IROS 關鍵圓桌：到底應該模型驅動，還是數據驅動？

作者 / Robo小曹????

10月20日，在全球智能機器人與系統大會（IROS）時隔19年重返中國內地之際，美團于大會期間舉辦了“機致生活Robotics for Better Life——2025美團機器人研究院學術年會”?，F場，美團副總裁、美團機器人研究院理事長毛一年、香港大學教授席寧、禾賽科技創始人李一帆、自變量機器人CEO王潛等發表主題演講，圍繞“具身智能商業化”“機器人感知、規劃和控制”等議題展開探討；來自宇樹科技、星海圖等企業的負責人共同參與圓桌論壇，探究具身智能發展的“第一性原理”。RoboX將全場內容進行了梳理。

本場圓桌嘉賓包括：

王興興 | 宇樹科技創始人、CEO 、CTO

許超 | 浙江大學控制科學與工程學院教授、浙江大學湖州研究院院長

許華哲| 清華大學助理教授、星海圖智能聯合創始人

趙明國| 清華大學教授機器人控制實驗室主任

主持人：清華大學深圳國際研究生院副教授-丁文伯

第一性原理仍然模糊

王興興：在硬件方面，基本上所有商品都是與成本和重量相關的；但在軟件上，AI領域的第一性原理確實還有點模糊。

如今，大家對于「什么是智能」這一概念想得都不夠透徹，很多人覺得是「數據的壓縮」，將智能給提煉出來。

如今這一觀點已得到了驗證，但我覺得這不是個終極的構想。智能的概念，未來應當像牛頓力學定律那樣，做更多總結，得出一些基本概念和規則。

至于技術實現路徑的規則，就是核心原理歸核心原理，工程技術歸工程技術，這兩塊還需要再分別深入探索。

許超：我在浙大控制學院給學生上課的時候，發現越來越多的學生更喜歡研究AI和機器人，對傳統控制學的興趣漸漸下降。所以有人說：“以后信息學科只有兩個專業，叫計算機一院和計算機二院?！?/strong>

現在的具身智能，要將軀體和靈魂的合二為一。原來的機器人是力量和精度的象征，但是大腦還不行。要補腦，就要靠人工智能。

AlphaGo是讓人聽機器的指令去下棋，那么估計再過兩年，就會讓機器人直接上場對弈。

大家經常在辯論，到底是模型驅動厲害還是數據驅動厲害。我認為，人類社會發展到現在，積累了很多的第一性原理，這都是人類的智慧，你不能說它不智能，但關鍵還得看效果——不管是黑貓白貓，抓到老鼠就是好貓。

我覺得未來的模式應該是牛頓+辛頓（Geoffrey Hinton），一位是最牛的物理學家，一位是計算機領域的諾獎第一人。如果可以讓他們二人「握手」，協同解決問題，那這就會是一個讓大家都舒服的架構。

過去的很長時間中，控制學更多是在研究小腦。隨著傳感器價格下降，算力提升，機器人除了翻跟斗之外，也可以去識別目標避障，包括軌跡規劃還有協同，這也需要大腦的能力。

這上面還有一層，應該是云腦——它就像繼續教育學院，當大學里的課程不夠教了或者過時了，云腦可以進行補充更新。所以我覺得未來的云腦，是需要付費的，到時候運營商可能會在該領域做商業化布局。

許華哲：在智能的第一性原理上，我總結為欲望、先驗和經驗這三個詞。

包括人在內的很多生物，本質上就是由欲望驅動的，高階的欲望是探索未知，擴大地盤，這種欲望讓生物變得很聰明。

1、欲望。所以我在做智能體的時候，無論是物理的還是虛擬的，我總覺得現在機器學習沒有自己的學習欲望。我們可以設想一下，能不能給機器人一種自己的欲望？

2、先驗。預訓練的模型讓它有了很好的先驗。為什么馬生下來5分鐘就能走路了？也是因為它的DNA里面有一些先驗在的。但神經網絡沒有這樣的先驗，如何將這種先驗移植到神經網絡中？這是我經常思考的。

3、經驗。經驗是完成世界最終閉環的一種手段。有一天，我在家里面看到一位維修師傅就是幫我們修煤氣灶，他踩在一個梯子上擰一個東西，整個身體造型極為扭曲，但他仍可以完美控制重心保持平衡，并且手上還可以做非常精細的操作。

這一刻我就覺得，即使我買了宇樹機器人，也很難做這樣的project。因為人類有這樣的經驗，只有用自己的身體、自己的行為產生的這樣的數據，才有可能讓機器人做出一些現實世界上非常小眾，但又必須要成功的事情。

