十大外围买球（中国大陆）科技有限公司

　　周末的写字楼里，24小时便利店的柜台后，一台机器人正在值守。观察、下夹爪、放到盘子里——夹烤肠的动作一气呵成。上岗一年，它已经是个熟练的店员了。

　　星海图首席科学家、清华大学研究员赵行和团队基于视觉、语言和动作三个元素开发了通用基座大模型。在演示中，机器人能够识别桌面上的苹果和橙子，进行任务拆解和规划，然后执行。但真实的家庭场景远比桌面复杂，能否让机器人像人一样处理琐碎的家务，是家政服务机器人落地的关键门槛。

　　赵行判断，具身智能的终局是“一脑多形”，一个基础模型能够控制各种形态的身体。当训练数据达到百万小时级别，就可以进行更大规模的具身智能原生模型训练。

　　在北京市石景山区的人形机器人数据训练中心，工作人员正“手把手”指导机器人做家务——刷碗、擦桌面，将日常动作转化为机器可理解的智能经验。抓软硬不同的物品，手感完全不同。每个关节的细微运动、指腹施力的大小与变化，都被高精度传感器实时捕捉。一个垂类场景需要上百甚至上千小时的数据，每天数据产出约7TB到8TB。这些蕴含“手感”的数据，正是训练具身智能不可或缺的宝贵资源。

　　在街头测试中，一款导盲机器狗完成了300米真实道路测试。面对复杂城市场景，

　　。但高德具身算法负责人徐牧表示，能够做到始终保障人的安全、对齐人类的法规，是最难的地方。机器狗不能在导盲过程中试错。研发人员想了个办法——搭建一个与真实世界完全一样的虚拟世界

　　但传统训练环境搭建成本高，需要飞机拍摄和激光扫描。北京大学陈宝权教授团队提供了新思路——通过神经网络技术，用相机扫描整个房间，即可实时生成三维场景。机器人可以在生成的数字世界里进行训练。

　　当我们在观察机器人时，机器人也在通过传感器、摄像头和算法学习物理世界的逻辑。赵行认为，具身智能的发展分为三个阶段：第一阶段控制自身身体，第二阶段在特定场景产生作业价值，第三阶段实现软硬件协同进化。

　　小学生畅想，自动驾驶能靠眼珠子转就能开？飞机和船能不能自己开？6G和5G到底有什么区别？市民坦言，十年前也想不到移动互联网对生活的改变这么大。