大家接觸目前機器人發展到了什么階段。因為比賽很多，有些企業參加，有些企業沒參加，因為每家企業有各自的特點。

因為我們公司終極目標還是希望機器人是干活的，無論是家里還是工廠。最近幾年，如果讓一個人形機器人馬上去家里干活還是不太現實的。我們公司的核心本質是希望通過AI技術，讓一個機器人尤其人形機器人可以做各種全身動作，跳舞和格斗是全身動作的一部分，而且我們真正的理念是希望一個人形機器人可以做各種動作，無論是跳舞、極限、格斗，包括家里的端茶倒水或者洗衣做飯，它是全身動作的一部分。所以我一直相信一部分，當AI技術包括具身智能技術發展到一定階段時，一個足夠智能的能家用的機器人肯定是可以跳舞了，肯定是可以打格斗賽的。

所以我們的目標一直是希望通過AI技術讓機器人做各種的全身動作來實現終極目標，去真正解放人類的生產力，尤其解放一些辛苦的工作。但在這個終極目標未實現之前，我們先參加一些表演、參加一些格斗比賽來給大家展示一下機器人的情況，并且產生一部分商業價值。

今年上半年，包括人形機器人租賃市場也比較火爆，本身已經帶來了一些產業價值，我們無論是做比賽也好，或者真正想做的事情，做這樣一個說明。

熊友軍：我覺得舉辦機器人比賽非常有意義，尤其是像即將在北京鳥巢舉辦的機器人運動會，從以下幾個方面說：

1.它是一個機器人知識普及的盛會，通過比賽，能夠普羅大眾對機器人現在發展的狀況、現在的技術水平有一個比較全面的了解。據我們所知，這次在鳥巢舉行的比賽會有一些田徑比賽，比如短跑、長跑、障礙賽、接力賽，還有足球、舞蹈等大家喜聞樂見的方式，他們非常愿意看，看的過程中，潛移默化就會對機器人的知識、發展狀況有比較深的了解，普及了科技水平。

2.它是一個非常好的機器技術的訓練場，因為很多比賽的場景是來自于人類真實的生活場景，之前在實驗室里很多都是我們自己構建的場景。據我所知比賽還有很多實際場景，有一些是工廠提出來的物流搬運的，也有一些是醫院提出來的醫藥分揀，還有給病人送藥，以及酒店服務性場景，這些都是一些具體的企業或場景提出來的，所以非常符合機器人即將要發展的方向。因為我們畢竟希望機器人真正走入我們生活、服務人類，所以這是很好的訓練場，對提升機器人的技術有很大的幫助。

 3.這也是機器人潛在客戶了解和跟機器人企業溝通的橋梁。通過比賽，有可能會促成機器人加速產業化，或加速在真實場景里做試點的應用。謝謝！

王仲遠：Karol ，有沒有關注到中國機器人比賽，海外有沒有類似的機器人比賽，你怎么看？

Karol Hausman：海外沒有中國這么受歡迎的比賽，中國有各種各樣的機器人比賽。在海外也有一些比賽，還有很多學術性的競賽，但和中國的規模無法相比，所以我非常期待能看到中國的比賽和機器人技術的發展和驗證。

王仲遠：機器人通過比賽可以不斷展示它的極限能力，我們更希望機器人可以幫我們解決一些實際的問題，進到工廠和進到家庭。王鶴老師和盧老師做的產品非常落地，聽聽你們關于比賽和落地之間的看法。

王鶴：今天我們談具身智能，這有一個當下的目標，就是我們一定要推動具身智能的產業化。雖然我們看到了很多炫酷的技能，我們一定要反思這樣的技能在新的環境里，在新的物品下，在用戶非常挑剔，需要成功率接近百分之百的情況下，它能不能成功。所以這也是我們銀河通用和智源聯合團隊做這件事的思考，就是先把最重要的技能打通。在這里面，主要是指mobile peak and place（音）。剛剛看到π在家庭里做的事情，也是通過Navigation，從地面上去Piak，是一些行為組合而成。我們關注的是一般性貨架，無論是超市還是工廠的料庫區，還是在外賣前置倉。

如果我們能用人形機器人在24小時服務，這樣就構成了具身智能真正走向產業化，真正能服務人民，創造生產力的開始。這是我一直談的要推動人形機器人生產力時刻的到來，一個好消息是今天銀河通用機器人已經在北京開了7家無人藥店，24小時由我們的人形機器人在里面撿藥，對接騎手。這樣的無人藥店為夜間急需用藥的患者送去了溫暖，同時不會把一個人24小時鎖在房子里面，解決了招聘員工的問題。我們今年將在北京、上海、深圳一共開100家藥店。

