<mark id="oztn4"></mark>
0
編輯丨李希
今年關于具身智能的討論里，有一個問題始終繞不開：機器人進了家門，到底靠什么讓人愿意留著它？
工廠的邏輯很簡單：干得準、跑得穩，得能運行，還能創收。但家庭場景不一樣：一個動作失誤、一次對意圖的理解偏差，用戶的心理容錯率幾乎為零——錯一次，機器人就可能就被退貨，或者放在角落吃灰。
這個現實，讓行業分出了兩條路。一條路上的公司，繼續死磕物理智能，讓機器人能夠無限接近理解物理世界；另一條開始往回退一步，先想清楚一件事——機器人要怎么理解人，才能在人身邊待得住。
星熾動力顯然是后者。為了了解他們的想法，AI 科技評論和公司的 CTO 李達聊了聊。
李達的履歷并不神秘。中科院自動化所博士，師從譚鐵牛院士，長期做視覺導航和連續學習，成果多次在領域頂級期刊發表，上過 IEEE TIP。進入星熾動力之前，李博士曾在自動化所工作學習十余年，學術底子算得上扎實，但他現在做的，是把這些積累倒進一個家庭場景里，重新審視一個被忽視很久的問題：機器人如果不懂人，憑什么跟人一起生活？
“今天的具身大腦講的更多的是‘環境動力學’——但我們不光要考慮物理環境的變化，也要把用戶的狀態推演出來。”討論中，李達常常強調這一點。
為此，星熾動力推出的 PULSE 架構，是把具身大腦拆成了“雙軌”：一條軌跑物理環境的感知和推演，另一條軌跑用戶狀態的感知和推演。兩條軌不是孤立運行，而是在特征層面做交叉驗證。
物理信息告訴機器人“環境怎么了”，用戶狀態信息告訴機器人“人怎么了”，兩者合并，才能輸出一個更靠譜的決策。
家庭場景里，人不是環境里的一件物體，而是交互的中心。如果機器人的認知模型里只有桌子、杯子、沙發，卻沒有坐沙發的人的狀態，那它永遠只能做一個被動的命令行工具——人發指令，機器執行，像在用 CLI（命令行）操作一臺機器。
但在家里，如果老人、小孩沒法很明確地提出指令，那么機器人是否就沒法在家庭場景好好工作？
怎么讓機器人理解人？PULSE 的答案落在三個關鍵詞上：意圖、信念、偏好。
意圖是用戶說了什么、做了什么，機器人能不能讀懂。
信念更有意思——李達舉了一個例子：男主人認為牛奶還在微波爐里，但女主人已經拿出來了。男主人持有的是一個“錯誤信念”。如果機器人只盯著物理世界，它看到的是微波爐里沒有牛奶，它不會理解男主人接下來要去做的動作是基于一個錯誤的前提。但如果機器人有能力表征人的信念狀態，它就能主動提醒：“牛奶已經被拿出來了。”這種糾偏能力，才是家庭場景里真正有用的智能。
偏好則更長期，涉及用戶的習慣、邊界、隱私，需要靠持續的交互來積累。
這三者構成的理解模型，不是掛在系統外的一個附加模塊，而是被李達團隊直接嵌入世界模型的條件化輸入里。用戶狀態被表征為隱空間的特征向量，以類似 token 的形式參與跨注意力計算，和環境特征做對齊。
這個技術選擇透露了一個清晰的價值判斷：理解人和理解物理世界，在認知架構上應該是平權的，甚至人的優先級更高。
為什么？因為落地節奏不同。
物理世界太復雜，泛化太難。一個在80公分高的桌子上訓練好的抓取模型，換到75公分的桌子上就可能失效。要在所有家庭、所有物品、所有光照條件下做到物理智能的通用，李達認為短期內難以實現。
但人的理解模型不一樣。雖然人也復雜，但人的行為在單個家庭里是有規律的。一個人每天喝水的杯子、回家的時間、說話的語氣，都有跡可循。如果機器人能先在一個具體的家庭里把“這個人”理解清楚，它的可用性就會迅速提升。
可用性上去了，用戶的使用頻率也就能夠提升，拿著這些基于用戶實際反饋的數據，星熾的機器人也可以借由這些和自家本體強耦合的真機數據，去進一步提升具身大腦的能力。
不追求一個模型解決全宇宙的問題，先讓機器人在一戶人家里不出錯、不惹人煩、偶爾讓人覺得貼心。這個目標比通用物理智能近得多。
