作者｜向欣

在當(dāng)今的人形機(jī)器人界，有一種主流觀點(diǎn)是，硬件本體并不是人形機(jī)器人應(yīng)用的阻礙，大腦與小腦才是。

也就是說，人形機(jī)器人缺乏能夠智能決策的大腦，與精細(xì)控制全身關(guān)節(jié)運(yùn)動的小腦。

這兩者是人形機(jī)器人能夠執(zhí)行任務(wù)，走入人類生活的關(guān)鍵技術(shù)。

為了幫助人形機(jī)器人行業(yè)解決這個(gè)問題，3 月 12 日，人形機(jī)器人界的國家隊(duì)——北京人形機(jī)器人創(chuàng)新中心（國家地方共建具身智能機(jī)器人創(chuàng)新中心，以下簡稱「創(chuàng)新中心」）發(fā)布了通用具身智能平臺「慧思開物」。

這是全球首個(gè)「一腦多能」、「一腦多機(jī)」的通用具身智能平臺，包含負(fù)責(zé)任務(wù)規(guī)劃的「大腦」與負(fù)責(zé)執(zhí)行任務(wù)的「小腦」。

它相當(dāng)于機(jī)器人的思考與控制中樞，能夠幫助多種不同構(gòu)型的機(jī)器人靈活適應(yīng)工業(yè)、物流、家庭等多種場景，自主完成整理物品、物流打包等復(fù)雜任務(wù)。

「慧思開物」最大的特點(diǎn)是，它可以讓不懂算法、甚至不懂機(jī)器人，但想要用機(jī)器人干活的人或者企業(yè)也能夠較為輕松、快速地完成機(jī)器人應(yīng)用開發(fā)，實(shí)現(xiàn)多種機(jī)器人在不同場景、任務(wù)中的高效運(yùn)用。

創(chuàng)新中心首席技術(shù)官唐劍稱，「慧思開物」是對傳統(tǒng)機(jī)器人應(yīng)用開發(fā)模式的顛覆，有望顯著減少機(jī)器人應(yīng)用開發(fā)在人力與時(shí)間方面的投入。

適配多種機(jī)器人構(gòu)型，

具備任務(wù)泛化能力

傳統(tǒng)的工業(yè)、服務(wù)機(jī)器人的應(yīng)用開發(fā)，通常需要一個(gè)專業(yè)團(tuán)隊(duì)在特定場景下采集數(shù)據(jù)，針對特定任務(wù)寫一個(gè)專用程序，并做各種調(diào)試才能完成。

此類應(yīng)用開發(fā)方案不僅耗費(fèi)較多的時(shí)間與人力成本，調(diào)試出的機(jī)器人也幾乎不具備泛化能力，僅適用于固定流程與操作對象。

隨之帶來的結(jié)果是，機(jī)器人行業(yè)一直以來都無法解決場景、任務(wù)、本體泛化能力差的痛點(diǎn)。

而「慧思開物」，是一個(gè)可以讓市面上各種主流機(jī)器人能夠針對任意場景、任務(wù)進(jìn)行快速開發(fā)的平臺。

它的「通用」特性體現(xiàn)于此。

「一腦多能」、「一腦多機(jī)」、數(shù)據(jù)利用率高是「慧思開物」最核心的三個(gè)亮點(diǎn)：

「一腦多能」：支持機(jī)器人適應(yīng)從工業(yè)制造到家庭服務(wù)等多種場景，執(zhí)行各類復(fù)雜任務(wù)，如工業(yè)分揀、整理桌面、物流打包等等；

「一腦多機(jī)」：可適配機(jī)械臂、輪式機(jī)器人、人形機(jī)器人等多種機(jī)器人；

數(shù)據(jù)利用率高：將任務(wù)拆解為拿、擰、挑等多項(xiàng)元技能，僅需少量數(shù)據(jù)即可高效訓(xùn)練并成功執(zhí)行任務(wù)。

在發(fā)布會現(xiàn)場，「慧思開物」展示了在工業(yè)分揀、積木搭建、桌面清理和物流打包四個(gè)場景的真機(jī)操作應(yīng)用。

這是全球首次多場景、多任務(wù)、多構(gòu)型具身智能機(jī)器人操作的直播展示。

工作人員僅使用「慧思開物」APP 給機(jī)械臂下達(dá)指令，或直接告訴人形機(jī)器人它要做什么，機(jī)器人就能自主分析任務(wù)與環(huán)境，并完美執(zhí)行任務(wù)，整個(gè)過程絲滑流暢。

