2025年開年不久，機器人行業(yè)迎來多場“技術(shù)秀”：Figure發(fā)布具身大模型Helix，展示進工廠當(dāng)起了物流工，多個人形機器人協(xié)同執(zhí)行物流分揀；國內(nèi)企業(yè)憑借“前空翻”、“功夫表演”等高難度動作吸睛網(wǎng)絡(luò)。

一邊是海外巨頭重新定義操作邊界，一邊是國內(nèi)廠商以極致運動能力博得眼球，這場關(guān)于“具身智能終極形態(tài)”的全球競速，正將行業(yè)推向關(guān)鍵分水嶺：究竟是突破物理極限的“運動大師”能主宰未來，還是深耕勞作場景的“操作專家”更勝一籌？

Figure進物流線分揀包裹

靈巧操作能力：具身智能皇冠上的明珠

從技術(shù)發(fā)展趨勢來看，具身智能的終極目標(biāo)是讓機器人具備高度的智能，能夠自主理解環(huán)境、規(guī)劃任務(wù)并執(zhí)行操作。因此，在穩(wěn)定的全身運動控制能力基礎(chǔ)之上，靈巧操作能力必然是具身智能皇冠上的明珠，這代表了機器人在感知、決策和控制等方面的最高水平，是實現(xiàn)復(fù)雜任務(wù)和廣泛應(yīng)用的關(guān)鍵。

從投資回報率角度看，“操作派”展現(xiàn)出了更清晰的商業(yè)化路徑。以Figure的物流分揀場景為例，這意味著在制造業(yè)場景中可實現(xiàn)明確的ROI測算。

從全球范圍來看，無論是Figure還是Physical Intelligence (PI)等都是“操作派”，且在突破靈巧操作能力的背后都無一例外地采用了端到端的具身大模型，以實現(xiàn)機器人本體的自主搬運、抓取物品等操作任務(wù)?？梢姡?strong>端到端具身大模型強大的泛化能力、自適應(yīng)性、精確的控制與規(guī)劃能力是實現(xiàn)具身智能體靈巧操作能力的重要路徑。

星動紀(jì)元：

國內(nèi)唯一對標(biāo)Figure端到端技術(shù)的具身智能企業(yè)

國內(nèi)去年發(fā)布的ERA-42是唯一的端到端解決方案的原生機器人大模型，來自清華系具身智能創(chuàng)企星動紀(jì)元，初版技術(shù)架構(gòu)發(fā)布于2024年6月。湊巧的是，和今年剛發(fā)布的Figure Helix模型架構(gòu)幾乎一模一樣。后期，星動紀(jì)元還將世界模型融入ERA-42，使其能預(yù)測未來行動軌跡，提升執(zhí)行任務(wù)準(zhǔn)確性和抗干擾性，增強商業(yè)化潛力。同時，采用強化學(xué)習(xí)技術(shù)，提升訓(xùn)練效率、降低成本并進一步增強泛化操作能力。

基于ERA-42模型能力，只需短時間收集少量數(shù)據(jù)，機器人即可學(xué)會各種靈巧操作新技能，機器人的落地應(yīng)用場景擴展也將變得非常迅速。

Figure Helix與清華姚班團隊

2024年6月發(fā)布在CoRL2024的端到端具身大模型HiRT架構(gòu)高度相似

HiRT: Enhancing Robotic Control with Hierarchical Robot Transformers于2024年6月發(fā)表在CoRL2024

論文地址：https://arxiv.org/pdf/2410.05273

端到端具身大模型ERA-42為產(chǎn)業(yè)應(yīng)用按下加速鍵

從這次星動官方發(fā)布的最新具身操作能力視頻中可以看到，在模擬的廚房場景內(nèi)，經(jīng)過2小時的訓(xùn)練學(xué)習(xí)，星動STAR1基于原生機器人大模型ERA-42，可按指令自主使用筷子將盤子中的餃子夾到煮鍋里，成為首個能熟練使用筷子的人形機器人。同時，也展現(xiàn)了ERA-42協(xié)同自研五指靈巧手星動XHAND1后，卓越的靈巧操作能力和未來落地應(yīng)用的空間。

星動STAR1用筷子精準(zhǔn)夾取餃子

得益于ERA-42的多模態(tài)融合感知能力，星動STAR1能夠靈巧地在廚房場景內(nèi)完成各項任務(wù)。它融合了視覺、語言、觸覺和身體姿態(tài)等多種模態(tài)信息，通過對環(huán)境的全方位感知，準(zhǔn)確判斷物體的位置、形狀、狀態(tài)以及自身的動作情況等。例如，在使用筷子夾餃子時，視覺感知幫助機器人定位餃子的位置和姿態(tài)，五指靈巧手觸覺感知則讓機器人能夠感知筷子與餃子之間的接觸力，從而精準(zhǔn)地控制夾取力度，確保餃子不會被夾碎或滑落。