PULSE 端云結合的落地策略也印證了這一點，云端負責全局迭代，端側跑測試時適應——機器人在使用中遇到新分布的數據，直接在本地做調優，不用等云端回傳。這種設計天然適配家庭場景：每個家庭都不一樣，每個家庭的機器人都應該長出自己的理解模型。
說到底，物理智能解決的是“能不能做到”，而人的理解模型解決的是“該不該做、什么時候做、怎么做才合適”。在家庭這個容錯率極低的環境里，后者的優先級恐怕還要再往前排一排。
這可能也是李達想表達的最核心的一句話：具身智能在家庭落地的關鍵，不是讓機器人更像一個萬能工具，而是讓它更像一個懂得察言觀色的伙伴。
以下是 AI 科技評論和李達的對談實錄，AI 科技評論做了不變原意的編撰。
▎AI 科技評論：能為我們講講 PULSE 架構的特點嗎？
李達：PULSE這個名字我們其實是有些寓意的。一方面，我們希望它是一個永續的、能夠和人的價值對齊，并能夠持續演進的系統。另一方面，"PULSE"這個詞本身也有脈搏的意思。我們覺得機器人有了PULSE之后，就有了生命，也就能夠真正地伴隨用戶一起成長。
如果用幾個詞介紹 PULSE 的核心閉環，就是：看懂環境，理解用戶，雙軌推演，接受反饋，持續進化。
當前行業內具身世界模型更關注環境動力學，也就是關注周圍物理環境的演變。但是星熾動力主打 C 端家庭場景，就離不開和人的交互。所以我們希望能夠讓機器人具備“社會屬性”。
因此，我們在構建PULSE世界動作模型時，跨出了行業的第一步：不僅推演物理環境的變化，更要把“用戶狀態的變化”也推演出來。機器人在采取行動前，不僅要算清“杯子會不會掉”，還要推演出“這個舉動會不會打擾到主人”。
我們最終的目的，是賦予機器人真正的“心智”，但什么是心智呢？人的心智，是他在一個團體當中，我應該知道怎么去做才能更好的融入團體。所以我們也希望機器人不僅可以執行命令，還要懂得主動預判你的需求，貼合你的偏好，并且極其克制地尊重你的家庭邊界等等。
▎AI 科技評論：這可能和做情感還不太一樣。
李達：純粹的“情感交互”往往停留在語言層面，通過聊天提供情緒價值和陪伴；而我們在星熾動力要做的是通過“心智理論（ToM）”，將家庭場景中高度復雜的“個性化”，轉化為一個可計算、可訓練、可驗證的數學模型。
這種基于心智的個性化模型，核心錨定在三個維度：信念（Belief）、意圖（Intention）和偏好（Preference）。
偏好依賴于機器人的長期情境記憶，而“信念”則是機器人理解人類認知偏差的關鍵。我舉個非常經典的家庭場景：男主人把牛奶放進微波爐加熱后離開，女主人隨后將其取出。此時，不知情的男主人腦海中就產生了一個“牛奶還在微波爐里”的虛假信念（False Belief）。當他再次走向微波爐時，具備心智模型的機器人就能精準識別出這種“信息差”，主動出聲提示甚至直接遞上牛奶，完成認知糾偏。
而在“意圖”層面，我們不再滿足于機器人只能聽懂直接指令，而是要求它具備兩項核心能力：一是“主動預判”，即通過用戶的行為動作提前推斷其潛在需求，做到“眼里有活”；二是結合“偏好對齊”，評估機器人的執行動作和分寸，是否真正符合該用戶的心理期望。
為了支撐這套復雜的認知中樞，在前期構建用戶狀態表征時，我們引入了基于自解釋增強的多模態大模型來進行底層建模。
▎AI 科技評論：要做個性化，記憶肯定是很重要的。
李達：是的，記憶是個性化的基石。為了兼顧機器人響應的低延遲與理解的深度，我們在PULSE的記憶模塊上，設計了一套自適應任務復雜度的“三層記憶架構”：結構化規則層、RAG（檢索增強生成）語義層，以及底層的參數化模型層。
