智元机器人首席科学家罗剑岚：如果机器人实现“操控”，是比大语言模型更高级的智能

4月2日，智元机器人宣布与国际顶尖具身智能公司Physical Intelligence（Pi）达成合作伙伴关系，双方将围绕动态环境下的长周期复杂任务，在具身智能领域展开深度技术合作。此外，近期正式加入智元的罗剑岚，将全面领导智元具身智能研究中心，同时推进双方的深度合作。4月2日，罗剑岚接受了《每日经济新闻》记者的采访。

目前，人形机器人仍然依赖人在背后遥控，未来人形机器人能否实现自主决策？

对此，罗剑岚表示：“遥控与自主决策的差别其实很大。遥控类似于你与一个电脑程序对话，但背后与你聊天的是一个真正的人，他在另一台电脑上打字。而自主决策，最核心的是感知、预测、行为生成这一整套机制的泛化能力。机器人要理解世界，需要建立一个Internal Model（世界模型）去预测未来，再去实施可执行的动作链。接着，再看机器人与真实世界的交互，去预测下一步动作。”

罗剑岚认为：“如果机器人真的实现Manipulation（操控），是比LLM（大语言模型）更高级的智能。如果以从0到10分级，大语言模型最多算3，如果机器人实现Manipulation，至少有7至8。”

那么，在实现机器人Manipulation的道路上，最关键的技术是什么呢？

罗剑岚认为：“强化学习是我们比较看重的一个技术，此外我们也看到DeepSeek R1所展现出的比较强的推理能力。但光有模仿学习是不够的，后来我们还会有世界模型。根据我们云端的Model（模型），去预测下一步环境会发生什么。不过这些都是工具，真正本质上需要解决的，是怎样在开放数据链构建（具有）鲁棒的策略，然后感知、预测、行为生成这一整套机制的泛化能力，才是最核心、最关键的。”

值得一提的是，汽车智能驾驶是收集到众多车辆的数据后，才慢慢发展起来的。当下人形机器人尚未大规模应用于生活场景。如果缺乏足够的数据，人形机器人的“操控”该如何突破？

罗剑岚表示：“我也经常在想，这是一个循环。我们没有机器人部署到真实世界，它就不会产生数据；机器人的能力没到一定程度，也无法部署到真实世界中去。但是，必须要有人做这些事，假设有1000台机器人在星巴克工作，每天24个小时打咖啡，其一个月传回来的数据，超过我们现在所有见过的机器人数据集。或许这时会发现，在小的数据量中得出的很多结论不一定正确。”

不过罗剑岚也强调，机器人部署到真实世界的难度，小于汽车（智能驾驶），“车在安全性等各方面要求太严格。而机器人，可以从一些封闭空间、半封闭空间部署，让它产生数据”。