网易首页 > 网易号 > 正文 申请入驻

让机器人学会「一口气干完一件活」

0
分享至

机器之心发布

从只会 “单步演示” 到 “连续干完一件活”,长程规划正在成为机器人的新分水岭。

当 “大脑” 成为机器人的分水岭

2026 年,具身智能正以肉眼可见的速度从展台走向真实场景。据中国电子学会数据,2026 年上半年国内人形机器人出货量已超 4 万台,全球占比高达 97%;海外科技巨头亦在加速入场:OpenAI 首席执行官已确认公司将自主研发人形机器人,并直言机器人外观 “远不如真正弄清楚如何让机器人大脑运转重要”,计划 2027 年推出演示样机,核心攻关方向正是驱动机器人运转的智能系统。

从中国制造的规模领跑,到全球巨头押注 “大脑” 竞赛,行业共识已然清晰:形态不再是分水岭,真正决定机器人能否 “干活” 的,是具身大脑在复杂场景中的规划、决策与泛化能力。

在这一赛道,一种关键能力正浮出水面 —— 让机器人从 “看懂环境” 走向 “连续干活” 的长程规划,正在成为具身智能落地的新分水岭,也为行业打开了一条高性价比的研发路径。

长程规划:具身大脑最陡的一跃

具身大脑被视为机器人从 “看懂环境” 走向 “执行任务” 的核心中枢,其感知、推理、规划与安全决策能力直接决定机器人能否真正进入物理世界。而其中长程任务规划,正是公认的能力鸿沟 —— 从单步识别到多步连续决策,从 “理解场景” 到 “拆解任务、规划路径、纠错执行”,是具身大脑从演示走向干活的关键一跃,也是当前头部模型与专项模型差距最显著的维度。

在这一背景下,中兴通讯发布论文《EmbodiedMind: Adaptive Data Curation and Prefix-Tree Reinforcement Learning for Efficient Embodied Intelligence》,以 8B 模型在 18 项具身大脑基准上取得 70.02% 的平均成绩,长程规划准确率较现有最优方法提升 30.31%,相关论文已投稿 ICRA 2027。

随后,SuperCLUE 9 月 EmbodiedCLUE-VLA “具身大脑” 榜单出炉:中兴通讯 Nebula-EmbodiedBrain-180B 以 77.48 分与阿里 Qwen3.8-Max-0902 并列国内第一,具身安全单项高达 97.92 分。从 8B 专项模型的训练范式突破,到 180B 级大脑模型的综合能力打榜,两条线索合流,表明中兴在具身大脑赛道已走在前列。

三重结构性困境,卡住具身大脑训练

当前具身基座模型的训练,普遍受制于三个结构性缺陷。

其一,样本效率低下。训练语料中大量轨迹信息密度低、质量参差、噪声显著,监督微调与强化学习在冗余与高方差数据上消耗算力,却收敛至次优策略,真正有价值的训练信号被稀释。

其二,异构任务梯度贡献失衡。DAPO 等动态采样方法缺乏任务级校准,简单任务被过度丢弃、困难任务被系统性忽视,多任务训练中能力此消彼长,引发 “跷跷板效应”。

其三,长程规划中的信用分配严重失真。标准 GRPO 将轨迹级优势均匀施加于所有 token,一条轨迹最终失败,其中间正确的决策也被一并惩罚;树搜索虽可回溯至单步节点,却面临组合爆炸的深度代价,难以在探索深度与计算可行性之间取得平衡。

这三重困境共同指向一个核心命题:具身大脑要从 “看懂环境” 走向 “长程执行”,训练范式本身需要重构。

三重机制协同,系统性破题

为了突破现有具身大脑基座模型训练的瓶颈,研究团队提出了一套三阶段训练范式:以 RSFT 从源头进行数据清洗与 SFT 训练、以 IR-GRPO 重建任务平衡、以 Trie-GRPO 实现步级信用分配,三层机制各对一题、逐级递进,实现具身大脑训练范式的系统性重构。



