机器人灵活性的“去碎片化”难题

机器人什么时候才能真正像人一样灵活？

不是只会重复某个固定的抓取动作，而是能应对千变万化的物体和环境。

这个问题，本质上指向了具身智能领域的“去碎片化”难题。

就在6月24日，RoboScience 机器科学正式发布了通用具身大模型Visics，并披露了其核心技术架构VLOA（Vision-Language-Object-Action）。

这意味着，机器人终于开始摆脱“单一任务复读机”的标签。

它朝着跨本体、跨物体、跨任务的通用操作能力，迈出了实质性的一步。

行业瓶颈：动作复刻缺乏泛化能力

过去，行业里大多数玩家都在搞“动作复刻”——让机器人死记硬背一组特定的关节轨迹。

听起来像模像样，但换个硬件，换个物体，模型立刻“失忆”。

这种低泛化能力，是制约机器人走出实验室的头号瓶颈。

RoboScience 创始人兼CEO田野说得直白：机器人真要进到真实世界，必须解决两件事——泛化能力差，以及长程任务执行难。

商业落地：从“物体维度”切入，瞄准“杂”场景

在商业落地的路径上，RoboScience没有一头扎进工业场景和现有自动化方案硬碰硬。

而是选择从“物体维度”切进去。

联合创始人汪涛表示，公司优先瞄准的是以下场景：

• 商超
• 物流
• 康养

这些场景SKU海量、操作需求高、品类繁多。

换句话说，哪里最“杂”，哪里最需要灵活的机器人，就从哪里开始打磨能力。

目前，相关技术已经在零售和物流领域展开试点。

计划年内启动标准化机器人本体的量产。

趋势总结：具身智能从实验室渗入产业深水区

从单一任务执行者到跨场景泛化的智能体，RoboScience的探索正好折射出具身智能从实验室渗入产业深水区的趋势。

软硬一体化方案的成熟，正在赋予机器人处理复杂动态环境的底气。

一个能干活、会应变、不怕换环境的“新物种”，或许正在我们身边悄悄落地。

《夸克》非常好用的免费AI浏览器

下载APP查看