当前位置:

首页 > 硬件相关 > 获得国际大赛冠军,破解“动作幻觉”难题,中国团队为机器人装上“智能大脑”

获得国际大赛冠军,破解“动作幻觉”难题,中国团队为机器人装上“智能大脑”

最近,全球机器人领域的顶级学术会议ICRA在维也纳落幕。会上,中科院自动化所模式识别实验室牵头的一个联合团队,带着他们研发的NeoVerse-ABot模型,拿下了图像质量和动作跟随两项核心指标的全球第一。0.829的高分,从526支队伍中杀出来,这个成绩可不简单。想象一下,机器人不再只是机械地执行“

本文目录

    最近,全球机器人领域的顶级学术会议ICRA在维也纳落幕。会上,中科院自动化所模式识别实验室牵头的一个联合团队,带着他们研发的NeoVerse-ABot模型,拿下了图像质量和动作跟随两项核心指标的全球第一。0.829的高分,从526支队伍中杀出来,这个成绩可不简单。

    想象一下,机器人不再只是机械地执行“向前、向左、抓取”的指令,而是在行动前先“想一想”:我的手这样伸过去,能碰到杯子吗?如果夹得太松,杯子会不会在半路滑落?这种更像人的决策方式,正在变成现实。这场比赛的含金量在于,它考验的不仅仅是画面好不好看,更是模型能不能严格服从动作指令、精准预测物理世界的连锁反应。


    让机器人学会“三思而后行”

    长期以来,大众认知中的机器人大多是“所见即所行”的执行工具——只能依靠实时视觉感知完成预设动作,缺乏对物理世界的理解与预判能力。一旦遇到空抓、物体滑落、轨迹偏移这些非理想场景,传统机器人很容易出现操作失误,根本没法适应复杂多变的真实环境。

    NeoVerse-ABot团队把这一点看作区分“高级机器”和“智能体”的关键分水岭。团队成员说得很形象:“可以把它理解为机器人的‘物理想象力’。”传统机器人更像是条件反射的执行者——看到红色就停止,感受到阻力就后退。它们擅长即时反馈和轨迹跟踪,却没法预判自己行为的长远后果。

    这个模型的核心,就是为机器人搭了一座连接“感知”与“决策”的桥梁。它接收两类信息:一是机器人当前“看到”的场景,二是它“计划”执行的动作序列。模型的任务,就是精准预测接下来环境、物体和机械臂之间会怎么变化。

    过去,大家比拼的是谁能生成更好看的视频。但这次ICRA赛道的要求变了——模型必须服从动作指令。也就是说,模型不能“脑补”出一个画面精美但动作错误的未来。NeoVerse-ABot在图像质量和动作跟随两个核心指标上均排名全球第一。这意味着,中国团队开发的模型不仅能生成高清画面,还能严格遵循物理规律,把控制信号准确转化为物体的运动、接触与状态变化。团队成员说,这说明在具身智能的关键基础问题上,中国已经具备了与国际顶尖队伍同台竞争并取得领先的系统性能力。

    “动作幻觉”威胁很大

    在世界模型研发领域,“动作幻觉”是个长期困扰全球科研团队的核心难点,也是制约机器人从实验室走向真实场景的关键阻碍。所谓“动作幻觉”,指的是模型脱离机器人实际动作指令与物理逻辑,凭训练数据的常见模式“脑补”理想化结果,出现“空抓却显示抓取成功”这类虚假画面。画面看着真实,但逻辑上根本站不住脚。这种问题会让机器人低估操作风险,做出不安全动作,在工业制造、民生服务等场景里,直接威胁设备、物品甚至人身安全。

    备赛过程中,团队把破解“动作幻觉”作为核心攻坚方向。他们摒弃了“失败样本是训练噪声”的传统认知,明确了一个关键判断:真实场景中的失败轨迹、偏移动作、交互误差,都是极具价值的监督信号。系统梳理海量遥操作数据后,团队重点挖掘夹空、滑落、补夹这些失败片段,提升这类长尾样本在训练体系中的权重,让模型充分学习真实物理交互的完整结果分布。

    与此同时,团队创新引入了强化学习反馈机制,重构了模型评价体系。传统模型只奖励画面清晰度、流畅度,但这个新机制重点奖励动作匹配、因果合理、物理合规的生成结果,大幅强化了模型对机器人控制信号的敏感度,从根源上抑制了虚假生成问题。经过多轮迭代优化,NeoVerse-ABot能够精准区分成功操作与失败交互,在非理想场景中真实预判物体原位留存、中途滑落等实际结果,彻底摆脱了“默认成功”的固有缺陷。

