王兴兴把泛化列为机器人行业最棘手问题:随处干活,还要迈过哪几道坎

源自186位全网作者

17:45

11月17日,宇树科技王兴兴在深圳举行的2026年APEC工商领导人峰会上表示,模型泛化能力是当前机器人行业最棘手的问题。 他给泛化能力下了一个直白的定义:一台机器人、一个模型进入不同家庭和工作环境都能直接干活,换场景不需要重新训练。他也留下了一个判断——结合今年全球的技术突破,临界点已经看到,“可能比较快了”。未来图灵

“换场景就要重新训练”,指的是眼下的行业现实:在实验室教会机器人叠毛巾,换一户人家、换一种布局,它就可能不会了。从今年上半年以来陆续可核验的技术进展看,卡住泛化的并不是单一的"模型笨",而是数据、感知和跨本体迁移三件事同时没到位。

第一道坎:每换一个场景,就要添一批数据

目前主流的机器人操作模型靠示范学习:人遥操作一次机械臂完成抓取,系统记下一条轨迹。这类数据采集成本高、效率低,更麻烦的是有结构性缺陷——每增加一种场景、物体或任务变化,都需要新的数据投入。 中国人民大学与阿里通义千问等团队11月17日发布的Ego2Robot研究点的正是这个问题:模型可能反复见过某条机械臂在固定环境里搬运,却很少见过同类任务在不同光照、布局和操作条件下如何完成。真机数据永远追不上世界的多样性,英伟达的做法是用人类经验补位——其GR00T 2预训练混合的数据里,402730小时是人类第一视角视频,手持UMI演示10184小时,而机器人遥操作数据只有23500小时。 今年行业的集中突破正是沿着这条路:把人类经验转成机器人"见过的世界"。淘丁数科量子位

第二道坎:一进开放环境,感知就先失稳

机器人的演示在实验室里最好看,因为环境是精心布置的。一走进陌生环境,问题先出在感知层。11月16日华为云具身世界模型发布会上,华为云具身智能Lab主任吴小东把传统视觉表征在开放环境中的不稳定概括成三句话——一遮挡就"瞎",一动起来就"傻",一换视角就"懵"。 被沙发挡住一角、操作对象是运动的物体、相机角度变一点,任务成功率就明显下降。行业的长尾还会放大这个难度:吴小东把模型厂商进入垂直行业比作爬喜马拉雅山南坡——垂直数据缺失、行业专业知识门槛高、场景碎片化程度高,从"能用"做到"好用"的周期非常长。这也是为什么同一个模型在一种环境里能通过几十次测试,却不能指望用户交付后拿到同样的表现。AI早餐汇

第三道坎:换一副"身体",等于从头再学一遍

公众熟悉的通常只是"换场景",工程上还有另一半——“换硬件”。同一款本体上能复现性能,结构差异大的本体之间直接复用很难,这正是行业押注跨本体迁移的原因。GR00T 2的X-Adapt机制给出了三条迁移路径:研究人员佩戴动捕设备演示滤纸操作,灵巧手Dexter在没有采集任何该任务机器人示范的情况下,20次试验成功率达到65%。 用手持夹爪采集的技能示范,迁移到另一款机械臂后,仍能端到端完成约四分钟的组装任务,成功率60%。Ego2Robot的实验则给出了这条路的边界:多构型数据有助于本体迁移,但"运动学差异较大的机械臂仍然具有挑战"。 换句话说,模型理解了任务,也不等于任何一副身体都能把任务执行出来。量子位淘丁数科

临界点是真的,但56%不等于"能用"

最具标志性的进展来自Figure。今年9月,这家公司把Figure 03带进旧金山湾区30栋从未用于训练的私人住宅,完成整理客厅、叠毛巾和铺床三类任务。 420次完整测试中成功237次,综合成功率约56%。 而在同一批测试里,此前需要按环境采集数据训练的上一代Helix 02,跨住宅成功率只有9%,预训练把这条线从9%拉到56%。DeepTech深科技42号电波知乎

56%的读法要注意分母:它面对的是完全陌生、从未接触过的环境,提升幅度巨大,但这个数字仍够不上"无人值守做家务"。Figure宣称看到了机器人版的scaling law,同行并不买账,有观点认为它其实根本不会泛化——个别成功样例不等于稳定泛化。 Ego2Robot的泛化评测按四个维度拆分后也指向同样的边界:收益集中在视觉外观、任务语义这类"看得懂"的层面,场景布局、本体构型这些"动得了"的层面收获有限。一句话概括:模型开始看懂新场景了,但还没学会在新场景里可靠地干活。极客公园

王兴兴"临界点可能比较快了"的判断有具体支撑:英伟达已把GR00T 2的10万小时人类数据率先开放。 华为云宣布11月30日把模型权重、推理和后训练代码开放给大家。 Figure则用30栋真实住宅验证了零样本进家门。三件事的共同指向是同一个:摆脱"一场景一采集",用人类经验和跨本体机制扩大模型见过的变化范围。什么时候这种转换效率追上真实世界的复杂度,"换场景就要重新训练"这道题什么时候才算真正解掉。量子位AI早餐汇

内容由AI生成
0
扫一下,分享更方便,购买更轻松
0评论

当前文章无评论,是时候发表评论了
提示信息

取消
确认
评论举报

最新文章 热门文章
相关兴趣推荐