軟硬件體系的終極形態

王興興：大家都希望我的硬件能夠足夠好——只需要跑一遍軟件就能跑通，不需要反復調試硬件。但實際上，效果往往很糟糕。

隨著AI能力和軟件能力越強，它對硬件的要求反而會越低。例如現在靈巧手很難做，但如果夾爪足夠用，其實也不需要靈巧手了。

大家可以觀察到一些殘疾人，他甚至沒有手，卻也能干活兒，甚至可以干針線活兒，但實際上就是AI的能力達到一定程度以后，它對硬件要求是比較低的。

目前，全世界機器人的AI軟件能力都是不夠的，那肯定對硬件的一致性、可靠性和靈活度要求都很高。雖然我們是做硬件的公司，可我也巴不得大家對硬件要求高一點。

早些年的傳統算法，對硬件要求要高很多，但凡存在間隙，或有一點一致性問題，算法就容易跑飛。如今AI訓練出來的算法，已經比傳統算法對硬件要求低很多了：哪怕傳感器噪聲很大，間隙很大，關鍵的一致性也不太好，也都能夠盡可能適應了。當然，目前還是不夠的，大家也都在努力解決問題，做得更好。

趙明國：我和一點稀泥：在某些階段，可能確實需要軟件發展，硬件得到的關注度就少；但一旦達到一定程度后，大家肯定又希望硬件升級，矛盾又會轉化到硬件。

硬件的升級，往往映射出軟件的巨大需求；而軟件升級，也可能依賴于硬件，這是「你中有我」的關系。

所以，宇樹的經驗不僅是硬件，因為硬件肯定也要用各種算法來驗證，他們有很多算法團隊在后面做各種各樣的案例，這個是互相迭代的過程。

我最大的好奇心，在于未來誰來決定這件事情——汽車行業有一個概念，要靠供應鏈來解決問題，現在好像也不完全是。

機器人的關節，除了配置電機以外，還要有各種驅動器傳感器。我們干脆以后做一個芯片進行集成，如果能達到規模的話，豈不是經濟效益能達到最優？那個時候，就要求軟硬一體了。所以可能未來，你很難再分清楚軟件和硬件。

模型驅動 or 數據驅動？

趙明國：我最近做的大部分工作與數據有關，希望靠采更多的數據、乃至多模態數據來推動研發。

如果是Model-based的話，我們人要先把事情理解清楚了，在腦子里形成一個Model，總結出理論，然后用理論指導實踐，但目前人的理解能力都還不夠，理論的覆蓋面也有限。

數據的覆蓋面是更大的，我們正在數據科學中總結新的理論，但這個理論現在還不夠成熟。

比如，我們希望物體從A 移動到B，有多種操作方法，像用Dffusion、軌跡規劃或其他方式，甚至用圖像也能操作。但在物理世界中，物體從A 到B 這一過程，其規律解釋得很清楚，無論怎么做都不可能違反相關定律。

在定律允許的范圍內，可采用不同的計算方式，算法演化也各不相同。搞人工智能的往往局限于傳統數據科學的方式，這些都屬于模擬量。

而我涉及的腦科學領域，模仿生物更基本的性質進行，其編碼方式、芯片處理和制造方式都截然不同，有人稱其為「第三代計算機」。所以，我認為新理論有的可解釋，有的可操作。

若是基于模型的方法，更注重可解釋性可能更安全；而若想追求更好結果時，即便不一定有理論，也可先采用數據驅動等方式獲取結果。不過，最終不能僅依靠數據而無視理論，這樣會比較片面。

許華哲：我分享三點想法：

1、「用腳投票」：那些想搞機器人研究的同學，最初大多選擇做Model-based的方法。有人說想做強化學習，有人想研究敏捷控制等。但到了今年，全都變成「我想來做VLA項目」。用腳投票雖非本質，但能在一定程度上反映人才聚集情況。

本來某研究方向可能只是看似可行、有前景，但因為這群人的加入，它真正走向了成功。這些人來了，反而從某種意義上「迫使」這個方向得到了驗證。

2、Bitter lesson：李開復曾講過，他在谷歌時，每辭退一位語言學家，語言模型和語音模型的性能就能提升3%。直到把全公司的語言學家都辭退后，谷歌的相關技術才真正奏效。

現在大模型的發展也有類似情況。這種Bitter lesson讓我們意識到，當一個事物的復雜度達到一定量級時，我們無法再依靠一群專家將其研究透徹，必須依靠數據，讓神經網絡去擬合豐富的數據分布。

3、數據獲取應該是自動的過程——能否讓機器人去挖數據「礦石」？數據在機器人領域之所以還值得討論，是因為自動生成數據這件事尚未形成閉環。而其他領域的數據就像礦石，挖掘數據的「機器」早已存在。不過，哪怕在機器人領域，只要你相信它能造出來，那它就一定能實現。

