RoboScience機(jī)器科學(xué)發(fā)布通用具身大模型Visics，首次完整展示VLOA雙引擎架構(gòu)

雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))獲悉，6月24日，通用具身智能企業(yè)RoboScience機(jī)器科學(xué)在深圳成功舉辦通用具身大模型發(fā)布會(huì)。會(huì)上，公司首次完整披露了自研Visics大模型的技術(shù)架構(gòu)VLOA（Vision-Language-Object-Action），并展示了模型在多項(xiàng)真實(shí)場(chǎng)景的應(yīng)用，包括全球最復(fù)雜具身操作任務(wù)家具拼裝。

 

RoboScience機(jī)器科學(xué)創(chuàng)始人兼CEO田野、聯(lián)合創(chuàng)始人兼執(zhí)行總裁汪濤深度解讀了Visics大模型、底層技術(shù)架構(gòu)VLOA和數(shù)據(jù)體系，并分享了未來(lái)在模型泛化、場(chǎng)景落地及生態(tài)構(gòu)建等方面的戰(zhàn)略規(guī)劃。

Visics大模型重新定義具身智能

RoboScience機(jī)器科學(xué)創(chuàng)始人兼CEO田野告訴雷峰網(wǎng)，當(dāng)前機(jī)器人操作面臨泛化能力差、精細(xì)操作難、長(zhǎng)程任務(wù)誤差累積三大核心瓶頸。Visics大模型的突破在于首次通過(guò)自研技術(shù)架構(gòu)VLOA，將Object Trajectory（物體3D點(diǎn)云軌跡）作為中間接口，把“認(rèn)知”與“執(zhí)行”徹底解耦。他表示：“Object 這個(gè)詞本身有‘物體’和‘目標(biāo)’兩種意思，所以它精確地描述了機(jī)器人本體跟物體要發(fā)生什么樣的交互、要完成什么樣的物體運(yùn)動(dòng)狀態(tài)的變化。我們自研以O(shè)bject Trajectory為中心的 VLOA 架構(gòu)，是因?yàn)樗夏軌蚓_地表示我們執(zhí)行任務(wù)的內(nèi)容，往下能夠精確地表示機(jī)器人要完成什么目的。”

VLOA（Vision-Language-Object-Action）創(chuàng)新架構(gòu)實(shí)現(xiàn)了三大維度泛化：指導(dǎo)任意機(jī)器人、操作任意物體、完成任意任務(wù)。以抓取操作為例，相比現(xiàn)有基于特定物體和機(jī)械臂的方法，其在成功率、姿態(tài)多樣性及計(jì)算速度上均有顯著提升。

 

Visics大模型融合“具身世界模型”和“通用操作模型”兩大核心引擎，創(chuàng)新性地引入Object Trajectory作為中間接口，并以物體的連續(xù)3D點(diǎn)云軌跡進(jìn)行表征。上層具身世界模型負(fù)責(zé)認(rèn)知和預(yù)演物理軌跡，下層通用操作模型負(fù)責(zé)將軌跡轉(zhuǎn)化為不同機(jī)器人的物理控制信號(hào)，實(shí)現(xiàn)了高層語(yǔ)義與底層物理規(guī)律的完美解耦，并分別用海量互聯(lián)網(wǎng)視頻及仿真數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練。

「仿真+視頻」數(shù)據(jù)飛輪，實(shí)現(xiàn)高精度復(fù)雜自主操作

在具身智能領(lǐng)域，數(shù)據(jù)是模型能力的根基，但傳統(tǒng)數(shù)據(jù)路線正面臨成本與產(chǎn)能的雙重天花板。

 

在預(yù)訓(xùn)練階段，依賴(lài)真機(jī)采集的方案月產(chǎn)能僅為萬(wàn)條級(jí)，遠(yuǎn)不能滿足大模型對(duì)數(shù)據(jù)規(guī)模的指數(shù)級(jí)需求；在后訓(xùn)練階段，單任務(wù)的復(fù)雜操作演示需要上萬(wàn)條人工標(biāo)注數(shù)據(jù)，人力與時(shí)間成本隨任務(wù)數(shù)量線性累加。更關(guān)鍵的是，數(shù)據(jù)工廠環(huán)境采集的數(shù)據(jù)與真實(shí)應(yīng)用場(chǎng)景存在分布差異，模型難以在實(shí)際落地中穩(wěn)定泛化。

RoboScience機(jī)器科學(xué)選擇了一條截然不同的路徑。聯(lián)合創(chuàng)始人兼執(zhí)行總裁汪濤分享，公司以自研高精度仿真引擎RoboMirage為核心，結(jié)合全自動(dòng)視頻數(shù)據(jù)標(biāo)注與清洗管線，構(gòu)建了“仿真+視頻”雙數(shù)據(jù)飛輪。這一體系將單條數(shù)據(jù)的獲取成本降至傳統(tǒng)方案的1/20~1/200，同時(shí)以每周數(shù)十萬(wàn)小時(shí)的增速持續(xù)擴(kuò)展，從根本上突破了數(shù)據(jù)規(guī)模與成本的雙重瓶頸，為Visics大模型實(shí)現(xiàn)LLM級(jí)別的萬(wàn)億級(jí)數(shù)據(jù)Scale-up奠定了基礎(chǔ)。

