机器人学习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跑跳翻身这类运动能力，转向齿轮对齐、插线、小零件装配这种需要「手感」的精细操作。仿真一直是运动控制的试验场，现在它开始被用来训练更细腻的操作技能，这个迁移比想象中难得多，因为接触力、摩擦和形变都很难在虚拟环境里还原。

NVIDIA这次放出的东西挺全，包括world action models、仿真工具、benchmark和agentic workflow。所谓agentic robotics，我理解是把前沿的智能体能力接进物理机器人系统，让高层任务能自动生成可解释的代码去驱动底层动作。这个方向如果跑通，工程落地的门槛会明显降低，至少不用每个任务都手写一遍状态机。最值得关注的是两篇入围CoRL最佳论文最终名单的工作。GRAIL做的是从世界模型生成人形机器人locomotion-manipulation数据，等于给3D资产和仿真就绪场景搭了一条数字生成流水线；RoboTTT则在视觉运动上下文上做了三个数量级的扩展，而且推理延迟不增加。这两篇一个解决数据从哪来，一个解决策略能吃多少上下文，正好卡在当前具身智能的两个瓶颈上。从从业者角度看，仿真工具和benchmark的开放比单个模型更有价值。精细操作缺的从来不是demo视频，而是可复现的评测标准和足够多样的场景数据。NVIDIA把这几块一起推，明显是想把生态往自己的工具链上引，这对中小团队是好事，但也意味着后续选型会被生态绑定。我的判断是，未来一年具身智能的竞争会从「能不能动」转向「能不能稳定地做细活」。locomotion的进展已经肉眼可见地放缓，而装配、线缆操作这些场景才是真正有商业价值的地方。谁能先把仿真到现实的精细操作迁移做扎实，谁就能拿到下一轮的入场券。