許超：AI 火了之后，不少學校都成立了人工智能學院，有的依托計算機專業，有的依托自動化專業。學生在選定專業時，就會問「哪個專業更重要」。

有一位前輩給出了個很巧妙的回答：人工智能好比一個孩子，自動化是「父親」，計算機是「母親」，數據則是「叔叔」。

所以，就像主持人剛才提到的硬件、軟件、模型和數據，我認為它們應該融為一體?，F在具身智能描繪的藍圖很大，若把范圍聚焦到具體任務上，那就必須軟件、硬件、數據和模型相關人員通力協作，逐個攻克難題，大家才能共同進步。

舉個技術方面的例子，若要為機器人系統建模，拋開流體力學和多體動力學，單純用一堆神經網絡去擬合動力學，可能效果不佳；若從分析力學角度出發，對拉格朗日方程進一步分解，就會發現其動能是二次型，慣量矩陣只有一半未知，這樣學起來就容易多了。勢能雖是未知的非線性函數，但學完之后，或許能讓問題簡化一些，給軟件減輕負擔。

所以還是那句話，不管白貓黑貓，都得捉到耗子。不管用什么方法，先找到關鍵方向最重要。

你心目中的機器人最終形態

趙明國：我一直在做機器人踢足球的項目。就運動而言，踢足球是一項較為全面的運動，有很大一部分能力能反映機器人的智能水平。后續還會涉及多個機器人的協作，以及組團對抗，涵蓋的問題十分廣泛。

這個項目的目標是，到2050 年組建一支機器人足球隊，與人類世界冠軍足球隊一決高下。不過，就目前智能領域的發展情況而言，我覺得有些遺憾。從邏輯上講，機器人應該有一個代表性的標準任務。而現在大家手頭的任務太多，有的機器人在疊衣服，有的在抓取物品，有的在操縱其他物體，任務種類繁雜，缺乏統一標準。雖然涉及面廣，但難以聚焦。

所以，我還是會堅定地聚焦在機器人腿部動作的研究上，不管我能干多久，都會一直堅持下去。畢竟就目前情況來看，短期內，即便到我退休，這個目標可能也難以實現，但我會繼續努力。

許華哲：我是個科幻迷，有一部我很喜歡的動漫叫《玲瓏》。動漫里有這樣一個觀點：人的一生非常短暫，大概只能活到80 歲、100 歲，最多120 歲這個量級，但宇宙中的知識卻是無窮無盡的。

這也呼應了我第一個回答里提到的想法：能不能有一個機器人，它有自己的欲望和好奇心？這樣的機器人可以代替人類前往半人馬星系，去探索那些普通人永遠無法觸及的地方。

畢竟，人類知識的傳播效率實在太低了，主要依賴老師傳授。而機器人不一樣，首先，只要它自身不損壞，就能一直運作；就算損壞了，只要把它的神經網絡移植到新的機體上，它就能繼續「生存」。

這就是我理想中未來機器人的樣子——有一個機器人能替我去探索浩瀚無邊的宇宙，因為我自己沒辦法做到。

當然，未來的機器人也得和人類很好地融合，一起解決我們生活中的問題。所以，我們正在構想搭建一座「未來之城」，來驗證不久的將來人機融合的可能性。

除此之外，我希望機器人的智能發展能更加「綠色」，也就是在算力方面，新一代的AI架構下，其算力應該會有革命性的變化。

王興興：我一直覺得，具身智能如果真的實現了，其實離AGI已經非常接近了，我覺得在至少我們這一代，肯定是都可以看到這件事情。

AGI應該是人類最終極的發明，包括后續的生產、消費娛樂，經濟探索都可以用它來實現。這是當下我們這代年輕人最激動人心的時刻。

所以我覺得我們這一代人中，如果誰真的能寫一個智能方面的「牛頓定律」出來，Ta就會是過去幾千年人類歷史上或者未來幾千年人類歷史上最NB的人。

給年輕人的一句話勉勵

王興興：距離我讀書的時候，已經過去十幾年了。我當時很多的想法現在都基本上實現了。我覺得對每一個年輕人來說，如果你大腦里有什么想做的事情，或者你有自己的夢想，你真的要相信自己可以實現它。

許超：要追尋好奇心，不要去死卷分數，每個人心中都有一個機器人。

許華哲：尋此苦旅，一地繁星。

趙明國：我覺得機器人和機器人智能給大家提供一個全新的時代，所以年輕人應該就要把油門踩到底，全力加入到這個行業里來。