会侧空翻不等于能上班——问题不在"身体",而在它有没有"睁开眼睛"。跳舞、翻跟头、百台群舞这类展示,检验的是动作库、平衡和控制精度,其中不少演示本质上按预录或遥控的轨迹回放;而要在陌生环境里接住一份真实的活,机器人必须一边感知环境、一边毫秒级修正动作,出了错还能自己恢复。过去一周,宇树和智元两家头部公司恰好把这条判断摆上了台面:10月22日,宇树创始人王兴兴与姚明在公开对谈中被问"为什么老展示运动、不直接去干活";10月29日,智元发布具身模型GO-3 Preview,并推出一个衡量机器人"干了多久活"的新指标。实时感知不是玄学,它解决的是"会动"到"能干活"之间的三个具体断点:地形变了不踩空,碰到东西成功率不崩,干错了能自己恢复。这三件事现在都有了可核验的进展,但进展大多还停留在受控任务和评测榜单里,离"通用干活"仍有明显距离。
功夫展示是考卷,不是答案
10月22日,宇树科技在杭州举办"2026世界物理AI大会暨宇树合作伙伴生态大会",对谈环节姚明直接问出了很多人的质疑:为什么人形机器人经常跑步、打球、格斗,而不是直接去干活?王兴兴的回答是把展示定义为训练:机器人打球、格斗和人类做体育锻炼的逻辑很像,核心目的就是练运动能力、稳定性、动作精度,连走路都走不好、跑都跑不起来,就谈不上去干活。微博
这场大会也顺手给这句话做了注脚。10月22日大会现场,一台白色人形机器人尝试侧空翻落地时失去平衡、侧摔在地,一条机械小腿从连接处脱落,出事的正是前一天刚发布、主打安保与应急救援场景的H2-X人形机器人。次日(10月23日),宇树科技股价大涨20%,6个交易日累计上涨超54%——股价兑现的是预期,产业兑现的是另一套东西。中国新闻周刊微博
跳舞这边也不缺热闹。10月24日,智元组织110台远征A3人形机器人在山东济南黄河国际会展中心现场挑战吉尼斯世界纪录"最多人形机器人同时群舞",认证官当场颁证。机器人前瞻
群舞要跳整齐,考点其实不在舞蹈本身。远征A3搭载UWB厘米级融合定位,LinkBots群控调度系统对百台机器人的运动轨迹、动作时序和阵型变化进行统一管理,支持毫秒级动作同步与5G/WiFi双模通信,平台架构可支撑千台以上协同。机器人前瞻
跳完舞,这批机器人按公司安排还要走进地铁站、公共场所、景区等实际场景,参与咨询导引、巡逻辅助和文旅演出。 先上岗的仍是"表演型"岗位——百台齐舞验证的是量产一致性与协同部署,和单台机器人在杂乱环境里的自主应变是两回事。至于"跳舞时机器人到底有没有在看环境",智元联合创始人稚晖君(彭志辉)在近期受访时给出了直白判断:多数公开演示的跳舞机器人靠离线录制或遥控轨迹运行,本质上是"闭着眼睛"的动作模仿。机器人前瞻知乎
实时感知要解决的,是三个具体问题
第一个问题:地形变了,动作不能废。中国电信人工智能研究院(TeleAI)李学龙教授团队联合伽马智能,近期发布了面向地形自适应全身遥操作的感知控制方案NEXUS,要解决的就是机器人换到台阶、坡道上动作就失效的问题。它的思路不是给每种地形写一套程序,而是让宇树G1依靠机载深度相机现场看路况、本地芯片50Hz实时运算,人只下达"踢腿""侧手翻"这类指令,机器人自己修改手脚落点和重心;据研究团队实测,在楼梯、斜坡、草坪乃至训练时没见过的高度与角度上,蹲起、单膝跪地、侧手翻都能完成适配,动作完成率大幅领先同类方案。 家庭有门槛,户外有坡道,救援现场满地瓦砾——看不懂脚下的机器人,动作库再大也出不了实验室。TeleAI