在積木搭建場景中，「慧思開物」首次實(shí)現(xiàn)了復(fù)雜任務(wù)的智能化拆解與執(zhí)行。

現(xiàn)場觀眾隨意搭建了一個(gè)積木，人形機(jī)器人「天工」在接收到語音指令后，利用視覺大模型（VLM）分析積木的構(gòu)成，規(guī)劃每一層的搭建順序，重新搭建了一個(gè)一模一樣的積木，精度達(dá)毫米級，展現(xiàn)了「慧思開物」及人形機(jī)器人在教育娛樂、精密制造等領(lǐng)域的應(yīng)用潛力。

在整理桌面的過程中，面對人類不斷移動物品的干擾，機(jī)器人也能沉著冷靜地應(yīng)對，具備優(yōu)秀的自主糾錯(cuò)能力。

「慧思開物」強(qiáng)大的機(jī)器人應(yīng)用開發(fā)能力，源于其大腦與小腦：

大腦部署在云端，由 MLLM（多模態(tài)大語言模型），VLM（視覺-語言模型）驅(qū)動，具備自然交互、空間感知、意圖理解、分層規(guī)劃和錯(cuò)誤反思等能力；

小腦部署在端側(cè)，由 VA（視覺-行動）、VLA（視覺-語言-行動）模型和 LLM（大語言模型）驅(qū)動，負(fù)責(zé)端到端執(zhí)行任務(wù)。

在小腦層面，又分為兩個(gè)子平臺：

具身操作平臺：擁有元技能庫，可實(shí)現(xiàn)泛化抓取、技能調(diào)用和錯(cuò)誤處理等功能；

具身運(yùn)控平臺：負(fù)責(zé)機(jī)器人全身控制、包括雙臂協(xié)作、穩(wěn)定行走、移動導(dǎo)航等。

其中，元技能庫是指一個(gè)包含了機(jī)器人完成各種復(fù)雜任務(wù)所需的基礎(chǔ)、通用技能集合的數(shù)據(jù)庫。

「慧思開物」使用了創(chuàng)新中心構(gòu)建的通用具身智能數(shù)據(jù)集和 Benchmark——RoboMIND 進(jìn)行訓(xùn)練。RoboMIND 覆蓋工業(yè)、家庭、辦公等多場景任務(wù)，具備高度的通用性和可擴(kuò)展性。

「慧思開物」的運(yùn)行過程是，由具身「大腦」進(jìn)行任務(wù)規(guī)劃，再調(diào)用具身「小腦」技能庫執(zhí)行具體動作，并將執(zhí)行反饋傳遞給具身「大腦」，形成任務(wù)閉環(huán)。

比如，當(dāng)接收到一個(gè)打包快遞的指令時(shí)，機(jī)器人大腦會理解指令并規(guī)劃任務(wù)，把任務(wù)分解成多個(gè)子任務(wù)，即拿起掃碼槍和物品、進(jìn)行掃碼、放置物品、關(guān)上紙盒、貼上快遞單。

隨后任務(wù)指令傳入小腦，小腦從元技能庫中調(diào)用出執(zhí)行這些任務(wù)所需要的技能，比如抓取、放置、掃碼、貼標(biāo)簽等。最后由小腦的具身運(yùn)控平臺控制機(jī)器人的身體完成動作。

由于應(yīng)用開發(fā)的快捷性與多場景適用性，「慧思開物」目前已用于支持優(yōu)必選人形機(jī)器人，幫助其成功應(yīng)用優(yōu)必選創(chuàng)新提出的群腦網(wǎng)絡(luò) (BrainNet) 軟件架構(gòu)，從而能夠執(zhí)行整條工業(yè)產(chǎn)線的任務(wù)。

無論是對關(guān)注機(jī)器人應(yīng)用的各行各業(yè)的客戶，還是投身機(jī)器人科研開發(fā)的科學(xué)家與極客來說，「慧思開物」都是快速縮短機(jī)器人應(yīng)用開發(fā)周期的利器。

多項(xiàng)關(guān)鍵技術(shù)開源

為具身智能「添柴加薪」

創(chuàng)新中心首席技術(shù)官唐劍介紹，「慧思開物」平臺技術(shù)架構(gòu)會在今年按照計(jì)劃陸續(xù)開源開放，包括其中的 VLM、VLA 模型以及相關(guān)的代碼等。

