具身智能转向全身智能：从 VLA 到 WBI 的范式演进
机器之心 · wechat · 2026-08-30
文章指出，具身智能的研究热点正从高层语义理解转向底层物理掌控。传统的 VLA 模型多基于静态基座数据训练，难以应对双足人形机器人数十个自由度的动态平衡与协调需求。业界近期提出了“全身智能（WBI）”新目标，旨在让机器人的“大脑”能原生理解力学规律，将导航、平衡与操作深度耦合。
技术路线上，不同团队存在非共识：
- Google DeepMind：采用分工明确的三模型堆栈架构（Gemini Robotics 2、ER2、On-Device 2），兼顾长程推理与高频响应。
- 学术界/初创公司：如香港大学李弘扬团队、CurrentRobotics 等，也在探索分层架构与端到端模型，以实现更优的全身协调。
WBI 强调从“局部位姿预测”向“全身物理协调大脑”的跃迁，是具身智能下一阶段的共识追求。
「具身」频道最新
- 英伟达推出 ADEPT：机器人仿零样本迁移现实 — dr_alphalyrae · 2026-09-01
- 宇树G1森林后空翻踢腿，BeyondMimic驱动 — CyberRobooo · 2026-09-01
- SpaceX 上月从博卡奇卡海滩清理 12.1 吨垃圾 — DimaZeniuk · 2026-09-01
- 中国机器人军团登陆IFA：优必选、宇树等18家厂商齐聚 — CyberRobooo · 2026-09-01
- Microduck 机器人训练猜想：除了避障，更多人在教它跳 Fortnite 舞 — tristanbob · 2026-09-01
- 玩家成功将 DLSS 5 神经渲染移植至《半条命 2》 — ssh4net · 2026-09-01