<mark id="oztn4"></mark>
0
| 本文作者： 高景輝 | 2026-05-26 16:28 |
作者丨高景輝
編輯丨馬曉寧
具身智能的熱度之高毋庸置疑，就連我們身邊不關(guān)注科技新聞的人，刷短視頻也能時不時刷到幾條機器人。雷峰網(wǎng)(公眾號：雷峰網(wǎng))也時不時聽到這樣的疑問，機器人都這么厲害了，怎么現(xiàn)在街頭巷尾，還是看不到多少干活的機器人呢？
在機器人本體和控制逐漸成熟的現(xiàn)在，莫拉維克悖論就顯得更具有先知意義了：對人類來說需要復(fù)雜推理和計算的高階認知任務(wù)，計算機容易實現(xiàn)；而對人類而言看似簡單的低級感知與運動技能，就算機器人的身體學會了，但是它們的大腦還學不會。機器人不去干活，是因為它們不想嗎？是因為它們不會啊。
許多具身公司都會將物流分揀當成展示機器人能力的一個窗口，F(xiàn)igure 03人形機器人現(xiàn)在美國某個物流倉庫里晝夜不停地直播分揀，但真的物流分揀人員看了估計要搖頭：哪有這么規(guī)規(guī)整整的包裹，哪有這么不急不躁、安靜明亮的工作環(huán)境啊。
具身機器人要想做好泛化性，在隨機環(huán)境下還能把工作干好，最重要的技術(shù)難點仍然是具身大腦。不少公司都在不斷推出最新的大腦模型，還附加各種宣傳，但是除了真正的技術(shù)專家外，大部分人對于一款大腦模型有多強，還是無感的。所以星動紀元（Robotera）發(fā)布它的自研具身模型Era0登頂 RoboChallenge 榜單的消息時，我的第一反應(yīng)是，這真的能證明他很厲害嗎？
01
這實在不能怪我太鈍感。主要是這兩年來，我們也是被各類大模型榜單轟炸到疲憊了。今天這個第一，明天那個最強，實際呢，還是要用戶體驗說了算。
具身模型的能力，要在真機評測上去體驗。如果短期內(nèi)還不能達到人手一臺的使用率，那我們可以借助第三方的體驗。仔細查查RoboChallenge，原來這還真是全球首個大規(guī)模具身真機評測榜單。那就讓這些模型全部上真機，讓所有人都可以一眼直觀地看出，它們水平到底如何。
RoboChallenge 怎么去測試具身模型能力呢？他的規(guī)定是，在標準化真機環(huán)境中，所有參測模型必須完整通過 30 個不同任務(wù)才能進入總榜，同時測試環(huán)境全程隨機化，物體的擺放位置、光照條件、初始姿態(tài)每次都不同，而且所有測試數(shù)據(jù)完全公開，杜絕了現(xiàn)場調(diào)參作弊的可能。
雷峰網(wǎng)在 RoboChallenge 的官網(wǎng)上發(fā)現(xiàn)了他們公開的30個評測任務(wù)和得分榜單，其中SR代表任務(wù)成功率，Score代表任務(wù)得分率。ERA0在兩項任務(wù)中實現(xiàn)了成功率與過程得分的雙滿分表現(xiàn)，一項是把開瓶器放入抽屜（put_opener_in_drawer），一項是擰開水龍頭（turn_on_faucet）。
還有兩個任務(wù)比較出眾，原因是在 Top8 模型中，Era0是唯一一個取得非零成績的模型。一項是做素食三明治（make_vegetarian_sandwich），該任務(wù)涉及多步驟、真實食材處理和精細擺放，整體難度較高，Era0 成功率為 20%。一項是擦桌子（wipe_the_table），Era0 在此任務(wù)上取得 60% 的成功率。
這兩項任務(wù)之所以高難，因為很多要求超出了現(xiàn)在模型的普遍能力。就說制作一個簡單的素食三明治，就涉及到了多個步驟，機器人要依次完成取面包、放生菜、加番茄片、蓋另一片面包、切成兩半等。人手拿起來一個生菜葉子很簡單，機械臂拿起來，稍微大力一點生菜就爛了。
大部分具身模型缺乏對全局進度的感知，缺乏對全局進度的感知，很容易忘記已經(jīng)完成到哪一步，蓋了面包片就完事兒了；或在發(fā)生小失誤后無法進行修正，番茄掉了撿不起來等等，那這個任務(wù)基本上就直接失敗了。
所以做三明治，不僅需要模型擁有長程時序規(guī)劃能力，還要有多食材的精細操作能力。Era0能得分，說明這款模型也在雙臂協(xié)同、柔性物體操作、多視角感知、長時序記憶等多個核心能力維度上均展現(xiàn)出顯著優(yōu)勢。
如此說來，能夠看到真機實測過程中的真實視頻和客觀評分，我們對 Era0 的能力范疇就有一些把握了。
02
但是仍然會有一些疑問，比如說都是做模型，大部分都是走的VLA+世界模型路線，憑什么 Era0 就要更強一些？
