机器人从跑跳转向精细操作

这周在奥斯汀的 CoRL 上，一个很明显的信号是：机器人学习的重心正从 locomotion 转向 manipulation。以前仿真主要用来教机器人走路、翻滚、跳跃，现在大家开始用它训练更精细的动作，比如对准齿轮、插接电缆、组装小零件。这个转向其实挺关键的，因为精细操作对感知和力控的要求比移动高出一个量级，仿真能不能撑住这种精度，直接决定了后面能不能规模化。

NVIDIA 这次在 CoRL 上放出了一批开放技术，包括 world action models、仿真工具、benchmark 和 agentic workflow。我比较关注的是 agentic robotics 这个提法，它想把前沿 agent 接进物理机器人系统，让机器人行为能生成可解释的代码。说白了就是让大模型不只做规划，还能落到可执行、可审查的动作序列上，这对工程落地来说比纯端到端黑盒更有吸引力。论文层面有两个值得盯：GRAIL 做的是从世界模型生成人形 loco-manipulation 数据，提供了一条数字生成 3D 资产和仿真就绪场景的管线；RoboTTT 则是把机器人策略的视觉运动上下文扩展了三个数量级，而且推理延迟不增加。前者解决的是数据从哪来的问题，后者解决的是长上下文下策略还能不能实时跑的问题，两个方向都踩在当前的痛点上。从从业者角度看，这波趋势对做跨境硬件和机器人出海的团队有实际意义。仿真和 benchmark 越开放，中小团队越不用自己从零搭训练环境，可以把精力放在场景定义和产品化上。但也要清醒，仿真里对准齿轮和真实产线上的公差、抖动、光照差异完全是两回事，benchmark 分数好看不等于产线能跑。我的判断是，未来一年 manipulation 的竞争会集中在数据管线和上下文 scaling 这两块，谁能在仿真里低成本生成高质量操作数据，谁就能更快迭代策略。