团队提出“变形金刚”模型：一段演示自动生成专用机器人，追踪误差锐减73%

你辛辛苦苦给机器人塞进更大的模型、更全的数据集、更聪明的策略算法，结果它连一个简单的抛掷动作都做不好——不是程序不对，是机器人的身体结构根本不对劲。这个反常识的现实，正被一篇新论文翻上桌面。

来自Huy Ha、Karen Liu和Shuran Song的研究团队直指问题核心：机器人能做什么任务，首先由它的物理形态决定，其次才是策略。如果形态和任务不匹配，再强的控制算法也白搭。于是他们不再执着于把现有机器人变聪明，而是反过来：让任务去设计机器人。

他们把这个想法落地成了一个名为“变形金刚”的统一模型。名字透着两层含义：它既是一个基于扩散变换器的生成模型，又能把机器人协同设计这件事像变形金刚一样整体打包——你只需要提供一段末端执行器的目标运动演示，它就能自动输出一台完整的机器人，包括每一个连杆、每一个关节、每一台电机，以及全部的惯性参数，并且直接配好一套控制器来驱动机器完成任务。整个过程被定义为运动条件机器人协同设计。

这不是停留在纸面上的概念。团队以ALOHA2双臂平台为基础，为布匹甩动这一具体任务设计并实际制造了一台定制机器人。结果出人意料的干脆：与原始ALOHA2相比，追踪误差降低了73%，最大关节运行速度降低了30%。一台专门为甩布这种看似简单但动力学极不稳定的动作而生的机器人，用硬件层面的适配换来了控制和效率的双重跃升。

支撑这一结果的是一个用RoboTokens训练的扩散变换器。RoboTokens 是一种统一的标记化方案，把机器人本体、状态和动作全部编码到同一套令牌序列里。原本风马牛不相及的轮式双臂、四足、人形等多种机器人形态，以及多种使用场景——无论是生成新的机器人结构，还是跨不同形态做控制——都被塞进了同一套架构中。这个变换器并不只盯住某一个奖励函数死磕，它本质上是一个动力学模型，所做的是奖励无关的状态预测。

关键的一步发生在推理阶段。研究团队提出一种叫动力学自引导的方法：先让模型给出一个与任务奖励无关的动力学预测，再在推理时根据具体任务的奖励函数，将这些预测转换成特定的价值预测，然后把价值信号反向注入到对机器人结构的扩散生成过程中。这样一来，模型不用在训练时预设奖励偏好，就能在部署时零样本适应未曾见过的奖励函数和运动轨迹。

实验覆盖了三个不同的设计空间，对比进化算法基准，“变形金刚”在性能表现与运行耗时上双双胜出。它能对没见过的末端执行器轨迹和没见过的评价标准直接进行优化，无需任何额外训练。这种零样本协同设计的能力，意味着一旦模型训练完成，就可以面对各种各样的新任务、新形态快速产出解决方案，而不必像传统方法那样为每种任务重新跑一遍进化搜索或强化学习。

时间线往回拨，这套框架的设计思路透着一个清晰的演化路径。最初，团队观察到哪怕是采集到所有可能的运动数据，如果机器人的形状远离最优，执行抛掷这类任务时，它可能根本不是把球甩出去，而是把自己甩翻。于是他们放弃在现有机器人上继续堆砌策略优化，转而思索能否将机器人设计也纳入自动化流程。第一步是形式化问题：给定目标末端执行器运动和奖励函数，生成完整的机器人硬件与控制方案。第二步是打造通用的表示方法，用RoboTokens把异构的硬件信息、动作序列和状态信息统一为同一种语言。第三步是训练一个足够大的扩散变换器，让它学会在这种统一语言里对动力学进行预测。第四步，引入动力学自引导，使这个动力学模型在推理时能够根据任意奖励函数自行调整生成方向。于是，同一个网络就同时扮演了三个角色：机器人结构的生成器、对设计质量的评判者，以及跨不同机器人形态的控制器。

用同一个模型完成生成、评价和控制，这在机器人学习领域并不多见。以往，生成一个结构需要一套基于遗传算法或强化学习的搜索流程，之后再单独训练一套策略去控制它；跨形态控制更是需要重新设计状态表示和网络结构。而“变形金刚”直接把这三件事一体化处理，因为它所训练和操作的始终是同一套基于 RoboTokens 的序列。机器人本体的参数——比如连杆长度、关节类型、电机扭矩曲线、惯量——被转化为离散的令牌，与时刻级的关节角度、末端位置、动作指令交织在一起，组成了模型可以理解的一段“描述文本”。扩散变换器要做的事情，就是根据给出的部分“文本”（例如目标末端运动），补全剩下的部分（例如与之匹配的机器人参数和控制信号）。

这样的设计思路直接消解了硬件设计与软件控制之间的壁垒。通常，机器人硬件团队和算法团队之间的信息流转周期很长，设计、仿真、制造、控制往往是割裂的。“变形金刚”让硬件与软件的设计边界变得模糊，从一段演示开始，到生成可直接制造的机器人结构，再到配好即用的控制器，全链条被打通成一次自动化推理。当机器人的身体可以随任务生长，智能的定义也被从算法层面延伸到了物理世界的第一行代码之前。