图 1 EmbodiedMind 三阶段训练框架(RSFT→IR-GRPO→Trie-GRPO)示意

机制一・RSFT:从源头提升数据信息密度

针对训练语料中低信息密度轨迹稀释有效信号的问题,该机制以高温度系数多次推理对样本分层:全部生成正确的归为简单样本,部分正确的归为不确定样本,全部失败的归为困难样本。训练集仅保留不确定样本与一定比例的简单样本,暂时排除困难样本,既防止早期分布坍塌,又避免错误轨迹污染,从源头提升数据信息密度。实测显示,该机制在多维度能力评估上全面优于标准监督微调方法。



图 2 拒绝采样后的训练样本分布(RSFT 阶段饼图与 IR-GRPO 轮次变化)

机制二・IR-GRPO:重建异构任务平衡

针对 GRPO 动态采样缺乏任务级校准、易致能力此消彼长的问题,该机制为每个任务类型维护独立的先进先出队列,并以指数移动平均平滑各任务的有效样本比例,动态调整下一轮采样配额,确保各类任务在训练中的数据比例保持均衡。配合专为多样化具身任务设计的专属奖励机制,实验表明,该机制在提升模型综合能力的同时,大幅缩短了训练时间。

机制三・Trie-GRPO:步级信用分配

其核心洞察在于:策略优化的 “组” 不应定义在完整轨迹层面,而应在动作前缀层面条件化。所有采样轨迹并行插入一棵动作前缀树,共享同一历史前缀的轨迹在分叉点形成独立决策子组,相对优势严格限定于兄弟节点之间计算。

这意味着,即使一条轨迹最终失败,其中间正确动作仍可获得正向局部优势,彻底摆脱 “连坐” 惩罚;分叉点上的正确与错误动作被直接对比,优势信号精确到步。为控制探索成本,该机制以折扣回报沿树路径回传、兄弟节点归一化计算优势,并过滤近零优势样本,在探索深度与计算可行性之间取得原则性平衡。



图 3 Trie-GRPO 自动迭代训练框架(策略与奖励模型联合训练)

从 18 项基准到物理世界,用数据证明

EmbodiedMind-8B 仅使用 52.2 万训练样本,便在 18 项具身大脑基准上取得 70.02% 的平均成绩,综合能力超越同量级开源模型。这 18 项基准覆盖四大能力块:通用多模态理解、2D 空间推理、3D 空间度量与任务规划,涉及计数、目标定位、距离度量、尺寸度量、规划步骤生成、动作预测等任务,较为全面地检验了模型从环境理解到任务执行的能力谱系。

在此基础上,研究团队进一步在仿真环境中验证长程任务规划能力:在 VLM-PlanSim-99 这一最长 25 步规划任务的基准上得分 66.67,超越 Cosmos3-Nano 达到业界一流水平;在 ALFWorld-thor 测试集上,则以 60.45% 的成功率超越 SEEA-R1 的 46.27%。



图 4 长程规划可视化:仿真环境中 “制作并加热切片面包” 的 19 步连续任务规划

更具说服力的是真机验证。研究团队基于 AgiBot A2 机器人构建了 50 个桌面场景,并采集了 160 条任务执行监控视频构建 A2-Failure 数据集,EmbodiedMind 在桌面整理规划任务上达 62.00%,远超 Qwen3-VL-8B 的 40.00% 这一基线;任务执行监控准确率 55.31%,同样领先于 Qwen3-VL-8B 的 46.88%。这意味着通过 Trie-GRPO 在仿真环境中习得的步级信用分配能力,能够有效迁移至真实机器人场景 —— 长程规划不再止步于基准分数,而是在物理世界中兑现为可观测的成功率提升。









