具身智能创新者王潜：改造“精密的废物”，须从“头”开始

声明：文档由AI根据原文生成。

从"动弹不了"到进厂入户：人形机器人的一年进化

去年夏天，不少人形机器人还"动弹不了"。到今年，多款产品已能走路、跑步、打拳、踢球，并开始像人一样在复杂真实环境中自主移动、感知、决策并灵巧操作物体。驱动这些变化的，是算法的进一步成熟和收敛。

这是自变量机器人创始人兼首席执行官王潜对行业变化的判断。9月15日《新华每日电讯》刊发的访谈中，王潜与主持人张漫子、王若辰就机器人"大脑"的技术路线展开讨论。

虚拟世界模型不够用，物理世界需要新"大脑"

当前机器人大脑的技术路线尚未统一：专用模型与通用模型并存，分层模型与端到端模型各有人采用。王潜指出，大语言模型、多模态模型或视觉语言大模型（VLM）+动作模块，都属于虚拟世界的基础模型，并非真正作用于物理世界。

"机器人涉及真实世界极为复杂的物理交互，处理的问题与虚拟数字世界截然不同。"他以三维重建为例：即便达到1:1复刻，0.1%的瑕疵也可能造成10%-20%的操作差池。物理世界的核心难点在于大量随机不可预测事件——仅"用手推门"这一动作，就因接触点、时长、力的方向大小、动摩擦因数等参数差异，产生极多随机可能。

传统分层模型如同"搭积木"：视觉识别、推理规划、动作生成各用独立模型，信息传递像"传话游戏"，前层微小差错易在后续环节累积放大，无法实现深层跨模态理解。

"一脑多用"：边想边做的端到端方案

自变量的解法是将世界模型与端到端通用模型合二为一，把视觉、语言、触觉、动作等所有模态信息塞进同一架构统一处理。这与直接迁移自动驾驶模型，或给虚拟世界视觉语言模型加装运动模块的路径均有区别。

装上这一"大脑"的轮式双臂机器人"小量"和仿人形机器人"量子2号"，已在2025世界机器人大会上展示其实力："小量"灵活制作香囊，"量子2号"以7自由度手臂实现捏薯片不碎、360°无死角清洁等高难度操作。

王潜举例说明端到端模型的优势：完成"穿衣服"指令时，若遇衣服掉落、拉链变形等动态变化，传统分层模型需重新编程，端到端模型只需少量样本即可迁移学习；装载该模型的"小量"削苹果时，会先去厨房岛台找水果刀，若被告知"有小孩的家庭"，便转而从更高处抽屉寻找——它在行动前完成了"防止小孩翻到受伤"的逻辑推理。

数据成核心竞争力，质量重于数量

训练这样的"大脑"，决定性因素已从算法转向数据。自变量构建了全球最大的具身智能数据集，涵盖数万小时机器人操作视频、触觉反馈、空间定位等多模态数据。为加速积累，该公司自研物理准确性最高的视频生成大模型做数据增强，通过切换背景、环境、接触物理过程等，将一条真实数据扩展为成百上千条。"数据质量的重要程度高于数量，提升质量的一大途径在于扩大多元性。"王潜说。

运动能力与实用能力：匹配度不大，但各有价值

对于"除了跳舞翻跟头还能干什么"的调侃，王潜直言：跑步、跳舞、踢球、格斗中习得的能力，与机器人实际落地所需能力"匹配度不大"。通用机器人能力分运动、导航、交互、操作四个维度，操作才是进厂入户的关键。这也是自动驾驶模型无法直接迁移的原因——其难点在导航与运动，而机器人的最大难点在于复杂操作。

不过他补充，若机器人短期内无法成为实实在在的生产力，训练娱乐、体育能力也能为用户提供情绪价值，"首先要活下来"。

装配夹爪的"量子2号"机器人，在2025世界机器人大会展台演示使用清洁工具进行360度无死角全方位清洁。

自变量机器人创始人兼首席执行官王潜。