比如最直觀的結構化規則層，負責處理高確定性的物理時空檢索。當用戶問“我的剪刀呢？”，這是一個精準匹配的尋物指令，系統無需去激活龐大的底層模型做深層表征挖掘，直接在規則記憶庫中調用即可。
但如果用戶的指令是模糊或高度意圖化的，比如只說了一句“幫我倒杯水”，這就觸及了“RAG語義層”。光靠規則是無法匹配這句指令的，系統需要通過 RAG 從過往的歷史交互切片（Episodic Memory）中，檢索出與“倒水”相關的語境與習慣（比如用什么杯子、常喝的溫度），以此對齊當前意圖。
當面對更為復雜的長尾場景、深層的情感共鳴，甚至遇到毫無歷史規則可循的突發狀況（Zero-shot）時，就需要“底層模型層”的重度介入。通過大模型的認知推理與泛化能力，對長期沉淀的用戶行為進行深度的因果歸因與價值挖掘。這種層層遞進的設計，確保了我們的機器人既能做到“極速響應”，又能做到“深思熟慮”。
▎AI 科技評論：不僅有記憶，還得有更好的上下文語境理解。
李達：對的，在家庭真實交互中，一句看似簡單的“給我倒杯水”，本質上是一個“高維且高度模糊”的指令。它隱含了海量的決策分支：水溫多少？什么杯子？純凈水還是電解質水？這些信息無法單純靠死記硬背來提取，機器人必須具備基于時空上下文的意圖消歧能力。
這種能力的底層支撐，是我們PULSE架構中的“室內態勢協同感知”模塊。比如，當用戶大汗淋漓地推開家門說“倒杯水”，機器人不應該只是機械地去接一杯溫水，它需要瞬間完成兩個維度的態勢融合：
第一是物理環境感知，通過物聯網或環境傳感器，獲取當前的極熱天氣與室內高溫狀態；第二是用戶狀態感知，通過第一視角的視覺模型捕捉“滿身是汗”的特征，甚至結合毫米波雷達提取呼吸心率等生理信號。
獲取這些多源異構數據在硬件層面并不難，真正的技術壁壘在于后端的多模態融合與跨域決策。基于這套感知，機器人不僅會決定遞上一杯補充電解質的運動飲料，還會聯動全屋智能生態——比如我們目前已經與海爾智家、涂鴉智能深度打通，機器人可以自主指令空調下調溫度。
因此，我們把室內態勢感知明確劃分為物理環境和用戶狀態兩個維度。這兩部分的感知結果，將共同作為輸入，接入后續的世界動作模型。而這正是我們提出的"雙軌世界模型"的核心：既要對物理世界的演變進行推演，也要對用戶狀態的變化進行推演。只有將這兩者并行處理，機器人才能在家庭場景中真正理解人的需求。
▎AI 科技評論：另一方面其實對于具身來講，只有正確數據是不是足夠了？
李達：遠遠不夠。在具身智能的真實落地中，“正確的常識”只能保證機器人能走通基本流程，而真正的護城河，恰恰是那些“錯誤數據”、“糾偏數據”以及“長尾的分布外數據（OOD）”。機器人在用戶即時糾錯中產生的反饋數據，才是我們做后訓練（Post-training）最珍貴的燃料。
在PULSE架構的數據回流設計中，我們將這些反饋分成了兩條線處理：一條是云端的全局迭代，用于基礎大模型能力的長期對齊與泛化；但更關鍵的是另一條線——端側的測試時適應（TTA, Test-Time Adaptation）。機器人必須具備實時的不確定性估計（Uncertainty Estimation）與OOD檢測能力，一旦識別出歧義數據，就能快速讓模型適應新的數據分布。這對機器人的糾偏速度要求很高，因為家庭場景里用戶的心理容錯率極低——錯一次，可能就被退貨或閑置。
所以在策略上，我們就需要非常謹慎，不能因為歷史數據里用戶曾經這么做過，就替用戶直接把任務完成了。人的狀態有起伏，情緒可能多變。當機器人分析出當前執行某項任務的不確定性較高時，應該主動詢問用戶："我幫您把這件事做了，行不行？"如果用戶同意，再執行；如果用戶表現出不耐煩，就靜默處理。
最理想的閉環是，機器人在完成每一個決策或動作后，能夠實時捕獲用戶的多模態顯隱式反饋。無論是憤怒的微表情、不耐煩的語氣，還是豎起大拇指夸一句“你真棒”，系統都會將這些自然流露的信號回傳，轉化為偏好對齊模型中的正負獎勵。這才是具身大腦“越用越聰明、越用越懂分寸”的本質路徑。
