机器人 AI 现状：VLA 快慢双系统，缺的是机上持续学习
PTrubey · x · 2026-09-27
主流设计趋同
Figure 的 Helix、Physical Intelligence 的 π0、Google DeepMind 的 Gemini Robotics 都采用视觉-语言-动作（VLA）模型：慢速「思考」层（多模态 LLM）理解指令、观察场景、规划步骤；独立的快速控制层每秒多次输出电机指令。机器人能对话、拆解「清理厨房」这类任务、发现抓取失败并重试。
训练方式
主要靠人类演示的模仿学习（遥操作 + 第一/第三人称视频），叠加强化学习——运动技能多在仿真中训练，精细技能越来越多在真实世界微调。
应对错误的三种机制
- 上下文内适应：慢层看到「杯子滑了、抽屉卡住」就重新规划，适合推理类问题，但不是永久学习
- 车队级离线重训：像 Tesla FSD 一样数周推送更新，所有机器人共享彼此的失败经验
- 外挂记忆系统：记住「这家的锅在左边柜子」等个性化信息
缺失的一环
上下文适应对推理有效、对运动技能无效。人类摸三次就能掌握陌生工具，因为运动系统真的在重塑；现在的机器人无法把几次尝试固化成新技能，只能等下次车队重训。对单站点、单机体的稀有局部问题（某个僵硬抽屉、磨损的夹爪）尤其无解——作者吐槽自己的 Tesla 总在同一个路面凹陷处开太快。
机上持续学习能否实现、是否重要，是当前 AI 机器人领域的万亿美元问题。
「具身」频道最新
- NYU 新方法:看人做 5 分钟家务,机器人就能学会擦桌子 — CyberRobooo · 2026-11-11
- 波士顿动力 Atlas 联动 Blender 5.3 演示引围观 — TomLikesRobots · 2026-11-11
- Lamport Robotics 发布机器人唤醒测试视频 — R4nsack · 2026-11-11
- 具身智能数据缺口达两个数量级,行业迈向千万小时级采集 — GaryMarcus · 2026-11-11
- NVIDIA 将在 CoRL 2026 举办 Isaac Lab 机器人训练与评估专场 — m_wulfmeier · 2026-11-11
- Lighthouse 扩展焊接基础模型 Obsidian,可运行于任意机器人平台 — bennash · 2026-11-11