相信以后給超市下訂單，在車廠里配料，是由我們的人形機器人在里面當家作主。這些我希望跟后續賽事，在操作級別上對接起來，用賽事引領有價值、可落地的技能形成，不斷把生態給轉起來。

王仲遠：謝謝，盧老師怎么看。

盧策吾：我同意王老師的觀點，這個賽事很好，可以看到機器人的性能，這是很好的起點。下一步能看到機器人產生價值，能干活，就是有干活的比賽，是生產力的比賽。這一點我同意王老師的看法，我們逐步把技能提高。穹徹也是逐步把一些大模型，特別是物理世界的高持續接觸、有力反饋模型，應用于各種食品食材加工等各種場景里面去。如果有很多技能比賽，我們可以看到勞動最光榮。

3.“人形”不是具身智能的唯一解，卻是得到訓練數據的最優解

王仲遠：謝謝盧老師。接下來聊些技術！首先是關于機器人構型問題。清華大學舉辦的學術會議上，張博院士表示，人形機器人不是具身智能和AGI的最佳路徑，走向通用機器人，硬件要多樣化，軟件要通用性。王興興對這個觀點有什么評價？

王興興：我過去公開好幾次，我不堅持一定要做人形。對我們公司來說，做機器狗和人形機器人是順理成章的事情。尤其對于腿來說，可以有輪子底盤，這是非常實用的。為什么現在大家喜歡用人形，尤其是上半身保持人的樣子。因為現在AI基于人的數據進行采集和訓練，尤其是上半身和人的動作一致，數據采集方便很多，也方便AI做訓練。對于全身也是一樣，比如跳舞、格斗比賽，如果你做成別的樣式，就沒辦法做這個事情。

我相信機器人在AGI或通用AI發生以后，機器人才會千奇百怪，工廠里干活、醫療的機器人，到時候形式比現在多很多，甚至會多100倍。因為目前的AI是由數據驅動的，因為長得像人的機器人在落地和訓練時，還是有很大的優勢。

熊友軍：我同意王興興的說法，現在具身智能的發展和形式，確實是多種多樣，不一定要局限于人形，人形只是一個比較好的載體。我認可人形機器人是具身智能研究的一個最佳載體，我主要從未來市場的容量來考慮。今天機器人可以不必像人，也可以是四足與輪式，這沒問題。從市場應用情況來看，最多的市場是走路、商用和家庭，今天的工廠應用場景只是開胃小菜。我認為人形機器人的市場容量比其他的機器人容量要大。

第二，從人機交互來講，既然以后會走入家庭和生活，成為我們的朋友，甚至以后成為我們的愛人都有可能。所以人機交互自然，并被人接受，從這方面來講，人形機器人有非常好的優勢。

第三，現在的環境大部分是為人設計的，部署人形機器人和適應環境過程非常便利，可以方便地使用我們的工具，不需要做太多的改造。否則為了部署，還要去改造環境。從這幾個角度來講，人形機器人是最好的一種選擇。我明白大家的擔心，現在成本和技術不占優勢。但放在歷史比較長的角度來看，我堅持人形機器人是一個很好的載體。

王仲遠：聽現在，大家對機器人的構型的長期和短期有共識。真正要讓機器人有用，模型非常關鍵。今天上午的開幕式的主旨演講和各位嘉賓的討論都談到了VLA視覺語言行動模型。王鶴老師也紹了VLA模型，在無人駕駛領域，VLA已經成為了很主流的解決方案。但畢竟無人駕駛的操作空間是相對有限，機器人面臨的環境和實際的行動數量非常多，不知道大家對于VLA的泛化性怎么看？

王鶴：自動駕駛其實驗證了一件事情，就是端到端的方案有更好的擴展性，它能夠通過數據真正驅動模型，而不是靠無窮無盡的規則，比如先檢測出來車的三維包圍盒，再機遇這些包圍盒想下一步該怎么走，最后規劃出軌跡以后，再交給控制，這條路其實自動駕駛走了很多年，但是現在全國各地都能開的車不是通過這種模塊化的，而是端到端的。從這個角度上講，VLA的意義在于什么？直接是視覺觀測，最主要的信息來源，可以給自然語言下達任何命令，最終這個模型端到端輸出動作，不經過中間任何中間產物。所以從端到端的角度上來講，真正能夠充分地吸收數據背后的知識，讓它能夠發揮出最大的性能，而不受制于一些模塊化方案中間階段的錯誤級聯誤差和要寫無窮無盡規則兜底的問題。

