什么值得买App

我的兴趣消费指南

什么值得买
连续签到专享现金活动

双脑协同+4D物理直觉极智嘉让人形机器人真正学会“先想后干”

机器人展台上,最常见的戏码是"绕着走、摆摆手、抬个腿"——动作漂亮,数据亮眼,但离真实作业差了十万八千里。今年WAIC,极智嘉(Gecko+)交出了一份截然不同的答卷:人形机器人Gino 1不是在表演,而是在真实复刻仓储场景里连续拣货、搬箱、投递,全程无卡顿、无掉落。这背后是一套名为Gravity的统一具身智能框架,核心主张就一句话:让机器人"先想清楚再动手"。1
为什么"看见"不等于"做到"
具身智能行业长期存在一个尴尬:语言大模型能听懂指令,运动模型能生成动作,但两者各玩各的,无法协同。语言模型擅长语义拆解,却算不准物体受力、空间碰撞;运动模型能输出连续动作序列,却缺少高层规划能力。更要命的是,传统视觉大模型只学"预测下一秒画面长什么样",不学物理规律——生成的视频看着真实,物体却经常悬空漂浮、机械臂穿模穿过物体。在仿真环境里这是瑕疵,放进真实仓库就是摔坏商品、撞损设备的事故。2
极智嘉Gravity框架要拆掉的就是这堵墙。其核心采用"双脑协同"(Mixture-of-Transformers)架构,分为认知脑与行动脑两层。3
认知脑用AR Transformer(自回归范式),扮演"参谋部"角色。它负责听懂"把这批货分拣到三个区域"这类复杂指令,拆解成长程任务步骤,同时依托长短时记忆机制留存任务上下文——就算场景临时出现干扰,也不会丢失整体目标。4
行动脑用Diffusion Transformer(扩散范式),扮演"前线指挥官"角色。动手之前,它先在四维隐空间里"过一遍电影":这个箱子抓起来会不会滑?放下去会不会倒?移动路径上有没有障碍物?预判完所有可能性,再生成最稳妥的连续动作序列。两个脑通过注意力机制无损共享信息,形成"先规划、后行动"的闭环。5
4D表征:让机器人长出"物理直觉"
双脑架构解决了"谁来想"的问题,但Gravity 4D要解决的是"想什么"——从预测二维画面,切换到预判三维物理演化。6
传统方案在RGB像素层预测未来,学到的是"画面看着连贯",但机器人操作成败取决于三件物理事实:物体是否被成功抓取、末端执行器是否形成有效接触、物体运动是否满足几何约束——这三件事RGB pixel无法保证。Gravity 4D引入4D基础模型Gravity 4D-VAE提取的4D latent作为教师监督,让机器人同时学习三类信息:7
  • RGB外观:未来长什么样,解决"视觉合理"问题
  • Pointmap点图:物体在三维空间的什么位置,刻画稳定几何关系
  • Scene Flow场景流:物体怎么运动,刻画动作引起的三维状态变化
Pointmap回答"物体在哪",Scene Flow回答"物体怎么动"——两者叠加,让机器人拥有了"物理直觉"而非"画面记忆"。面对陌生SKU,它能"看得懂、抓得准";在连续作业中"转得快、停得稳",泛化不减速、效率不降智。8
数据验证了这套路线的有效性。在公开基准LIBERO-Plus上,零样本条件下引入4D表征后,主版本成功率从73.73%跃升至78.62%,最优变体达79.25%。相机视角变化、传感器噪声、光照变化这三类"外观变但物理不变"的场景提升最显著——直接证明模型学到的是物理规律,而不是记忆画面。9
消融实验还给出了两个关键反证:Pointmap-only变体表现优异,证明空间结构是操作任务最关键的监督信号之一;仅加depth预测反而下降,说明堆砌模态无效,架构路径才关键。7
极智嘉的底牌:仓储即训练场