    赛场突围赋能产业

    当前,具身智能已经列入我国“十五五”规划重点发展的未来产业。NeoVerse-ABot的夺冠不仅仅是学术上的胜利,更被视为中国机器人产业安装“智能大脑”的关键一步。

    放眼全球,国际顶尖模型都在把可交互、可预判、可模拟的世界模型当作下一代AI的核心发力方向,技术竞争越来越激烈。团队负责人坦言,客观来看,世界模型仍处于快速迭代阶段,我国还没实现全面领跑。但在具身智能世界模型这一细分关键领域,中国团队已经彻底摆脱了单纯跟随的局面,在动作精准跟随、失败场景建模、工程化落地等核心维度,实现了与国际顶尖队伍并跑,甚至局部领先。

    从国内产业发展的维度看,这次技术突破精准补齐了中国机器人产业的核心短板。目前,我国机器人核心零部件国产化进程持续提速,硬件产业生态日趋完善,但缺乏高精度、高可靠的“智能大脑”,这长期制约着产业从样机展示走向规模化落地。传统机器人研发依赖真机试错,数据采集成本高、长尾场景覆盖难、迭代周期长。而NeoVerse-ABot可以作为高可信的“神经仿真器”,通过虚拟环境预演生成海量物理真实的训练数据,大幅降低真机试错成本,加速机器人策略迭代与场景落地。

    长远来看,这项技术拥有非常广阔的应用前景。在工业制造场景,它可以帮助柔性生产机器人适配多样零件与复杂工序,预判操作风险、提升生产柔性;在仓储物流、商业服务场景,它能让高频次、多场景作业的机器人自主调整策略、规避失误;在家庭服务、养老医疗、特种作业等开放场景,它能保障人机交互安全,提升机器人环境适配能力。此外,这项技术还可以延伸到自动驾驶、低空智能、科学实验自动化等领域,成为通用智能体理解、适配真实世界的核心基础能力。

    团队表示,对于中国具身智能产业发展,这次夺冠是一个全新起点。未来,他们会持续深化技术研发,推进世界模型与大规模强化学习、在线规划算法的深度融合。一方面优化模型推理速度,适配机器人闭环实时控制需求;另一方面完善虚拟仿真训练体系,降低产业落地门槛。随着核心技术的持续突破,中国具身智能产业将告别“重硬件、轻智能”的发展困境,依托数据、工程、场景的系统性优势,在全球AI新一轮竞赛中持续抢占先机,开启智能机器人规模化、实用化发展的全新篇章。

    本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系bd@zhengruan.com
    作者最新文章
    硬件相关 机器人
    相关文章 更多
    AI Agent、Genie 4与机器人有什么区别?从任务输入到场景演示
    AI Agent、Genie 4与机器人有什么区别?从任务输入到场景演示

    认识AI Agent、Genie 4与机器人的区别:任务输入不等于完成结果,世界模拟不等于现实执行,装载机动作展示也不能替代完整工程验收。

    贾跃亭的FF机器人亮相CBS、引爆街头:借势世界杯“轻巧破圈”
    贾跃亭的FF机器人亮相CBS、引爆街头:借势世界杯“轻巧破圈”

    法拉第未来EAI机器人亮相洛杉矶世界杯庆典,被CBS报道,实现零广告费破圈。目前推出三大系列机器人,截至5月累计交付137台,年度目标上调至1500台。近期获7000万美元融资,将发布机器人教育生态战略,加速物理AI领域布局。

    启元机器人加速线下布局:亚洲首店落子深圳,上海全球首店同步筹备
    启元机器人加速线下布局:亚洲首店落子深圳,上海全球首店同步筹备

    启元机器人加速线下布局,亚洲首店已在深圳卓悦中心设围挡,上海全球首店同步筹备,西安等地也在推进中。作为上纬新材在消费级具身智能领域的核心载体,其聚焦个人机器人赛道,研发投入同比增长超500%。

    【城事】001,世界会客厅首位机器人员工上岗
    【城事】001,世界会客厅首位机器人员工上岗

    6月16日,世界会客厅迎来首位智能导览员——编号001的人形机器人正式上岗。它身高约1.7米,通体银白,可提供多语种讲解、智能引导与互动问答,致力于提升智慧化参观体验。同日,世界会客厅举办了年度品牌日暨首秀5周年纪念活动。

