具身智能来时路：谷歌RT1、2，SayCan作者Ted Xiao复盘机器人学习三大时代

文章摘要

【关 键 词】 具身智能、基础模型、模仿学习、规模扩展、数据驱动

具身智能领域的发展经历了从理论验证到范式重构的深刻变革。在存在性证明阶段，研究初期面临强化学习在高维连续动作空间中的落地瓶颈，团队通过暂停学术发表并集中收集数万条高质量遥操作轨迹，成功证明大规模模仿学习在真实物理系统中的有效性，确立了数据规模对控制策略的决定性作用。此阶段的探索打破了传统算法依赖，将行业重心转向底层数据资产的建设与清洗。

随着基础模型时代的到来，语言与视觉网络的涌现能力彻底重构了技术路径。研究逻辑由外围辅助转向内核整合，通过构建视觉语言动作架构并将通用多模态模型直接替换为策略主干，系统在复杂指令解析与零样本任务泛化层面取得显著突破。结合多机构联合开源的跨形态数据集，早期单臂控制的局限性被彻底打破，技能迁移与跨本体学习成为现实，外部预训练权重大幅降低了机器人从零构建感知模块的迭代成本。

行业随即迈入规模扩展阶段，发展重心演变为计算资源、数据集规模与网络架构的多维并发放大。模型设计开始深度融合具身专项推理与长程规划机制，第一人称人类操作数据与物理世界仿真环境被大规模纳入训练闭环，推动着控制策略从离散任务执行向连续自适应操作演进。在此过程中，精细操控与底层运动控制呈现出方法学上的本质分野，前者依赖海量监督信号，后者倾向于端到端反射训练。最终的技术演进并非依赖单一节点突变，而是取决于通用架构优化、多模态感知升级、数据飞轮闭环与后训练机制的全面协同，这一系统性拼图将为落地面向大众的通用物理世界操作系统奠定基础。

原文和模型

【原文链接】 阅读原文 [ 5027字 | 21分钟 ]
【原文作者】 机器之心
【摘要模型】 qwen3.6-plus
【摘要评分】 ★★★★☆

阿里云百炼

大模型服务平台是阿里云基于通义大模型等多种大模型的一站式大模型开发平台。