自變量機器人楊倩：讓機器人能夠融入人類生產生活，成為得力助手

1月12日，在第九屆深商盛典 “AI 硬件論壇” 上，自變量機器人創始合伙人兼 COO 楊倩以 “基于具身大模型構建可精細操作的通用機器人” 為主題發表演講。她深入剖析了機器人在物理世界應用中的核心痛點，分享了自變量在具身智能大模型領域的技術探索與落地成果，提出具身智能大模型是賦予機器人 “自主” 能力的核心引擎，為行業突破技術瓶頸、實現規?；瘧锰峁┝巳滤悸贰?/p>

行業悖論：物理世界的復雜性挑戰傳統 AI

“人工智能領域存在一個有趣的悖論：人類覺得最簡單的事情，對機器人來說往往最難；而人類認為復雜的任務，機器人卻能輕松完成?！?楊倩在演講開篇拋出的觀點引發了現場嘉賓的強烈共鳴。她舉例道，ChatGPT 等大語言模型能在幾秒內完成詩歌創作、PPT 制作等復雜任務，但卻無法完成清理垃圾、刷馬桶、疊衣服等人類習以為常的基礎勞動。

這一悖論的背后，是物理世界與數字世界的本質差異。楊倩解釋道，數字世界的信息具有結構化、可預測性的特點，而物理世界充滿了不確定性與復雜性?！巴瑯邮亲ト∥矬w，一個圓形的硬盒子和一個柔軟的塑料袋，機器人需要采用完全不同的力度和方式；即使是同一個物體，在不同的擺放角度、不同的環境光照下，處理方式也需靈活調整?！?/p>

傳統技術難以應對這種復雜性。工業場景中的機械臂雖然能實現毫秒級的精準操作，但只能在固定場景下完成單一任務，一旦更換操作對象或環境，就會完全失效；家庭場景中的掃地機器人，也需要人類提前清理障礙，無法自主應對突發狀況?！斑@些問題的核心癥結在于，傳統 AI 模型缺乏對物理世界的理解能力，無法像人類一樣‘感受’環境變化并做出適應性決策?！?楊倩強調，破解這一難題，必須依靠專門針對物理世界研發的具身智能大模型。

技術路徑：端到端路線構建具身智能大腦

“如果說硬件是機器人的軀體，那么具身智能大模型就是賦予其感知、決策、執行能力的大腦?！?楊倩表示，自變量機器人從成立之初就確立了 “以大模型為核心” 的技術路線，構建了端到端的全棧自研模型。

與傳統 AI 模型不同，自變量的具身智能大模型是平行且獨立于大語言模型的全新基礎模型?！八皇菍ΜF有大語言模型的簡單微調，而是基于物理世界的特性從頭研發?！?楊倩介紹，該模型具備多模態輸入輸出能力，能夠整合視覺、觸覺、力覺等多種傳感器數據，實現對物理世界的全方位感知。

在數據訓練方面，自變量構建了海量的真實場景數據集，涵蓋家庭服務、工業生產、養老等多個領域。“我們收集了數百萬條物體操作數據，包括不同材質、不同形狀物體的抓取、搬運、裝配等過程，讓模型能夠學習物理世界的基本規律。” 楊倩表示，通過持續的訓練與優化，模型已具備強大的泛化能力，能夠應對未見過的場景與任務。

實時應對能力是具身智能大模型的另一大優勢。“物理世界的交互是實時進行的，機器人必須在毫秒級時間內做出決策?！?楊倩舉例道，當機器人抓取一個易碎品時，需要實時感知物體的重量、硬度，動態調整抓取力度，避免物體損壞。自變量的具身智能大模型能夠實現感知與決策的無縫銜接，確保機器人在復雜環境中高效、安全地完成任務。

落地成果：從技術突破到場景賦能

經過兩年多研發，自變量的具身智能大模型已實現多項世界性技術突破，成功賦能機器人完成一系列復雜任務。“柔性物體操作是行業公認的技術難題，而我們的機器人已經能夠自主完成晾衣、疊衣、切菜等任務?！?楊倩通過視頻展示了機器人的實操成果。

在家庭服務場景中，自變量機器人能夠根據衣物材質調整晾曬方式，將襯衫、毛衣等不同衣物分類疊放整齊；在廚房場景中，機器人可以精準控制刀具力度，完成切菜、配菜、倒果汁等操作，動作流暢度堪比專業廚師?！斑@些任務看似簡單，但需要機器人具備對物體屬性的精準感知、對操作力度的精確控制，以及對任務流程的合理規劃，是具身智能大模型能力的綜合體現?！?楊倩介紹道。

工業場景中，自變量機器人成功解決了柔性生產的痛點。傳統自動化生產線難以應對多品種、小批量的生產需求，而自變量的機器人能夠快速適應不同規格、不同材質的產品，完成裝配、檢測、包裝等工序。

更令人矚目的是，自變量機器人已實現高自由度靈巧手的精準控制?！拔覀兊撵`巧手擁有20個自由度，能夠完成發牌、系鞋帶等精細操作，每一個手指的動作都能精準模擬人類。” 楊倩表示，這一突破意味著機器人在精細操作等高端領域的應用成為可能。

展望未來，楊倩表示，自變量將持續深耕具身智能大模型技術，推動機器人在更多場景的落地應用。“我們的目標是讓機器人能夠真正融入人類的生產生活，成為無所不能的助手?！?她認為，隨著技術的不斷進步，具身智能將打通數字世界與物理世界的壁壘，在家庭服務、工業生產、醫療健康等領域引發深刻變革，讓 “機器人開始感受世界” 成為改變人類生活的重要力量。