当十几台 G1 在舞台"下腰"打醉拳的时候，你会合计宇树好像的确如故把饰演这件事情卷到头了。

的确很难遐想，羊年还能有什么比马年更能轰动东谈主心的饰演。哪怕是让机器东谈主在舞台上跳芭蕾（一个比后空翻难大都倍的动作），难谈就能给普通东谈主比今天更强的视觉轰动了吗？就怕也很难说。

如果说今天具身存在一个"结构性"的矛盾，大略有即是"日益增长的姿态轨则才气与硬件水平"和"落地场景不服衡、不充分"的发展之间的矛盾。前者带来了东谈主民对具身日益增长的期待，此后者则让东谈主民感到困惑。

关于好多东谈主来说，机器东谈主的"技能树"好像点错了——它明明该帮咱们家务，却代替咱们诗词歌赋、轻歌曼舞。

而这种技能树错配背后，其实有第二个"结构性"的矛盾：即"日益增长的 AI 智能诉求"与"智能泛化才气不服衡、不充分"的发展之间的矛盾。前者让行业的通盘从业者都对 AGI 的未来充满光明信心，此后者则让从业者感到现款流的空匮。

而所谓一切场景与智能的问题，其实内容都是数据与智能的相干。

在具身规模尤其如斯。

而具身的数据问题又不错分红两种：

一个是数据限制带来智能难以 scaling；一个是现存智能情况下，样本的学习和泛化才气。

多位具身行业资深东谈主士曾对硅星东谈主示意，具身数据问题属于"可解"的，但处分决策内容大略率都会是"线性"的，可能会跟着参加的增多赢得更多的加快，但"指数型"爆炸的可能性不高。

究其原因，如果想要通过仿真数据好意思满高度的通用泛化，坐褥超高质料仿真数据背后的难度，可能反而高于具身大脑泛化的难度，有点"鸡生蛋、蛋生鸡"悖论的滋味。而互联网数据表面上可行，但不够精确，"画马难画骨"，对皆难度大。

当今行业里普遍构想的一个时间轮回是：

数据网罗→数据测验模子→模子进入场景→场景生成数据→更好的数据→更强的模子→更多的场景和数据

这么逐渐不错把数据转起来，等数据多了，具身就不错进入 GPT 时刻了，尽管现实过程可能很稳固。但即便如斯，好多模子依然会卡死在第三步，导致数据飞轮迟迟无法转起来。导致一些现实的时间轮回其实是：

数据网罗→数据测验模子→泛化才气卡死在 sim to real 上→恭候更多的数据

不外最近两个月来，运行赓续有更多的团队加入少样本以致零样本的泛化才气的道路探索上来，通过不同的旅途去处分的智能打破和泛化才气的问题，堪比具身的马年学术春晚：

χ 0 是香港科技大学团队在 2 月 10 日追究发布的时间效果。

此前这个团队在 12 月份的时候也曾拿 χ 0 作念了 24 个小时的"家务直播"，主如果执取、叠、挂一稔，展现了很遍及的柔性物体处理才气。

凭证自后发布的时间论述闪现，χ 0 不错在很少样本（20 小时东谈主类视频）、低算力（8 张 A100）的情况下作念出很好的泛化才气。况且凭证他们我方的说法，比较于 π 0.5，澳门威斯人app下载官网χ 0 的告捷率能普及 250%。

正如如这篇论文的标题，"通过化终结播不一致性，好意思满资源受限下的鲁棒操控"。

χ 0 展现的是柔性物体才气，但其实想要处分的是模子学习的鲁棒性可贵。而它的处分决策其实即是通过处分在不同模块的数据散播对皆问题。

比如，往常测验出来的模子内参数散播和环境反应的散播是不同的，就会导致智能的鲁棒性受损。而他们就但愿在各个法子上找到这些散播互异，然后对皆它——他们终末聘任从测验散播（Ptrain）、模子散播（Qmodel）以及部署散播（Ptest）三个角度起程，从而让历程的各个不同阶段都能好意思满高效对皆。

https://arxiv.org/pdf/2602.09021

LingBot-VA是蚂蚁灵波在 1 月 30 日官宣的时间效果，官方将它称为具身寰宇模子，创始了自追思视频 - 动作寰宇建模框架。亦然第一个将寰宇模子径直轨则真机操作的探讨效果。

而在此之前，蚂蚁灵波还发布了 LingBot-World 开源视频生成寰宇模子，作念到了快要 10 分钟的无损褂讪生成。

与 χ 0 相似，LingBot-VA 展现了更好的鲁棒性：

在 LIBERO 和 RoboTwin 等主流基准测试中，辞别以 98.5% 和 92%+ 的告捷率大幅首先 π 0.5 等现存模子。在针对具身轨则中常见的"永劫漂移"可贵，复杂任务告捷率跨越 98%。