對于仍處于發(fā)展初期的具身智能行業(yè)，開源意義重大，它能夠打破技術(shù)壁壘，快速降低行業(yè)門檻與研發(fā)成本，將前沿技術(shù)加速擴(kuò)散，促進(jìn)行業(yè)快速起步和多元化發(fā)展。

創(chuàng)新中心成立于 2023 年 11 月，由京城機(jī)電、優(yōu)必選、亦莊機(jī)器人等 10 家行業(yè)領(lǐng)軍企事業(yè)單位出資 4.6 億元聯(lián)合組建，彼時(shí)名為北京人形機(jī)器人創(chuàng)新中心。

2024 年 10 月，在工業(yè)和信息化部與北京市人民政府指導(dǎo)下，該創(chuàng)新中心正式升級為「國家地方共建具身智能機(jī)器人創(chuàng)新中心」。

這一升級，讓它擁有了國家隊(duì)的屬性。

自成立以來，創(chuàng)新中心聚焦具身智能及人形機(jī)器人行業(yè)的共性技術(shù)研發(fā)，在取得成果后已開源多項(xiàng)重大技術(shù)或資源：

開源機(jī)器人本體：開源人形機(jī)器人「天工」，包括軟件開發(fā)文檔、軟件架構(gòu)、機(jī)器人結(jié)構(gòu)圖紙、電氣系統(tǒng)等，同時(shí)有多家合作伙伴們基于「天工」平臺面向應(yīng)用場景進(jìn)行二次開發(fā)；

開源具身智能數(shù)據(jù)集：通用具身智能數(shù)據(jù)集和 Benchmark——RoboMIND 首批開源數(shù)據(jù) 10 萬條，近百家企業(yè)、高校和科研機(jī)構(gòu)數(shù)千次下載使用。

人形機(jī)器人「天工」目前擁有兩個(gè)不同的版本：天工 Lite、天工 Pro。

天工 Pro 是本次「慧思開物」發(fā)布會上進(jìn)行演示的機(jī)器人，身高 163cm，體重 56kg，擁有 42 個(gè)自由度。

在運(yùn)動能力上，「天工」能夠在 38°的高溫戶外環(huán)境下應(yīng)對草地、沙地等多種復(fù)雜地形，還能在雪地奔跑，普通路面奔跑速度最高達(dá) 12km/h。

今年 2 月份，「天工」還實(shí)現(xiàn)了爬上 134 級臺階，成為全球首例可在室外連續(xù)攀爬多級階梯的人形機(jī)器人，并在國家電網(wǎng)成功完成電力巡檢任務(wù)。

此外，在開源社區(qū)方面，國地創(chuàng)新中心吸引了超千名開發(fā)者參與數(shù)據(jù)集的數(shù)據(jù)優(yōu)化與模型訓(xùn)練工作，推動技術(shù)成果在 GitHub、Hugging Face 等平臺形成傳播，并與中科院軟件所聯(lián)合搭建了 AGIROS 開源社區(qū)。

創(chuàng)新中心的發(fā)展定位顯而易見：

他們希望成為具身智能行業(yè)的賦能者，將領(lǐng)先的技術(shù)成果共享，為整個(gè)行業(yè)注入活水。

Deepseek 開源 R1 模型后，直接引發(fā)了 AI 普惠化的浪潮，讓性能優(yōu)秀的大模型也能夠以低成本的方式廣泛應(yīng)用于能源、金融、電信等行業(yè)，從中我們已經(jīng)看到了開源對行業(yè)發(fā)展產(chǎn)生的巨大推動力。

國地共建的開放生態(tài)，或許正是撬動機(jī)器人產(chǎn)業(yè)從「實(shí)驗(yàn)室特技」邁向「社會生產(chǎn)力」的支點(diǎn)。

隨著「慧思開物」平臺的開源與應(yīng)用不斷拓展，中小企業(yè)無需重復(fù)「造輪子」，開發(fā)者可聚焦場景創(chuàng)新。

領(lǐng)先技術(shù)的不斷開源將為技術(shù)迭代按下加速鍵。

未來，機(jī)器人有望以更低的成本、更強(qiáng)的適應(yīng)性走進(jìn)工業(yè)、倉儲、物流、家庭甚至災(zāi)難救援現(xiàn)場，改變?nèi)祟惿�產(chǎn)生活方式。

       原文標(biāo)題 : 人形機(jī)器人界的安卓，國家隊(duì)搶先做了