 

在具體構(gòu)成上，雙數(shù)據(jù)飛輪可分為兩大板塊：

 

具身世界模型的預(yù)訓(xùn)練基于海量互聯(lián)網(wǎng)視頻數(shù)據(jù)。通過(guò)全自動(dòng)數(shù)據(jù)標(biāo)注及清洗pipeline，團(tuán)隊(duì)已積累數(shù)百萬(wàn)小時(shí)以物體為中心的高維多模態(tài)操作相關(guān)數(shù)據(jù)集（數(shù)千萬(wàn)video clips），并以每周數(shù)十萬(wàn)小時(shí)的速度增長(zhǎng)，目標(biāo)在2026年構(gòu)建上千萬(wàn)小時(shí)的全球領(lǐng)先數(shù)據(jù)集。

 

而作為通用操作模型學(xué)習(xí)物理規(guī)律的基礎(chǔ)，RoboScience機(jī)器科學(xué)通過(guò)自研多模態(tài)物理引擎RoboMirage積累了數(shù)百億次高質(zhì)量manipulation操作軌跡數(shù)據(jù)集，2026年目標(biāo)是構(gòu)建超過(guò)1T高質(zhì)量manipulation操作軌跡數(shù)據(jù)集（1萬(wàn)億次全空間物體的manipulation操作軌跡數(shù)據(jù)）。

 

這一數(shù)據(jù)體系有效降低了對(duì)昂貴真機(jī)數(shù)據(jù)的依賴(lài)，為Visics大模型持續(xù)進(jìn)化提供了不竭燃料。

 

Visics大模型可全程自主完成具身操作領(lǐng)域內(nèi)最復(fù)雜任務(wù)家具拼裝，并實(shí)現(xiàn)毫米級(jí)精度抗干擾。家具拼裝任務(wù)被業(yè)內(nèi)視為具身智能領(lǐng)域的“登月級(jí)”挑戰(zhàn)，涉及手內(nèi)操作、雙臂協(xié)同、毫米級(jí)插接、精細(xì)力控、物體重排、部件嵌入與旋轉(zhuǎn)配合等幾乎所有技術(shù)難點(diǎn)。機(jī)器人讀取說(shuō)明書(shū)后自主啟動(dòng)拼裝：深度理解零件結(jié)構(gòu)邏輯，實(shí)現(xiàn)多部件檢測(cè)、感知與定位，自主分解多步驟任務(wù)，完成多關(guān)節(jié)雙臂協(xié)同運(yùn)動(dòng)。依托自適應(yīng)插接路徑規(guī)劃和精細(xì)接觸力調(diào)控策略，系統(tǒng)成功實(shí)現(xiàn)高精度、高穩(wěn)定性拼裝。尤其值得注意的是，當(dāng)拼裝過(guò)程中人為拆解已裝好的部件時(shí)，機(jī)器人能夠自動(dòng)恢復(fù)狀態(tài)并接續(xù)完成后續(xù)步驟。

此外，RoboScience機(jī)器科學(xué)還展示了跨本體靈巧手抓取（青椒包覆抓取、西瓜瓣精準(zhǔn)捏取）、精細(xì)力控操作（開(kāi)信封、立硬幣、抓取薯片、針管注射）以及動(dòng)態(tài)傳送帶抓取等操作，全面展示了Visics大模型在任意物體抓取、精細(xì)操作和長(zhǎng)程任務(wù)上的通用能力。

 

學(xué)術(shù)+產(chǎn)業(yè)雙輪驅(qū)動(dòng)，標(biāo)準(zhǔn)化本體即將量產(chǎn)

 

RoboScience機(jī)器科學(xué)擁有一支“學(xué)術(shù)+產(chǎn)業(yè)”雙輪驅(qū)動(dòng)的頂尖團(tuán)隊(duì)：首席科學(xué)家邵林團(tuán)隊(duì)連續(xù)兩年獲得ICRA最佳論文獎(jiǎng)/提名，成為亞洲唯一獲此殊榮的團(tuán)隊(duì)，其最新研究T(R,O)Grasp，可支持5 FPS實(shí)時(shí)動(dòng)態(tài)交互，以94.83%的平均抓取成功率刷新了跨智能體靈巧抓取的全球SOTA。CEO田野曾擔(dān)任蘋(píng)果AI Platform技術(shù)負(fù)責(zé)人，打造了被譽(yù)為“蘋(píng)果的PyTorch與CUDA”的核心平臺(tái)。聯(lián)合創(chuàng)始人劉朋海擁有科沃斯集團(tuán)二十年產(chǎn)品量產(chǎn)經(jīng)驗(yàn)，汪濤具備近十年產(chǎn)業(yè)投資與募資經(jīng)歷。團(tuán)隊(duì)整體集結(jié)了來(lái)自斯坦福、中科大、新加坡國(guó)立大學(xué)等學(xué)府以及蘋(píng)果、字節(jié)、騰訊、大疆等頭部企業(yè)的頂尖人才。

