通用机器人的新时代：人形机器人的崛起

摘要

本文整理自NVIDIA GTC 2025关于人形机器人技术的专题讨论。来自1X、Skild AI、Agility Robotics、Boston Dynamics及NVIDIA的业界领袖齐聚，共同探讨人形机器人迎来新纪元的关键驱动力、核心实现策略与面临的挑战。讨论重点包括AI基础模型与仿真技术的突破、数据获取方式的革新、从控制理论到"从经验中学习"的方法论转变，以及跨实体泛化、安全性与社会接受度等关键技术挑战。专家们对人形机器人的短期（2-5年）和长期（10-20年）发展进行了展望，描绘了从专用任务到通用智能的未来图景。

内容框架与概述

文章开篇由主持人引入主题，五位嘉宾分别介绍了各自公司在人形机器人领域的愿景与实践。1X强调消费级应用先行，在人类生活中学习；Skild AI致力于构建通用机器人大脑；Agility Robotics聚焦真实部署学习；Boston Dynamics追求将人类从"脏累险"工作中解放；NVIDIA的Groot项目则旨在普及物理AI并开源基础模型。嘉宾们共同指出，机器人技术作为AI最古老的应用之一，长期以来受"莫拉维克悖论"困扰而进展缓慢，但如今正经历前所未有的加速发展。

文章深入分析了驱动这一变革的六大关键因素：AI基础模型的推理能力与多模态视觉理解的突破、GPU加速仿真技术克服数据瓶颈、硬件性能提升与成本下降、零部件商品化、硬件鲁棒性显著增强，以及核心方法论从控制理论到"从经验中学习"的根本性转变。嘉宾们强调，互联网数据为机器人技术提供了引导基础，使其能够达到"足够有用"的临界点，从而开启真实世界学习的数据飞轮。

在实现策略方面，讨论围绕模型设计哲学、数据策略与学习机制展开。NVIDIA主张极简端到端的"光子到动作"模型，而业界普遍观点则认为需平衡端到端学习与传统工具箱以确保安全与确定性。数据策略上形成了金字塔结构：顶部为高质量但有限的真实机器人数据，中间为可大规模生成的仿真数据，底部为海量互联网多模态数据。学习机制则强调从经验中学习、仿真学习与真实世界部署学习的有机结合。

文章最后探讨了当前面临的严峻挑战，包括实现跨实体泛化（模型在不同机器人硬件上的适应能力）、硬件与软件的协同进化、真实世界学习的效率瓶颈，以及安全性与社会信任的建立。对于未来发展，嘉宾们普遍认为短期内（2-5年）将看到任务专用/多任务机器人的商业化应用，而长期来看（10-20年+）人形机器人将引发类似电力普及的社会变革，加速科学发现，甚至实现自我复制与改进，最终迈向"一切移动的物体都将自主"的愿景。

核心概念及解读

莫拉维克悖论：对人类来说容易的事情（如感知、运动）对机器来说却非常困难，反之亦然。这一悖论解释了为何机器人技术作为AI最古老的应用，长期以来发展速度远慢于自然语言处理等领域。

从经验中学习：区别于传统控制理论的"编程经验"，这一方法论强调让机器人像孩童一样通过与环境交互、积累经验来习得技能，而非先学习复杂的数学理论再执行任务。

跨实体泛化：指AI模型在不同机器人硬件平台之间的泛化能力，即一个在某种机器人上训练的模型能否适应其他形态、构型的机器人，这是实现通用机器人大脑的关键挑战。

数据金字塔：NVIDIA提出的数据策略框架，自顶向下分别为：真实机器人数据（最高质量但有限）、仿真数据（可大规模生成）、互联网多模态数据（海量但需转换），形成分层互补的数据供给体系。

Sim-to-Real Gap：仿真环境与真实世界之间的差异。随着GPU加速仿真技术、物理引擎精度的提升以及领域随机化等方法的应用，这一差距正在显著缩小，使得在仿真中训练的模型能够更好地迁移到真实机器人。

原文信息

此摘要卡片由 AI 自动生成