    300名截肢患者,正在变成机器人的触觉训练师
    300名截肢患者,正在变成机器人的触觉训练师

    约300名截肢患者日常使用仿生手产生的触觉与运动数据,被PSYONIC用于机器人灵巧手训练,通过“真实到真实”迁移绕过仿真环节,将人类操控经验直接迁移至机器人。已与ABB、NVIDIA合作探索汽车制造等工业场景,但数据规模与可靠性仍需验证。

    香港中文大学、上交大联合研究团队让机器人
    香港中文大学、上交大联合研究团队让机器人"看"懂人类双手动作

    ACE-Ego-0框架将人类双手视频与机器人数据统一到头部摄像头坐标系,通过形态条件化和可靠性加权损失处理结构差异与噪声。在超6000小时数据上预训练,于仿真和真实双臂机器人测试中刷新多项基准,平均成功率72.8%,真实任务达78.3%。

    暑期回国研学新选择:北上深杭科技之旅,让孩子边玩边学收获满满
    暑期回国研学新选择:北上深杭科技之旅,让孩子边玩边学收获满满

    暑期科技研学聚焦北京、上海、深圳、杭州,项目涵盖京东智能物流、小米汽车工厂、火箭制造、3D打印、机器人、无人机、航天及大飞机总装等,让孩子深入体验智能制造,实现沉浸式职业启蒙。

    顺丰同城机器人末端运力上线 助力肯德基“车速取”体验升级
    顺丰同城机器人末端运力上线 助力肯德基“车速取”体验升级

    顺丰同城上线机器人末端运力,与肯德基“车速取”合作,实现即停即取。机器人独立承担门店与路边取餐点间短途接驳,替代店员跑腿,推动无人物流从室内走向室外场景,拓宽服务半径。

    活力中国调研行|在智造一线,看机器人“结”新硕果
    活力中国调研行|在智造一线,看机器人“结”新硕果

    天津机器人产业加速爆发,水下助推器、高速分拣并联机器人及人形取货机器人等应用场景涌现。智能机器人已列重点产业链,前4个月规上企业产值同比增长12.8%,产业生态逐步构建。

    国家医保局:为“远程手术”等辅助操作统一价格立项
    国家医保局:为“远程手术”等辅助操作统一价格立项

    国家医保局发布指南,为3D打印、手术机器人、远程手术等辅助操作统一价格立项,按技术精度分类定价,鼓励用于高难度手术。机械臂耗材费用纳入定价,降低患者支出;首次设立远程手术辅助操作费;要求医疗数据及设备日志本地存储并实时上传,否则核减价格。

    查看更多
    精品专题 更多
    装机必备
    装机必备

    正软商城装机必备专区,精选办公、浏览器、安全防护、影音播放、压缩解压、设计创作和系统工具等电脑常用正版软件,帮助用户快速完成新电脑软件配置。

    Windows
    Windows

    正软商城Windows软件专区,汇集适用于Windows电脑的办公、设计、安全防护、影音播放、开发工具和系统优化软件,提供软件介绍、系统要求、正版授权及购买下载服务。

    PDF教程
    PDF教程

    正软商城PDF教程频道提供PDF编辑、转换、合并、拆分、压缩及格式处理方法,同时介绍常用PDF软件和工具的使用技巧。

    Mac软件 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    Aperty macOS版
    Aperty macOS版
    macOS

    Aperty 是 Skylum 推出的 AI 人像修图软件,支持自然肤质修饰、瑕疵处理、面部与身体调整、预设及批量同步。

    WINDOWS 更多
    讯飞智作 网页版
    讯飞智作 网页版
    Windows/ macOS/ Linux

    讯飞智作是一款基于语音合成技术、虚拟人驱动技术与数字人形象声音构建能力的 AI 数字人音视频创作平台。

    火山引擎 网页版
    火山引擎 网页版
    Windows/ macOS/ Linux

    火山引擎是字节跳动旗下企业级云与AI服务平台。聚焦大模型核心能力,依托字节自研豆包多模态大模型,凭借火山方舟一站式平台,提供模型精调、推理部署、智能应用搭建等全链路服务,结合高性能AI算力,助力各行业快速落地大模型数字化与智能化应用。

    PixTV 网页版
    PixTV 网页版
    Windows

    PixTV 是一款在浏览器中使用的 AI 视觉内容创作平台,提供图片、视频、音频、文字生成、AI 分镜、局部重绘、提示词反推和无限画布等工具,适合短剧、漫剧、广告及社交媒体内容制作。