▎AI 科技評論：后訓練對你們來說是一個很重要的策略。
李達：我覺得后訓練肯定很重要，但這個要分時期來看。
從認知仿生學的角度來看，人類成長是一個增量學習的過程，我們在掌握一項新技能時，是基于已有的常識基座進行局部的突觸鏈接調整，而不是把從小到大的所有記憶翻出來“全量重訓”一遍。具身大模型的后訓練，本質上就是模擬這種人類的“終身學習”機制——在新家庭、新場景中，以極低的算力成本對齊新的偏好。
但我們也非常客觀看待現階段的技術局限。當后訓練走向極致，也就是真正意義上的“連續學習（Continual Learning）”時，不可避免會面臨災難性遺忘問題。
這是一個非常現實的風險：如果模型一直接收新知識、不斷進行微調，那些此前好不容易建立起來的基礎通用技能，會不會因為網絡權重的覆寫而丟失？這就像俗話說的“狗熊掰棒子”，學了新的家庭習慣，卻忘了最基礎的物理常識。這種風險不僅存在，而且在現有的大模型架構中概率極高。因此，如何在“敏捷吸收新知”與“穩固歷史常識”之間建立有效的參數隔離與記憶重塑機制，也是我們當前在工程落地上投入極大精力去攻克的難點問題。
▎AI 科技評論：今天星熾動力怎么看具身大腦的泛化？我們距離實現動作的即興和舉一反三還有多遠？
李達：當前行業距離真正泛化還有相當長的一段路要走。
現在很多VLA模型，一旦物理參數變了，比如實驗室精調時桌子高度是80公分，到真實家庭變成了75公分，它大概率就不知道該怎么抓了，這說明現階段的泛化是非常脆弱的。如果大家只是在實驗室里閉門造車，死磕算法架構，這永遠是個無解的死循環，因為我們根本窮舉不完真實家庭里千奇百怪的參數。
所以，星熾動力破局的思路，是緊緊貼合我們“本體+大腦+數據”三位一體的戰略飛輪。我們不寄希望于某種神奇的算法能立刻實現通用泛化，我們走的是用規模換數據、用數據反哺模型泛化的務實路徑。所以星熾動力的模型，一定能率先在星熾自己的硬件本體上實現最穩健的泛化。
至于未來動作的即興編排，那是在我們的原子庫泛化能力足夠強之后，依靠上層大模型規劃和底層具身OS調度來自然實現的水到渠成。
▎AI 科技評論：隱私問題我們會怎么考量？
李達：隱私絕對是C端家庭機器人的生死線。在星熾動力，我們對隱私的考量不僅停留在“獲取用戶知情同意（Consent）”這種合規底線上，更是將隱私保護機制直接原生地設計在了PULSE的技術架構里，也就是所謂的“Privacy by Design（隱私即設計）”。
具體來說，我們通過“端側計算”和“模態解耦”來徹底切斷隱私泄露的源頭。
首先，在核心的行為理解上，我們不需要把包含用戶真實面貌、穿著的RGB高清畫面傳回云端。在端側，我們就直接將視覺流轉化為了低維的骨架點（Skeleton/Pose）信息。脫敏后的骨架序列，在行為識別算法上的性能反而更好！因為衣著紋理、背景光影在很多時候是冗余的噪聲，剝離這些反而讓模型更專注、更魯棒。
其次，對于人臉微表情、生理狀態這些極度敏感但算力要求不高的感知任務，我們全部在前端直接閉環處理。系統最終傳給云端大腦的，只是幾個類似于“高興”、“疲憊”的結構化語義標簽，沒有任何原始圖像。
環境數據也是同理。我們不需要上傳用戶家里的照片來做預演，我們提取的是場景的結構化語義描述（Semantic Scene Graph）。云端拿到的只是一組描述物體空間關系的文本和拓撲圖。
▎AI 科技評論：謝謝李博的分享，我們再問最后一個問題：星熾動力的 Mission 是什么？
李達：讓機器人真正走進千家萬戶。我們聚焦家庭場景，希望打造一款在長期陪伴中不斷學習、越來越懂你的家庭伙伴機器人，讓機器人更自然地融入每個人的日常生活。