今天的VLA是具身研究的熱點，但是針對VLA究竟要突破什么，也有不同的觀點，有些人認為VLA應該把人類能做的一切事情在里面快速地做進去，然后形成一個基座模型。從這個角度來講，有點太著急了。人類視覺的輸入之外，還有力覺、觸覺，做飯時還有嗅覺和味覺，我們抓一些熱的東西還有溫覺，還有聽覺，掉地上，聽見了。所以VLA只能是一個起點，要真的想做到人類級別的具身智能，只能是不斷地融合新的模態。

VLA現在最適合干什么？我認為就是移動抓取和放置。這幾個技能基本上靠視覺為主，末端再加觸覺或力覺的傳感器，就能夠很好地執行，而且它面對的很多任務，在工業、商業、服務等里有非常廣泛的應用，如果我們能把這樣一個VLA先做好，做work，在各種場景里部署進去，將會是見證具身智能第一次真正高潮的到來。

 盧策吾：VLA確實很火，我覺得這個東西也是很本質的，V理解世界、L溝通人類、A改變世界，我覺得這是集合了機器人幾件要干的事情。L很妙，語言是一個黏合劑，各種高層的語義都能把數據聯結在一起。

 我跟王老師觀點很像，它有很好的擴展性，但還是有limitation，我們還是要去推進的。我也很同意具身智能要逐步落地，但是也要星辰大海，想把它推到通用智能。它面臨很大的問題是，如果想做到通用的話，空間很大，跟無人車不一樣，無人車有兩個決策維度，而且不用碰撞，不用接觸，場景也相對固定，所以整個空間會比較小。如果做通用情況下，VLA就得壓縮不確定性，相當于VLA是一個火鍋底料，現在只能清湯寡水服務一部分人，要服務更多人，需要不停往里面加東西，加東西本質是增加更多額外信息，使得這個事情更加的powerful，而且能夠兼容這個框架里加更多的信息，在端到端的模型里壓縮它的空間。

 壓縮空間有很多方式，比如穹徹一直在做的用力反饋，因為很多人下意識動作是不用動腦的，比如擦桌子不用動腦，其實不用每毫秒去計算。有了力反饋之后，穩定性很高。如果用加力反饋話，可能會一掯一掯（ken）的，因為看起來是可以的，但它的魯棒性存在問題，所以加了力反饋之后，很多時候把空間壓縮了。

 我們可以做的事情，就是對于物理世界的理解，其實你看到的視覺是偷偷在理解整個世界，如果我們能夠更好地理解這個世界，物理理解是否能夠進一步壓縮空間。在我們下個月發布的第二版大腦里加了很多東西，比如進一步壓縮空間的話，會有一個數字基因的東西，因為仿真合成很重要，產生數據資產很關鍵，各種操作仿真數據產生很好的數據模型，力反饋其實又帶來新的模型，其實一步一步再壓縮，會使得數據量需求大大下降。因為這里面不確定的地方是那么大的空間，究竟有多少數據量去fitting它，所以找到好的模態，壓縮它的空間，找到聰明的更加理解世界的方式把它融到里面去，VLA才能逐步推進。

 我們也很期待這樣一步一步去推進到它的整個通用拐點。

王仲遠：謝謝盧老師。Karol Hausman也聽到各位嘉賓對于VLA的一些觀點，在您今天早上也提到了VLA，還有令我印象比較深刻的build model等，跨本體的VLA現在在實踐過程中有沒有什么樣的瓶頸是繞不過去的，抑或我們等待就是時間和數據的規模呢？

Karol Hausman：確實還是有瓶頸存在的，最大的瓶頸是現在這個模型有一些完成的并不是我們需要的，我想應該有一些算法的提升，這是必需的。因為現在數據是海量、無盡的，要使用現在的算法來運用這些無盡的數據，所以我們的算法需要提升和改善，并且也需要新的技術，這些是我們現在正在做的，也是我們正在解決的。這是現在最大的一個瓶頸。

 如果你問我的話，幾個月之前，現在π5的出現已經能夠更好地處理，并且能夠更好地獲取數據。所以現在更多還是算法的問題，并非數據的問題。

 王仲遠：謝謝，因為時間關系，今天會客廳就到這里結束，感謝大家精彩的分享，希望我們常聚常聊，一起推動具身智能研究與產業的發展。

如果大家對這個主題依然意猶未盡，可以關注智源大會還有兩場具身智能相關的主題論壇，在會議中心有具身機器人現場展示，也歡迎大家前去體驗。

會客廳就到這里，謝謝大家！

本文轉載自??51CTO技術棧??，作者：伊風