过去一年，具身智能的技术迭代明显加快。VLA、世界模型持续演进，强化学习重新成为机器人学习的重要技术路径，Sim2Real加速从仿真走向真机，全身控制能力也在快速突破。
机器人会做的事情也越来越多：能走、能跑、能抓、能导航，甚至可以完成越来越复杂的长程任务。
但如果把这些能力放到真实世界里，一个更基础的问题正在浮现：
机器人“会做”一件事，和机器人能够在开放环境中长期、稳定、泛化地把事情做成，其实是两回事。
一个机器人能跨过固定高度的障碍，不意味着换一种障碍还能完成；能在一个房间里导航，不意味着换一个场景、换一种机器人本体仍然有效；正常状态下能稳定行走，也不意味着受到撞击、跌倒甚至关节损伤之后还能继续工作。
这也是为什么，随着具身智能从Demo走向真实世界，行业的评价标准正在发生变化。
如果说上一阶段关注的是机器人到底“会多少技能”，那么下一阶段更重要的问题是：这些能力能不能持续规模化扩展。
这里所说的Scaling，不只是模型参数量，也不只是机器人数据量，而是模型能否经历更多环境、覆盖更多任务、迁移到更多机器人本体，并在真正进入物理世界之后，继续适应那些训练阶段没有见过的状态。
过去一个多月，亮源新创连续发布了三项技术：LightParkour、LightNav-0和Light REACT。
LightParkour从简短的人类动作片段出发，通过物理仿真与课程学习扩展复杂接触技能；
LightNav-0基于Real2Sim2Real数据引擎，将2,000+个互联网来源的真实场景转化为可反复使用的仿真环境，生成4,000+小时视觉、语言和动作经验，并用于通用导航后训练；
Light REACT则面向外力扰动、跌倒和硬件损伤条件下的全身韧性控制，研究机器人如何依据自身交互历史调整运动方式。
△亮源新创连续发布三项技术：LightParkour、LightNav-0和Light REACT
0
评论 (0)