人形机器人能在舞台上完美后空翻,却在真正付钱的任务上失败:被人撞一下就搬不稳重箱,或在不平地板上越过一根电缆就摔倒。编排与干活之间的这道缝隙,是11月三款相隔9天发布的产品要攻的目标——分别来自北京国资背景的实验室、英伟达和谷歌DeepMind。
关键要点
- 11月2日,北京人形机器人创新中心(X-Humanoid)通过"慧思开物"具身智能平台发布通用全身控制模型Hi-WBC。核心的概念转变是:别再把人类动作捕捉当成机器人必须精确复制的脚本,而让人体参考成为运动先验——一种要保留的意图,由物理来决定执行。中心自己的说法是"刚柔并济":精确遵循意图,但根据负载、力和地形调整姿态、关节和支撑点。
- 三根技术支柱支撑这个想法。一是通过混合专家(MoE)与策略蒸馏扩展技能:专家策略学习跑、搬运、越障等具体任务,能力再蒸馏回通用策略,新技能得以累积而不抹去旧的,解决行业反复重调的痛点——加一个任务不再意味着重建控制器。
- 二是接触感知学习:机器人从关节电流和运动状态等本体感觉信号估计外力与载荷变化,无需额外力传感器,再结合短时域动力学优化,在负载或被推搡时实时协调姿态和支撑。三是地形感知控制:地形几何直接嵌入控制回路,机器人识别斜坡、楼梯和缝隙上的可行落脚点,然后重建落脚位置、摆动轨迹和身体姿态,同时保持原始运动意图。
- 证据偏实用。在机器人运动竞赛中,搭载Hi-WBC的天工机器人在"综合五项"比赛拿到金银牌——一台机器人须把行走、高度调整、抓取和搬运串成一次连续运行,且是唯一在场景赛道夺金双足人形。另一段演示里,多台机器人分工完成长时程会议室清理:搬椅子、捡垃圾、拎垃圾袋、蹲下收纸屑,机器间有交接。X-Humanoid还说,它主导起草的首批人形机器人运动控制国家标准已正式发布。
- 英伟达11月9日在奥斯汀的机器人学习会议上推出GR00T 2,基于Cosmos构建的开放世界动作模型。Hi-WBC完善身体,GR00T 2攻击数据问题:联合预测未来的视觉帧和动作,用约10万小时开放的人类第一人称视角视频加遥操作数据预训练,让技能跨机器人本体迁移,不必为每个平台重新演示。
- 英伟达报告,在50个评测任务中,模型在零任务特定演示下完成了其中40个至少一次;每项任务给一次演示时平均成功率达71%,给五次演示则升到95%。这些是英伟达自己的数字,权重和代码计划12月才发布,意味着独立验证尚未发生。它同时配套Isaac Lab 3.0——更新的开源仿真框架,加入可变形物体仿真和报告中的训练吞吐提升。
- 一天后,谷歌DeepMind发布Gemini Robotics 2.5,称其为能力最强的视觉—语言—动作模型,在200多个真实任务上评测,报告任务成功率比基线提升30%到100%,速度提升20%到30%。头条部署是:Apptronik的Apollo 2人形机器人,由Gemini Robotics 2.5连同Gemini Robotics ER任务跟踪模型控制,在匈牙利凯奇凯梅特和德国辛德芬根的梅赛德斯-奔驰实时生产线上,自主把金属支架从散装箱分拣到序列托盘,报告成功率96%。DeepMind称这只是概念验证,未披露运行时长、试验次数或产线节拍对比。
三种哲学,一个瓶颈。X-Humanoid自己也造机器人,深化的是控制层——把运动计划变成负载和地形下稳定物理的部分。英伟达优化数据效率和跨本体可移植性,赌技能复用是成本瓶颈。DeepMind则倚仗通用视觉—语言—动作模型的规模与推理、控制模型的分工,直接带进运转中的汽车工厂。
诚实的局限
三款产品的说法有一个共同弱点:每一个头条数字——Hi-WBC竞赛夺冠、GR00T 2的95%、奔驰产线上的96%——都由卖技术的一方自己报告,且都还没有工业买家拿来定价的指标:连续运行小时数、故障恢复率、维护负担,以及相对专用自动化的投资回报。竞赛是真的,演示与真实班次之间的距离也是真的。
普通人现在能做什么
- 要连续性指标,别只要成功率。评估时问清平均多少小时出一次故障、恢复行为如何;一个96%的单任务成功率,对8小时班次说明不了多少。
- 如果你用中国的具身智能平台,试试混合专家技能路径:加一个新任务,再测旧任务有没有退化——"加技能不必重调整体控制器"这个说法可以动手验证。
- 盯住12月的GR00T 2发布,也别忽略标准轨道:英伟达是否真的开放权重、以什么许可开放,决定跨本体迁移的说法能否被独立检验;X-Humanoid主导起草首批国家标准,对出口到那个市场的人来说是个安静却要紧的信号。