图 5 真机任务规划可视化:AgiBot A2 桌面场景下的分步规划与执行

榜单印证:跻身国内第一梯队

方法之后,第三方测评给出了外部验证。SuperCLUE 9 月 EmbodiedCLUE-VLA 测评覆盖国内外 10 个代表性模型,围绕基础感知、视觉推理、交互与规划、具身安全四大能力展开。中兴通讯 Nebula-EmbodiedBrain-180B 以 77.48 分的总成绩,与 2.4T 参数的 Qwen3.8-Max-0902 并列国内榜首,跃居具身大脑第一梯队。

在具身安全专项榜单中,Nebula-EmbodiedBrain 以 97.92 分的高分领跑,展现出极高的可靠性与安全性;整体来看,中兴 Nebula-EmbodiedBrain-180B 以千亿级参数规模,实现了与业界万亿级超大模型的性能对齐。需要说明的是,该榜单中国际参考模型 GPT-6 Astra(86.75)、Gemini-3.8-Flash(82.12)作为参考项不参与国内排名,中兴以 77.48 分位居国内并列第一、全球第一梯队。





图 6 SuperCLUE EmbodiedCLUE-VLA(具身大脑)2026 年 9 月总榜(国际模型为参考项)

从 8B 专项模型的训练范式突破,到 180B 级大脑模型的综合能力打榜,这套 “以最小成本换取最大能力” 的技术路径,正让长程规划从研究走向可复现的行业能力。

从 “底层范式” 到 “上层能力” 的完整闭环

从破解长程规划的 “连坐” 难题,到用极小的样本量跑赢同量级开源模型,再到在第三方权威榜单中与国际巨头并踞第一梯队,这套训练范式在具身智能赛道完成了一次从 “底层训练范式” 到 “上层通用能力” 的完整闭环。

先有扎实的方法论打底,再有硬核的榜单成绩背书,这不仅印证了技术路线的先进性与泛化能力,也为行业提供了一套可复现、高性价比的具身大脑研发路径。在具身智能加速向物理世界迈进的下半场,具备 “一口气干完一件活” 能力的机器人大脑,正为机器人真正走向千行百业注入强劲动能。

参考来源

[1] EmbodiedMind: Adaptive Data Curation and Prefix-Tree Reinforcement Learning for Efficient Embodied Intelligence, arXiv:2609.19659

[2] SuperCLUE 2026 年 9 月 EmbodiedCLUE-VLA(具身大脑)测评榜单

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
特朗普APEC期间下榻深圳东海朗廷酒店,内部房间曝光

特朗普APEC期间下榻深圳东海朗廷酒店,内部房间曝光

极目新闻
2026-11-20 18:45:32
深圳街头贴身护墨西哥总统的女警徐瑾,网传年薪百万其实是误会

深圳街头贴身护墨西哥总统的女警徐瑾,网传年薪百万其实是误会

娱乐的硬糖吖
2026-11-20 05:28:23
奥尼尔:詹姆斯加盟76人只为再感受夺冠滋味,他的历史地位早已奠定

奥尼尔:詹姆斯加盟76人只为再感受夺冠滋味,他的历史地位早已奠定

懂球帝
2026-11-20 15:12:35
黄仁勋女儿被曝大瓜

黄仁勋女儿被曝大瓜

小鱼爱鱼乐
2026-11-20 16:51:38
一名助理被带走调查!徐欣莹夜赴地检署绝食抗议,控司法粗暴介选

一名助理被带走调查!徐欣莹夜赴地检署绝食抗议,控司法粗暴介选

海峡导报社
2026-11-21 07:44:07
这是中国最不要脸的一个群体,无耻之极,世所罕见!

这是中国最不要脸的一个群体,无耻之极,世所罕见!

