对话桥介数物尚阳星：机器人运动能力，远远没有被解决
全身运动数据的重要性，被低估了。
作者丨向 欣
编辑丨高景辉
雷峰网报道：机器人进入真实世界“干活”，到底需要什么数据？
面对这个问题，大多数具身智能从业者可能都会回答“操作”。的确，人们干活离不开双手，那么人形机器人的末端精细操作数据，顺理成章地成了重中之重。
但桥介数物创始人尚阳星，给出了一个截然不同的答案。
在他看来，机器人 全身运动数据 的重要性被大大低估了，机器人想进入真实环境完成复杂任务，仅靠操作能力远远不够，底层的全身运动能力才是基础。
他做了一个比喻：如果把机器人类比成电脑， 运动控制能力相当于操作系统的内核，操作模型则是应用软件。没了底层系统，应用就无法运行。
也就是说，缺少高质量的运动数据和全身运动模型，机器人将难以适应不同地形、应对突发扰动，实现长时间稳定运行和落地。
基于这个判断，桥介数物在半年前启动了 “跨本体全身运动数据工厂” 的建设，并于近期正式投入使用。
桥介将他们采集的数据定义为 跨本体全身运动数据 （Cross-Embodiment Whole-Body Motion Data），简称 CWM 。
CWM包含人体全身动作、第一人称和第三人称视角视频、语义标签、环境信息以及接触与物理状态信息，是一种多模态数据，用于训练通用的全身运动模型，最大的亮点是具备 跨本体能力 。
有了数据工厂，深耕运动控制基础设施，桥介数物想构建一个 人形机器人的通用操作系统 ，类似于尚阳星早些时候在中国移动具身智能产业大会上提出的Runtime Robot OS（运行时机器人操作系统）。
简单来说，这是一套通用的底层运动能力基础设施，让不同机器人复用同一套运动模型，新机型接入后，也无需再为大量动作重复训练。
桥介的定位也随之发生变化，由具身小脑厂商，成长为 具身智能基础设施公司 。不过在某种意义上，这其实是一种回归，尚阳星说：“从创业开始，我想做的就是机器人时代的基础设施。”
01
运动泛化，仍是人形机器人的难题
▎ AI科 技评论：现在机器人Demo已经能跑能跳能越障了，看起来全身运动已经算不上核心瓶颈，为什么你们还要做运动数据工厂？
尚阳星： 目前能看到的机器人运动视频，基本都是针对特定场景调出来的。 例如春晚的机器人，七八个工程师花三四个月才能完成一个表演，换个场景就不行了 。
这里的核心问题是运动泛化能力差。我们理解的泛化，是让一套系统适应不同地形、不同机型、不同动作，在复杂环境中长期稳定运行。现在还没有机器人能做到这一点。
我们之前给客户做运动控制，用的虽是通用框架，但还需针对性适配。建数据工厂，就是为了训练出真正 通用的底层运动模型，让机器人能拥有像人类一样的运动能力，而这件事目前远远没有被解决。
▎ AI科技评论：真实环境里，机器人最容易在哪些地方出问题？
尚阳星： 首先是感知问题，当前 机器人的感知是被动 的，就像人闭着眼睛走路，所以遇到意外时反应很剧烈，人流密集时存在安全隐患。最近也有些公司发布了机器人的语言交互demo，但这种理解都比较浅，没有对真实外部世界的理解。
其次是长期运行问题。长时间运行后，关节出现磨损、性能变化时，机器人很难像人类受伤后那样继续调整动作并适应环境，持续学习与自我补偿能力仍然不足。这都是我们会着力解决的方向。
▎ AI科技评论：做通用的底层运动模型，对具身智能落地有实质性价值吗？
尚阳星： 行业大多仅聚焦人形机器人上半身控制，往后要实现机器人全身协同作业，就必须搭建通用全身运动控制基础模型。依托这套模型，手部动作操作模型可直接部署应用，不用重复解决全身运动适配难题。
▎ AI科技评论：机器人全身运动能力那么重要，为什么行业不太重视运动数据，反而都聚焦上半身控制，去采集操作数据了？
尚阳星： 因为叠衣服、端咖啡、拧螺丝这些 操作类任务成果直观，价值容易被看见 。
机器人的运动能力可以视为Windows、iOS这些底层的基础运行系统，操作能力则相当于系统之上的各种APP。如果没了底层系统，所有应用都无法运行。
机器人也一样，没有稳定的全身运动能力，复杂操作只能局限在固定桌面，无法真正落地。
市场需要大家多做应用，但也需要有人做基础设施。基础设施平时不被注意，一坏就出问题；做好了却不容易被察觉，但非常重要。
▎ AI科技评论：为什么不去外面买数据，而是选择自建数据工厂？
尚阳星： 三个原因。一是 市面上买不到高质量的运动控制数据 ，卖这类数据的人极少，而且价格贵。 国内专注于运动控制且特别重视这件事的，可能只有桥介 。我们内部之前也有用动捕设备采集，但进度很慢，需要更加工业化、规模化的采集手段。
二是我们发现过去数据都有很强的“本体绑定”问题。机型变了数据就没法用了，迁移能力很差。我们 需要更多无本体的数据 ，促进模型快速迭代。
三是我们发现数据量越多，全身运动基础模型表现越好。这不仅是我们在工作过程中发现的规律，英伟达在一个项目中也提到了这个观点，数据规模越大，模型效果会更好。英伟达开源了数百小时的运动数据，不过这个量级离上限还差得很远。既然发现这个领域也存在Scaling Law ，我们就下定决心投入了。
▎ AI科技评论：最近大家都在谈世界模型，很多人认为它会成为机器人理解物理世界的关键能力。桥介也会往这个方向布局吗？
尚阳星： 我们也在训练动作层面的世界模型。训练世界模型本身也需要大量数据，视频是其中重要的一类。不过，世界模型可以接受任何形式的视频，但在处理动作这个维度上，需要做一些特殊处理。