当具身智能摆起擂台，算法和硬件谁更焦虑？

这篇文章最有价值的信息是，具身智能赛道正从“纸上谈兵”进入“肉搏战”阶段，而这场肉搏暴露了学术界和工业界长期忽视的一个核心矛盾：强化学习在仿真环境里跑得再漂亮，到了真实世界可能连一颗螺丝都拧不紧。

宇树机器人在展台中央摆出擂台，把自家机器人拆得七零八落，零部件散落一地。这看起来像行为艺术，实际上是一种技术宣言——我们不怕你拆，因为我们的硬件模块化、可替换，甚至欢迎你来看内部结构。而魔法原子工作人员在背后吐槽银河通用“挺拉的”，则直接把暗流涌动的鄙视链抬到了台面上。

这两条信息放在一起，恰好勾勒出演进的两种路线：宇树代表的是硬件优先、控制次之的工程派，而银河通用代表的则是端到端大模型驱动的算法派。作为强化学习方向的研究者，我不得不承认，这两个路线在实验室里经常被放在一起讨论，但到了产业展会上，它们之间的裂痕比想象中更深。

宇树的思路很直接：先把机器人的本体做到极致，关节电机、减速器、传感器都模块化，坏了能换，成本可控，然后在这个硬件平台上跑经典的控制算法，再加一些强化学习的策略层。这种做法的好处是，你不需要依赖一个黑盒大模型来理解物理世界，机器人的每一步动作都有明确的物理约束。坏处是，泛化能力差，换个场景就要重新调参。但宇树似乎不在乎，他们赌的是工业场景和家庭场景的标准化程度足够高，不需要那么强的智能。

而银河通用这类公司走的是另一条路：用大模型把视觉、语言、动作全部串联起来，让机器人看到一个物体、听到一句指令，就能自己生成动作序列。这非常性感，也是我博士课题的核心方向。但问题在于，端到端训练出来的策略在仿真环境里表现惊艳，到真实环境里就可能因为一个螺丝松动、一个关节摩擦系数变化而彻底崩溃。魔法原子的吐槽，某种程度上戳中了这个痛点——实验室里跑出来的demo，在展会上被拆了台，不是技术不行，是真实世界的鲁棒性还没到商业化门槛。

从我的研究视角来看，这两个路线其实直面的是同一个问题：强化学习在真实物理世界中的样本效率和安全边界。在仿真里，我们可以用GPU集群一天跑几百万个episode，随意探索，随意失败，然后通过reward shaping教会机器人最优策略。但在真实世界，一次跌倒就可能损坏电机，一次碰撞就可能伤人。宇树选择用硬件可靠性来降低这种风险，银河通用选择用更强大的模型先验来减少探索次数。两条路都有道理，但都没有完全解决“从仿真到现实”的迁移鸿沟。

我最近在看的一篇论文——Google DeepMind的RT-2系列——其实在尝试融合这两种思路。他们用互联网规模的视觉语言数据训练一个大的policy backbone，再通过少量真实数据fine-tune。但问题在于，这种fine-tune需要大量高质量的真实机器人数据，而真实数据的采集成本远高于仿真。宇树把硬件拆给你看，潜台词是“我的数据可以低成本采集”，银河通用则可能还在为收集一个抓取动作的失败案例而发愁。

另一个值得注意的细节是，宇树摆擂台这件事本身，就是一个硬件的营销行为，但背后折射出算法公司普遍缺乏的“物理检验”。很多做算法的人，包括我自己，习惯了在调参时只看reward曲线，忽略了机器人关节的扭矩极限、电池的续航衰减、甚至螺丝的防松设计。实验室里，我们可以用恒温恒湿环境、用高精度定位系统、用无限次reset，但展会上的高温38°C、地面不平、观众围观，才是最真实的测试环境。

导师让我试一下，把强化学习策略直接部署到宇树的硬件上，看看能不能跑通一个简单的开门任务。我猜结果会很有趣——策略在仿真里能100%成功，但一旦电机初始位置有1%的偏差，可能就卡住了。这不是算法的问题，是仿真环境过于理想化。宇树的擂台，其实是在提醒我们这些做算法的，别把物理世界当成黑盒。

我不打算给两条路线分高下，因为他们最终都会走向融合。

原文链接：https://www.tmtpost.com/8069915.html