第二个问题:和物体接触之后,成功率不能断崖。王兴兴在大会演讲里把当前最大瓶颈说得很具体:具身智能迈过GPT时刻的最大挑战,是AI模型的输入输出与真实机器人之间的对齐。落到工程上就是:传感器有误差、执行器有偏差,操作中的微小误差不断累积;同一个模型在固定场景训练充分后成功率接近100%,换一个环境、换一个没见过的物体就断崖式下跌。36氪微博
连"接住掉落的杯子"这种最接近生活常识的动作都过不去,恰恰说明问题不在规划。据对谈环节的报道,姚明举了杯子被碰掉、人能在落地前接住的例子,王兴兴回应:这种毫秒级反应场景没有时间留给大模型慢慢思考规划,考验的是底层实时运动控制——模型会规划,但最后的接触、快速响应、微小误差修正很难稳定。舞台上的动作错了可以重来,产线上的抓取错了就是报废,这才是"跳舞"与"干活"的分水岭。微博
智元10月29日发布的GO-3 Preview就是冲着这条线来的:其预训练数据约九成来自人类第一视角视频,让模型先"看懂"人类怎么操作;后训练系统GenieEvolver再用真机集群、物理仿真、世界模型三种环境混合练习,据智元介绍,同等训练时间下,手机包装任务成功率从50.8%提升到98.3%,多阶段长流程120次测试的失败次数从25次降到2次。这是公司自报的特定任务数据,证明的是"接触段的误差正在被感知-修正闭环压下去",还不等于通用能力已经到位。机器之心
第三个问题:干错了,要能自己救回来。真实作业里最大的不确定性不是"会不会做",而是"做砸了怎么办"。GO-3配套的Agent框架GenieMaster给了一个具体案例:机器人在便利店挂货时,曾因头部相机看不清、标签牌遮挡而无法定位挂钩,系统回溯失败记录后换了一套做法——左手靠近目标、腕部相机补近距离视角、右手完成挂货,并把这套处理沉淀成可复用的经验。从"执行脚本"到"带着记忆上班",靠的就是感知输入持续参与决策。机器之心
据智元介绍,搭载这套框架的精灵G2已经在真实便利店开展部署验证。机器之心
什么时候算"能干活",行业正在换尺子
判断"干活"的标准,头部公司已经给出两把尺子。王兴兴的版本是"80-80"临界点:机器人能够在约80%的陌生场景中,通过语音或文字指令顺利完成约80%的主要任务。 9月9日在温州,他给出的时间还更保守——快则两到三年,具身智能的"ChatGPT时刻"或将到来。 到了10月22日的大会,他直接改口:今年年底或明年,用户只要对机器人说"帮我整理一下房间",机器人就能够实现。两次把时间往前拨,本身说明模型能力在涨,也说明预测还很不确定。36氪浪潮新闻财经杂志
智元的版本是新度量衡Worken:活跃机器人数量×自主工作时长×产出效能比,不再衡量造了多少台,而是衡量机器人能否自主、持续地完成有价值的工作——彭志辉同日披露,智元上半年整体收入近20亿元。张通社
尺子换了,距离也就照出来了。10月27日更新的具身智能评测基准RoboDojo榜单上,智元GO-3 Nano Preview以61.90分的平均成绩、56.42%的平均成功率登顶——按基准自己的口径,仍有一半左右的任务会失败;“登顶"是相对领先,不是通过"干活考试”。另一边,高工机器人产业研究所的数据显示,2025年全球人形机器人出货量1.88万台,预计2026年出货量有望突破9万台——产能的爬坡,快于作业能力的爬坡。投资界微博
对用户来说,接下来判断"机器人离干活还有多远",可以少看动作数量,多看三个信号:厂商敢不敢公布陌生场景下的成功率而不是固定演示,真实部署场景里披露不披露连续运行时长和异常恢复表现,以及"有效工时"这类指标有没有第三方来验证。跳舞和空翻仍然值得看,那是行业给自己出的考卷;但从今年秋天开始,答案正在换成感知与修正的语言。
当前文章无评论,是时候发表评论了