星動STAR1從蒸籠中拿取包子遞給客人

從接收全模態(tài)數(shù)據(jù)到生成最終的動作輸出，整個過程基于簡潔的神經(jīng)網(wǎng)絡(luò)鏈路完成，無需人為設(shè)計特征、預(yù)編程或干預(yù)處理步驟。這種端到端的架構(gòu)使得機器人能夠?qū)崟r適應(yīng)不同任務(wù)和環(huán)境，快速做出決策并執(zhí)行相應(yīng)動作。比如，在打開蒸煮箱拿出包子遞給客人的過程中，星動STAR1可以根據(jù)實時感知到的蒸煮箱的狀態(tài)、包子的位置以及客人的位置等信息，自主規(guī)劃動作路徑，準(zhǔn)確地完成取出包子并遞送給客人的動作。

星動STAR1拿酒瓶倒酒進酒杯

星動紀(jì)元將世界模型融入原生機器人大模型中，使機器人具備了對物理世界的理解能力，能夠?qū)ξ磥硇袆榆壽E進行預(yù)測。在擰開紅酒瓶蓋并將紅酒倒入紅酒杯的任務(wù)中，星動STAR1可以預(yù)測瓶蓋的擰開動作、紅酒的流動軌跡等，從而提前調(diào)整動作策略，確保倒酒過程的順利進行。

星動XHAND1—全直驅(qū)、12個主動自由度仿人五指靈巧手

ERA-42協(xié)同星動紀(jì)元自研全直驅(qū)、12個全主動自由度的仿人五指靈巧手星動XHAND1能夠執(zhí)行靈巧高精度任務(wù)。星動XHAND1采用純電驅(qū)方式，且每個自由度都有對應(yīng)的驅(qū)動源，能夠?qū)崿F(xiàn)全自主五指12個關(guān)節(jié)驅(qū)動，食指具備側(cè)擺自由度，拇指具有大范圍活動能力，能夠?qū)崿F(xiàn)多手指間的靈活協(xié)同動作，如拇指與食指的對指操作，從而輕松完成擰瓶蓋、捏取小體積物品等精細(xì)化操作任務(wù)，復(fù)現(xiàn)人手的靈巧操作能力。星動XHAND1每個手指還配備一個高分辨率(>100點)觸覺陣列傳感器，提供精確的三維力觸覺和溫度信息，可以用于基于觸覺反饋的操作。單手最大握力能達(dá)80N，負(fù)載可達(dá)25kg，單指指尖壓力15N，因此，可實現(xiàn)單指指尖、指腹按壓工具按鈕（如：移液器、螺釘槍）等多樣化靈巧操作。

星動STAR1通過星動XHAND1拇指與食指的對指操作捏取小體積物品

基于ERA-42無需預(yù)編程即可快速學(xué)習(xí)新技能的能力，星動STAR1能在 2 小時內(nèi)用少量數(shù)據(jù)學(xué)會新任務(wù)。這得益于其強大的跨模態(tài)能力和神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力，能夠通過對少量數(shù)據(jù)的學(xué)習(xí)，快速掌握新任務(wù)的動作模式和要求，并將其泛化到不同的場景和環(huán)境中。例如，通過學(xué)習(xí)一些基本的夾取和放置物體的動作數(shù)據(jù)，機器人就可以快速學(xué)會使用筷子夾餃子并放到煮鍋里的動作。

基于原生機器人大模型和為 AI 定義的硬件平臺協(xié)同迭代模式，這不僅使星動機器人在靈巧操作方面展現(xiàn)出顯著優(yōu)勢，并具備極快的落地應(yīng)用速度，其后續(xù)進展值得我們關(guān)注。

從“炫技”走向“實用”

盡管跳躍、空翻等高難度動作讓機器人在視覺上具有沖擊力，但具身智能的終極形態(tài)，必然是運動能力與操作能力的有機統(tǒng)一。但當(dāng)前階段的技術(shù)突破方向，明顯向操作能力傾斜。這種選擇背后存在深層邏輯：在工業(yè)4.0與人口老齡化的雙重驅(qū)動下，真正具有商業(yè)爆發(fā)力的場景（如精密制造、醫(yī)療護理、家庭服務(wù)）都需要毫米級操作精度與動態(tài)環(huán)境適應(yīng)性。

預(yù)計未來三年，行業(yè)將呈現(xiàn)“運動能力標(biāo)準(zhǔn)化，操作能力差異化”的格局。如同智能手機行業(yè)從比拼跑分轉(zhuǎn)向聚焦影像能力，具身智能的競爭焦點也將轉(zhuǎn)向：能否用筷子夾起豆腐而不碎？能否在晃動環(huán)境中穩(wěn)定倒水？這些看似簡單的操作挑戰(zhàn)，實則是具身智能皇冠上的明珠。當(dāng)技術(shù)突破積累到臨界點時，我們將見證服務(wù)機器人滲透率從個位數(shù)向雙位數(shù)的躍遷，開啟真正的機器人大規(guī)模應(yīng)用時代。