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
- 伯克利团队用扩散模型直接采样机器人策略权重，Unitree G1 真机走跑起舞 — berkeley_ai · 2026-10-16
- HKU 等提出 OneWM：统一因果训练让世界模型与动作学习互相增益 — IAAI233 · 2026-10-16
- 特斯拉悬停跑车被指非飞行汽车：气罐撑不了多久 — tinyfool · 2026-10-16
- Scobleizer 转述：Optimus 实机比空中翻转的新 Roadster 更震撼 — Scobleizer · 2026-10-16
- 独立开发者的 AI PASSPORT 固件几天下载破 1200 次 — ezshine · 2026-10-16
- 1X 开设加州工厂，批量量产 NEO 人形机器人 — emmanuelvivier · 2026-10-16