VLA模型走不通，機器人的下一步該怎么走？

商湯科技聯(lián)合創(chuàng)始人、執(zhí)行董事、大曉機器人董事長王曉剛

具身智能一直仰仗的VLA技術(shù)線路，在實際開發(fā)過程中正在面臨越來越多的挑戰(zhàn)。

所謂VLA模型，即視覺-語言-動作模型。它的技術(shù)邏輯可以簡單描述為，將人類指令和外界多模態(tài)信息（聲音、圖像、視頻）轉(zhuǎn)化為計算機語言，繼而控制機器人行為。

但在VLA模型的訓(xùn)練中，互聯(lián)網(wǎng)上的靜態(tài)、非結(jié)構(gòu)化文本和圖像數(shù)據(jù)，并不是訓(xùn)練所需的核心數(shù)據(jù)。訓(xùn)練VLA模型需要的具身智能數(shù)據(jù)，是連續(xù)的、動態(tài)的、三維甚至四維的時空軌跡流。而物理世界數(shù)據(jù)的稀缺與復(fù)雜性，成為了制約VLA模型能力躍升的主要瓶頸。

“具身智能的大腦，靠讀文章、看圖片永遠不可能理解真實的物理世界。”

商湯科技聯(lián)合創(chuàng)始人、執(zhí)行董事、大曉機器人董事長王曉剛對筆者表示，AI的研究范式，要從以機器為中心轉(zhuǎn)變成以人為中心，通過采集人類的真實行為數(shù)據(jù)，學(xué)習(xí)真實的物理規(guī)律，去訓(xùn)練具身智能的世界模型。

“以人為中心”的ACE范式

12月18日，基于“以人為中心”的研究路徑，大曉機器人推出了ACE具身研發(fā)范式。

具體來講，ACE范式就是以人類與物理世界的互動規(guī)律作為研究起點，以環(huán)境式數(shù)據(jù)采集為引擎，構(gòu)建了一套從“環(huán)境式數(shù)據(jù)采集—開悟世界模型3.0—具身交互”的技術(shù)體系。

在環(huán)境式數(shù)據(jù)采集中，通過整合第一視角與第三視角視頻、力觸覺信息、運動軌跡、語音等多模態(tài)數(shù)據(jù)，構(gòu)建基于物理基礎(chǔ)的3D資產(chǎn)庫。

在數(shù)據(jù)處理環(huán)節(jié)，通過時序一致性對齊、交互動態(tài)軌跡預(yù)測建模與物理正確性仿真校正，將采集到的“人—物—場”信息轉(zhuǎn)化為可直接用于模型訓(xùn)練的動態(tài)場景數(shù)據(jù)。

同時，以環(huán)境式采集數(shù)據(jù)為基，大曉機器人發(fā)布了首個開源且商業(yè)化應(yīng)用的世界模型——開悟世界模型3.0，形成跨本體的統(tǒng)一世界理解框架，融合物理規(guī)律、人類行為和真機動作，使機器不僅能“理解”物理世界因果規(guī)律，還能“生成”長時動靜態(tài)交互場景。

“在跟物理世界的交互過程中產(chǎn)生智能，這也是世界模型存在的價值。”

王曉剛對筆者表示，至于模型能否覆蓋更多的場景以及人類的更多的動作，這則是大曉機器人的目標。實現(xiàn)這一切核心的關(guān)鍵是，ACE范式能否實現(xiàn)更大范圍的快速擴展，讓更多的廠商和開發(fā)者使用這種方式采集數(shù)據(jù)，產(chǎn)生回流。

模型開源，行業(yè)共建

為了讓ACE范式實現(xiàn)更大范圍內(nèi)的適用，大曉機器人宣布“開悟世界模型3.0”面向全行業(yè)開源。

據(jù)介紹，開悟具身智能世界模型產(chǎn)品平臺集成了多模態(tài)生成能力，內(nèi)置支持11大類、54細類，累計328個標簽，覆蓋115個垂類具身場景，開發(fā)者只需輸入簡單指令，就能快速生成可視化的任務(wù)模擬內(nèi)容，以此降低具身智能的開發(fā)門檻。

在具身本體領(lǐng)域，大曉機器人已攜手智元機器人、銀河通用、鈦虎機器人、國地中心等多家具身智能企業(yè)，打通ACE技術(shù)范式、世界模型與機器人硬件的適配鏈路，共同打造適用于不同場景的解決方案。

在算力側(cè)，開悟世界模型3.0則與沐曦、壁仞科技、中科曙光、輝曦智能、影微創(chuàng)新等多款國產(chǎn)廠商芯片完成適配。

硬件領(lǐng)域，大曉機器人與Insta360、臥龍電驅(qū)、帕西尼等深度綁定，依托硬件廠商的感知等各類硬件，強化世界模型、模組產(chǎn)品對多視角、動態(tài)場景的信息采集能力。

而在具身智能產(chǎn)品的落地節(jié)奏上，王曉剛則認為：

短期內(nèi)，以具備自主導(dǎo)航能力的四足機器狗為主，在安防、巡檢等B端場景快速推廣；中期，機器人會聚焦前置倉、閃購倉等物流場景，解決人力密集型作業(yè)痛點；長期來看，機器人將探索家庭場景，但需解決安全性、責(zé)任界定等復(fù)雜問題。

“從明年開始，國內(nèi)將出現(xiàn)大量前置倉與閃購倉，這類場景需要大量人力支持7×24小時服務(wù)，而機器人的加入不僅能提升生產(chǎn)效率，還具備較強的可復(fù)制性，能夠充分發(fā)揮其在這類環(huán)境中的優(yōu)勢。”

王曉剛表示，“以人為中心”的ACE范式，大方向是正確的，特斯拉、Figure AI等企業(yè)，也在朝著這個方向轉(zhuǎn)變。“這個賽道還沒到收斂階段，仍在不斷涌現(xiàn)新的機會點，接下來的一到兩年會是非常關(guān)鍵的時期。”（作者 | 科技潛線，文 | 饒翔宇 編輯 | 鐘毅）