技术路线选对只是第一步,具身智能的核心瓶颈在于真实世界数据的极度稀缺。极智嘉的答案是:把仓储拣货打造成世界上规模最大、物品种类最丰富的物理AI训练场。10
这套底气的来源是极智嘉十余年构筑的五大壁垒:覆盖40余国、超1700个项目,服务沃尔玛、阿迪达斯、西门子、宝马等950余家国际品牌,日均处理订单量达千万级,横跨快消、鞋服、汽车等多个行业。更关键的是,拣选动作凝聚了手眼协调、力控、空间理解等底层操作能力——这些能力在产线送料、门店补货、药房配药中高度复用。10
在机器人学界,Bin-picking(料箱拣选)被称为"圣杯问题"。极智嘉CEO陈曦认为,仓库里有数百万种SKU,把大脑和硬件抓取能力在这里练好,这种能力能够无缝平移到商业场景和生活场景。拣货集齐了模型进化最稀缺的五个条件:高频、真实、反馈明确、可迁移、接近商业闭环。11
Gino 1:真上岗的人形机器人
Gravity框架首个硬件落地载体是Gino 1——一款轮式人形机器人,采用"轮式底盘+人形上半身"构型。上半身像人,数据获取成本更低、质量更高,最能实现scaling law目标;下半身用轮子,能效最高、成本最低,适合仓库和工厂平整地面。12
展会现场展示了Gino 1的真实作业能力:同时完成搬箱、拣选、与移动机器人协同编队等连续任务。动作算不上炫目,甚至略显平淡——但"平淡"恰恰是工业场景最苛刻的验收标准。11
它打破了"抓完再转身、转完再移动"的传统操作逻辑,实现了手脚协同的全身并行控制——移动、转身的同时,手臂已经开始调整商品高度和对准目标格口。这种控制方式直接将单任务作业时间缩短约30%。13
面对展会现场各种极限干扰——随机放入未数采的商品、异物突入料箱、目标商品被人为移动——Gino 1均能瞬时识别并自主调整策略。有意思的是,当一个微小物品贴在料箱角落、常规路径根本抓不到时,它竟然自己改变策略:用末端先把商品从边缘"扒"出来一点,再重新抓取。自己破解Corner Case,才是真正的泛化能力。14
Gino 1的硬件设计也颇有讲究。三指灵巧手是经过深思熟虑的选择:两指寿命基本达标但覆盖不了百万级SKU,五指成本高且寿命仅30万至50万次——在高频仓库场景可能一个月就坏掉。三指在操作灵巧性、SKU覆盖和可靠性寿命之间取得了平衡。12
"一核双引擎":从技术到底气
极智嘉在WAIC上同步公布了"一核双引擎"通用具身智能布局。"一核"是Gravity具身智能框架,为机器人注入"物理直觉",让机器人理解三维世界,先想清楚、再动手,在真机部署后越用越强。11
"双引擎"分别是数据引擎和生态引擎。数据引擎依托极智嘉已有的全球业务网络,将仓库、工作站和客户现场转化为物理AI训练场,推动运行数据回流模型;生态引擎则以GINO ECO开放生态连接模型、本体及产业应用企业,面向模型研发企业、高校开放Gino 1轮式双臂机器人硬件底座与全套训练部署工具链。3
商业层面,Gino 1已完成内部可靠性验证,预计2026年第三季度开始量产,至少有千台级别的机器人产出,国内海外都有POC客户。12
当人形机器人赛道还在为"走几步路不摔跤"或"复刻人类表情"而内卷时,极智嘉把视角拉回到工业生产的原点——"真干活"。陈曦的态度很明确:"脱离效率的泛化,没有商业价值。" 能把泛化能力与作业效率同时放进真实作业场景、端到端跑通全流程的,极智嘉是WAIC 150多家具身智能参展商中的独一份。15
4D WAM的意义不止于benchmark提升。它在公开基准上首次验证:让世界模型预测"物理一致的未来"是可做到的,且对扰动鲁棒、对架构可扩展、对工程可落地。当世界模型开始像工程师一样思考物理后果,机器人才真正具备了走进真实世界的资格。7

评论

评论区空态插画

当前文章无评论,是时候发表评论了