星動紀元 Era0 做三明治的例子，讓我想起不久前 Genesis 的 GENE-26.5 做“番茄炒蛋”的 demo，當時其流暢的動作驚艷了不少業(yè)者。
Genesis為什么能讓機器人把活干得這么好？創(chuàng)始人周銜曾在采訪中說，Genesis AI 要做的是整套系統(tǒng)。的確，Genesis是從全局視角重新審視整個系統(tǒng)：他們在硬件層面最大限度地縮小差距；在工作中捕捉高保真數(shù)據(jù)；通過優(yōu)化控制減少延遲和跟蹤誤差……
星動紀元的 Era0 也是同樣的道理，Era0 的成功，絕不能說是某一項環(huán)節(jié)上做對了，很大程度上得益于從數(shù)據(jù)到推理全鏈路的系統(tǒng)性優(yōu)化。
首先在數(shù)據(jù)層面，星動紀元建立了一套量化的數(shù)據(jù)質(zhì)檢與處理標準操作流程。
要知道，原始數(shù)據(jù)中存在大量噪聲。靜止幀、異常動作、元信息不匹配等問題，都會影響模型的訓(xùn)練效果。而星動紀元的 SOP 涵蓋了靜止幀清理、異常數(shù)據(jù)篩查、元信息對齊以及人工抽檢等環(huán)節(jié)，從源頭保證了訓(xùn)練數(shù)據(jù)的質(zhì)量。
在此基礎(chǔ)上，星動紀元積累了大規(guī)?？绫倔w預(yù)訓(xùn)練動作數(shù)據(jù)。這些數(shù)據(jù)覆蓋了豐富的操作場景，讓 Era0 具備了扎實的基礎(chǔ)動作執(zhí)行能力?？绫倔w訓(xùn)練策略也進一步提高了數(shù)據(jù)使用效率，使模型在不同機器人平臺上都有很好的可遷移性。
在模型層面，Era0 采用了兩項關(guān)鍵技術(shù)。
第一項是視覺定位感知增強策略。在預(yù)訓(xùn)練階段，訓(xùn)練樣本不僅包含高層語義信息，還同時標注了目標在圖像中的具體位置。這強化了模型的視覺感知能力，讓它能夠更準確地識別物體并定位抓取點。
第二項是短程時序記憶機制。Table30 中的很多任務(wù)都存在歷史依賴現(xiàn)象。比如擦桌子，機器人需要記住哪些區(qū)域已經(jīng)擦過，哪些還沒有。僅憑當前單幀觀測，模型無法判斷任務(wù)狀態(tài)，容易陷入動作循環(huán)。
時序記憶機制讓模型能夠關(guān)注到近期已發(fā)生的動作狀態(tài)。它會記住過去幾幀的觀測和動作，結(jié)合當前信息做出決策。這有效解決了非馬爾可夫狀態(tài)下的歧義問題，讓長程任務(wù)的執(zhí)行更加穩(wěn)定。
Era0在雙臂協(xié)同、柔性物體操作、多視角感知、分類任務(wù)、長時序任務(wù)等多個靈巧操作核心維度上均位列第一
在工程與推理層面，星動紀元也做了大量優(yōu)化：
訓(xùn)練階段，他們采用 15Hz 的數(shù)據(jù)進行訓(xùn)練，提高了訓(xùn)練效率。訓(xùn)練完成后，增加了基于訓(xùn)練數(shù)據(jù)的回放擬合驗證環(huán)節(jié)。這個環(huán)節(jié)能夠發(fā)現(xiàn)僅通過損失曲線難以暴露的問題，比如數(shù)據(jù)中的異常樣本和噪聲干擾。
推理階段，為了使動作軌跡更加連續(xù)平滑，他們加入了動作插值。這減少了機械臂的抖動和誤差累積，提升了真機執(zhí)行的穩(wěn)定性。同時，通過合理配置執(zhí)行步長和動作執(zhí)行時間，保證了操作精度。對夾爪動作的后處理，也進一步提高了抓取的穩(wěn)定性。
DeepMind研究員姚順宇有一個判斷：大模型領(lǐng)域最稀缺的不是天才，而是靠譜、對自己做的事情負責的人。這種“靠譜精神”，恰恰也是具身智能突圍的關(guān)鍵。
星動紀元 Era0 模型的訓(xùn)練過程，同樣遵循這個原則。Era0 在 RoboChallenge 上的奪冠沒有捷徑，靠的是百 TB 級的真實交互數(shù)據(jù)積累，融合VLA與世界模型的訓(xùn)練推理閉環(huán)，以及團隊都在每一個可能被忽略的節(jié)點上死磕。正是這些“微小到不起眼”的細節(jié)被極致優(yōu)化，成功率才得以一步步提升，最終實現(xiàn)質(zhì)的飛躍。
星動紀元Era0 模型在RoboChallenge不同任務(wù)上的表現(xiàn)
03