同期也能好意思满较少样本下的泛化才气：

一个场景仅需 30~50 条演示数据即可完成适配。

但与 χ 0 不同的是，LingBot-VA 团队一运行就聘任了一个在语义层面具备较高鲁棒性的自追思寰宇模子战术。他们的逻辑有点像在模子内置了一个展望畴昔的大脑。内容即是用一段视频去展望下一段视频的现象。而当模子知谈下一段视频流中的现象时，便不错反推并解码成具体的践诺动作。

这么一来，开云体育app由于视频与动作之间存在明确的时候和逻辑相干，便当然就组成了很明确的物理现实寰宇中的因果相干。是以这个时间效果被定名为："面向机器东谈主轨则的因果寰宇建模"。

这套决策绕过了 VLA 常出现的表征纠缠问题，将动作、视频展望、场景践诺情况，径直酿成了相互映射的相干。况且在视频生成模子中，自然会具备一定的寰宇模子常识，因此赢得了更好的践诺效果。

https://github.com/Robbyant/lingbot-va/blob/main/LingBot_VA_paper.pdf

DreamZero是英伟达团队在 2 月份发布的时间论文，定位寰宇动作模子（WAM）。

DreamZero 比 LingBot-VA 晚发了十天足下，但念念路上与 LingBot-VA 同为寰宇模子落地真机的道路，因此在一些时间念念路上也很相似。况且 Lingbo-VAt 搭配 LingBot-World 一谈发布，而与 DreamZero 同期发布的还有 DreamDojo 的通用机器东谈主寰宇模子。

这两个团队在时间审好意思和居品发布的逻辑节律上如斯相似，不错说当今辞寰宇模子的探索上，辞别都是东西半球的先驱，也相称进程上阐明了这条时间道路的可行性。

他们都强调寰宇模子在领路轨则中的作用，强调通过寰宇模子展望而非简便堆砌数据的热切性，以及受益于寰宇模子的时间道路，DreamZero 也呈现了较好的泛化性。

官方示意，DreamZero 以致在一些模子从来莫得见过的场景中，DreamZero 也如故不错好意思满 0 样本泛化。而为了贯注强调这少量，他们以致把我方的时间论述径直叫作念，"寰宇动作模子即是 0 样本泛化的战术"（World Action Models are Zero-shot Policies ）

最中枢区别在于，LingBot 选用了自追思为骨干的战术，而 DreamZero 则选用了以扩散模子径直行为骨干的战术。此外，行为各自模子畴昔的基础设施，DreamDojo 的中枢是闭源的，而 LingBot-World 则是饱胀开源的。

https://dreamzero0.github.io/

押注"非线性"增长的物理寰宇

往常的具身时间道路正在受到越来越多的挑战。

一方面，如本文开始所说，LLM 告捷的旅途依赖让具身产业始终患稀奇据饥渴症。而数据限制短时候难以爆发式增长，就导致具身的智能枯竭像 LLM 那样指数级增长的技巧；

另一方面，其实以 VLA 为代表的时间道路，自己也在濒临更多的质疑。越来越多东谈主运行质疑 VLA 是否不错很好的完成动作操控，是否有才气更好地泛化并打破 Sim to real gap 的魔咒。

而面对这种困局，不同的东谈主预料的处分决策是不同的，也很难在短期达成共鸣。

以 χ 0 这类探讨更像是通过握住升级往常的架构才气，从而在原有的旅途上处分问题；而 LingBot-VA、DreamZero 这么的居品，则是寻求一种改进性的范式创新。

今天一个行业内缓缓了了的共鸣是：如果具身大脑的才气要开脱数据贫血和泛化瓶颈的地心引力，从而复刻 LLM 的外传，那就必须有一些新的时间创新。要么，咱们在数据层面上大幅打破；要么在架构上匠心独具。

而像 VA、DreamZero 这么的责任赫然是后者，而他们能给咱们的缘由是：

如果要在具身复刻 LLM 的 scaling law 古迹，它偶然是要通过平移 scaling law 的方法好意思满的，也可能是借一个更好的架构来赢得本来在 LLM 就如故具备的常识才气。

蚂蚁灵波首席科学家沈宇军在接受采访时示意：

LingBot-VA 和 LingBot-World 的念念考其实是"一套时间体系的不同侧重"，两边会耦合地相称深，底层的数据引擎、代码框架和优化措施，都高度共通。

是以，沈宇军的念念路可能即是要绕过具身的 scaling 瓶颈，再行去疑望和依托新的大模子才气，建树新的具身底层的智能基础设施。

从这个角度来说，蚂蚁灵波和英伟达可谓具身寰宇模子中"开采者"的变装，畴昔也不摒除会有更多的像英伟达和蚂蚁这么的超等玩家加入。但跟着中好意思 AI 施展生态的不同，畴昔英伟达会逐渐酿成我方的生态，而蚂蚁灵波则会积极引颈大家的开源寰宇模子生态。

但他们的主见都是一致的：

具身不一定就必须要本分守己，物理 AI 也值得一次爆炸式增长的尝试。