 

在資本層面，公司已獲得京東集團(tuán)、商湯科技、達(dá)晨財(cái)智、招商局創(chuàng)投、零一創(chuàng)投、普華資本等多家CVC和財(cái)務(wù)機(jī)構(gòu)的投資及產(chǎn)業(yè)支持，在北京、深圳、蘇州、杭州設(shè)有研發(fā)和生產(chǎn)中心。商業(yè)化落地方面，RoboScience機(jī)器科學(xué)已與多家零售、物流、康養(yǎng)服務(wù)企業(yè)及機(jī)器人本體、靈巧手公司開(kāi)展試點(diǎn)合作，并計(jì)劃于今年實(shí)現(xiàn)面向工業(yè)與商業(yè)場(chǎng)景的標(biāo)準(zhǔn)化機(jī)器人本體產(chǎn)品量產(chǎn)。

 

RoboScience機(jī)器科學(xué)以大模型為核心，縱向打通自研本體、控制器與RobotOS，橫向賦能模型泛化、便捷開(kāi)發(fā)與多層級(jí)生態(tài)，構(gòu)建軟硬一體、閉環(huán)協(xié)同的商業(yè)模式。

 

汪濤在會(huì)上分享了RoboScience機(jī)器科學(xué)的商業(yè)化思考與戰(zhàn)略路線。他指出，具身智能真正的規(guī)模化落地尚未到來(lái)，公司需要選擇一條清晰且有節(jié)奏的路徑。RoboScience機(jī)器科學(xué)選擇先從物體維度切入，即解決對(duì)剛性、柔性及各種屬性物體的泛化操作能力，而非直接進(jìn)入工業(yè)場(chǎng)景與自動(dòng)化方案競(jìng)爭(zhēng)。如商超、電商物流等場(chǎng)景，天然面臨海量SKU、多品類(lèi)的揀選與補(bǔ)貨需求，正是驗(yàn)證物體維度泛化能力的最佳試驗(yàn)場(chǎng)。在真實(shí)場(chǎng)景中干活所產(chǎn)生的數(shù)據(jù)，又能反哺大模型持續(xù)進(jìn)化，形成正向循環(huán)。

基于這一思考，公司將分階段推進(jìn)商業(yè)化落地：

 

當(dāng)前階段，重點(diǎn)打磨Visics大模型能力，聚焦物體維度的泛化突破，在商超、電商物流等高頻、多品類(lèi)場(chǎng)景完成POC驗(yàn)證，用真實(shí)場(chǎng)景數(shù)據(jù)持續(xù)迭代大腦。

 

中短期，在物體維度泛化基礎(chǔ)上，逐步擴(kuò)展至任務(wù)維度與機(jī)器人維度，從更多任務(wù)類(lèi)型和跨本體部署兩個(gè)方向延伸泛化邊界。推動(dòng)自研硬件本體量產(chǎn)落地，推出具身智能操作系統(tǒng)與開(kāi)發(fā)平臺(tái)，將應(yīng)用場(chǎng)景拓展至酒店、工廠等更多B端領(lǐng)域。屆時(shí)大腦能力經(jīng)過(guò)一段時(shí)間的場(chǎng)景迭代已足夠泛化，硬件供應(yīng)鏈體系更加完善，成本大幅下降——為進(jìn)入家庭場(chǎng)景（如干家務(wù)）做好技術(shù)與成本準(zhǔn)備。

 

長(zhǎng)期，將實(shí)現(xiàn)B端與C端場(chǎng)景的規(guī)模化落地。打造具身智能時(shí)代的“App Store”，構(gòu)建全球化機(jī)器人應(yīng)用生態(tài)，同時(shí)完善硬件供應(yīng)鏈，布局全球業(yè)務(wù)，讓機(jī)器人真正服務(wù)于每一個(gè)家庭。

 

在商業(yè)模式上，RoboScience機(jī)器科學(xué)不綁定自己的硬件銷(xiāo)售。基于跨本體的技術(shù)原理，模型學(xué)習(xí)不依賴(lài)特定硬件數(shù)據(jù)，因此公司可以靈活選擇純軟件授權(quán)、控制器方案等多種交付方式，既服務(wù)自研本體，也賦能其他機(jī)器人公司拓展更多場(chǎng)景。

 

田野最后總結(jié)表示：“在我們所想象的未來(lái)圖景里，機(jī)器人不是成為人類(lèi)的替代者，而是成為人類(lèi)文明的增幅器，Visics大模型就是我們?cè)谶@一方向上邁出的關(guān)鍵一步。我們希望具身智能的技術(shù)能夠加速文明和科技的發(fā)展，給每個(gè)人帶來(lái)更美好的生活。這就是我們RoboScience機(jī)器科學(xué)的目標(biāo)——構(gòu)建通用的具身智能，賦能美好的人類(lèi)生活。”