就在 Figure 還在網(wǎng)上直播的時候，星動紀元已經(jīng)開始進入了實際場景，并且是同樣的物流分揀場景。星動紀元自研人形機器人“星動M7”，不久前在中國郵政廣州郵區(qū)中心正式上崗，能分揀軟包、硬盒、不同規(guī)格包裹，還能翻轉(zhuǎn)包裹確保面單朝上，同時有識別異常件的功能。今年Q2星動紀元還要開啟千臺級批量交付。
客戶愿意為機器人買單，某種程度上也是具身智能真正可以被稱為一個行業(yè)的開端。過去幾年，行業(yè)的核心矛盾是 “能不能做”，大家比拼的是誰能先在實驗室里實現(xiàn)某個單點功能；而現(xiàn)在，行業(yè)的核心矛盾已經(jīng)變成了 “能不能用”，比拼的是誰能把技術(shù)變成可批量交付、可穩(wěn)定運行、可盈利的產(chǎn)品。
在物流分揀中心，機器人要面對的不是固定的 30 種物品，而是每天數(shù)以萬計、形態(tài)各異的包裹；在工廠車間，它要適應(yīng)的不是恒定的光照和溫度，而是晝夜交替的光線變化、設(shè)備運行的震動和粉塵；在商業(yè)場景中，它還要滿足 7×24 小時不間斷運行的穩(wěn)定性要求。這些在榜單中不會被考核的指標，恰恰是商業(yè)化公司必須跨越的生死線。
能夠被物流客戶認可，根本原因是 Era0 模型的優(yōu)勢，滿足了物流行業(yè)的需求。Era0 有一套標準化的數(shù)據(jù)預(yù)處理流程（清洗、去噪、質(zhì)檢），就可以確保用來訓(xùn)練模型的數(shù)據(jù)是真實可信且高質(zhì)量的，同時也能提升模型的學習效率。最終，訓(xùn)練出的模型應(yīng)用到物流分揀場景時，會表現(xiàn)出三個具體的優(yōu)勢：識別更準確、誤判更少、運行更穩(wěn)定。
“增強型視覺定位感知”等于給機器人裝上了一雙既聰明又帶距離感的眼睛，一眼就能認出傳送帶上是哪類商品，同時精確計算出手臂該伸到哪里、以什么角度去抓，從而讓一條分揀線靈活處理成千上百種不同的貨品。
規(guī)模化跨本體預(yù)訓(xùn)練，可以讓能力快速遷移到物流抓取、搬運、擺放等分揀動作，適配不同設(shè)備與場景，落地更快。
同時時序記憶決策能力、高效訓(xùn)練迭代、以及真機執(zhí)行動作穩(wěn)定精準等等特征，都意味著在分揀操作上，流程連貫效率高、抓取穩(wěn)定失誤少。
假設(shè)每個環(huán)節(jié)提升10%，那么十個環(huán)節(jié)的提升就能帶來兩倍多的改善。具身智能真正能夠?qū)嵱闷饋?，就在于連續(xù)、微小優(yōu)化帶來的系統(tǒng)性的效果提升，給客戶帶來顯著的實用性。這就是我們從星動紀元身上學到的經(jīng)驗。
04
比賽結(jié)果，是具身智能大腦技術(shù)實力的試金石。在權(quán)威賽事中脫穎而出，意味著一款模型在泛化性、魯棒性、操作精度等核心維度上經(jīng)受了最嚴苛的檢驗，獲得了學術(shù)界與產(chǎn)業(yè)界的共同認可。
但必須清醒地認識到，“打榜” 從來都不是具身智能行業(yè)的終極目標，它只是驗證技術(shù)可行性的中間環(huán)節(jié)，真正決定一家企業(yè)能走多遠、整個行業(yè)能走多快的，永遠是落地能力。
具身智能行業(yè)已經(jīng)走到了一個關(guān)鍵的轉(zhuǎn)折點。過去幾年，行業(yè)的核心矛盾是 “能不能做”，大家比拼的是誰能先在實驗室里實現(xiàn)某個單點功能；而現(xiàn)在，行業(yè)的核心矛盾已經(jīng)變成了 “能不能用”，比拼的是誰能把技術(shù)變成可批量交付、可穩(wěn)定運行、可盈利的產(chǎn)品。未來具身智能的競爭戰(zhàn)場一定會從賽場轉(zhuǎn)向工廠、倉庫、餐廳、醫(yī)院等真實場景。
目前物流行業(yè)是星動紀元的第一個落地場景。基于通用具身基座，Era0 的能力可以拓展到更多行業(yè)。比如在制造業(yè)，機器人可以完成裝配、檢測、搬運等任務(wù)。在服務(wù)業(yè)，機器人可以在餐廳、酒店、醫(yī)院等場所提供服務(wù)。端茶倒水、清潔衛(wèi)生、配送物品，這些都是 Era0 已經(jīng)具備的能力。
星動紀元的 "AI Native 全棧" 技術(shù)路線，讓他們能夠快速響應(yīng)不同行業(yè)的需求，不需要為每個行業(yè)重新開發(fā)模型，只需要在通用基座的基礎(chǔ)上進行微調(diào)，就能快速適配新的場景。
如果有一天，大街小巷都是機器人工作的身影，具身智能涌現(xiàn)也就不是夢了。
雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。