晓楖科普
2026-11-11 13:09:39
昆山一工厂招工启事,普通工人基本工资4100元,加班费按4100元标准计算

昆山一工厂招工启事,普通工人基本工资4100元,加班费按4100元标准计算

一口娱乐
2026-11-21 06:55:05
兵败如山倒?国产新能源或已经证明:中国根本不需要二线豪华品牌

兵败如山倒?国产新能源或已经证明:中国根本不需要二线豪华品牌

浩渺青史
2026-11-21 03:59:39
小瓦35+5+7准绝杀!魔术险胜篮网 兰德尔27+9+6丢反绝杀

小瓦35+5+7准绝杀!魔术险胜篮网 兰德尔27+9+6丢反绝杀

醉卧浮生
2026-11-21 11:14:58
3-2无悬念赢球!男单4强诞生!就在刚刚,WTT球星赛:世界第115名不敌世界第29名!国乒男单破4强魔咒,剩独苗苦撑,韩乒占优

3-2无悬念赢球!男单4强诞生!就在刚刚,WTT球星赛:世界第115名不敌世界第29名!国乒男单破4强魔咒,剩独苗苦撑,韩乒占优

篮球热嗖
2026-11-21 10:21:13
闹了6小时仍然输了!卡哈纳66:52当选,内塔尼亚胡防线崩塌

闹了6小时仍然输了!卡哈纳66:52当选,内塔尼亚胡防线崩塌

铁锤简科
2026-11-21 01:15:03
《华尔街日报》|马斯克成为中期选举后最新一位向民主党示好的科技大佬

《华尔街日报》|马斯克成为中期选举后最新一位向民主党示好的科技大佬

一半杯
2026-11-20 14:12:41
金价跌破760,北京菜百金条卖断货:有人一次入手85万元,有人高位囤金“扛着”

金价跌破760,北京菜百金条卖断货:有人一次入手85万元,有人高位囤金“扛着”

华夏时报
2026-11-20 22:15:03
有人预测:未来五年内,中国股市很可能将消失的5类股票

有人预测:未来五年内,中国股市很可能将消失的5类股票

星语者056
2026-11-21 10:22:33
北京国安出局!足协杯6年首遭零封,主场8年不胜海港,6纪录告破

北京国安出局!足协杯6年首遭零封,主场8年不胜海港,6纪录告破

奥拜尔
2026-11-20 21:31:51
一路走好!不到48小时,2位名人被曝去世,58岁蔡国庆让人担忧

一路走好!不到48小时,2位名人被曝去世,58岁蔡国庆让人担忧

原梦叁生
2026-11-20 16:19:08
大连英博夺冠后离队,斯坦丘为何拒250万欧续约、转投36万欧年薪

大连英博夺冠后离队,斯坦丘为何拒250万欧续约、转投36万欧年薪

暗香暗香
2026-11-21 03:55:30
许亚军大儿子藏不住了,眉眼神似何晴,和继母相处状态太意外

许亚军大儿子藏不住了,眉眼神似何晴,和继母相处状态太意外

残梦断忆
2026-11-21 10:44:11
河北富商相亲发现小23岁对象酷似亡妻,DNA检测后傻眼:怎么可能

河北富商相亲发现小23岁对象酷似亡妻,DNA检测后傻眼:怎么可能

罪案洞察者
2025-07-09 11:51:52
声称国外没有瘦肉精!29岁中国女排名将回应质疑:你们有被害妄想症

声称国外没有瘦肉精!29岁中国女排名将回应质疑:你们有被害妄想症

念洲
2026-11-21 08:37:39
2026-11-21 12:03:00
机器之心Pro incentive-icons
机器之心Pro
专业的人工智能媒体
14525文章数 142761关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

特朗普在白宫点赞深圳 称美国一些城市"脏得让人恶心"

头条要闻

特朗普在白宫点赞深圳 称美国一些城市"脏得让人恶心"

体育要闻

脚步未停!西班牙摩托车手赤脚徒步入境中国

娱乐要闻

虞书欣擦边自拍、霸凌同事、媒体点名?

财经要闻

走过三年牛市,黄金何去何从?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

旅游
房产
数码
公开课
军事航空

旅游要闻

产业规模破万亿元!高铁直达、夜场升级,冰雪消费提前升温

房产要闻

黄埔商业规划曝光!科学城能级跃升,核心入场券已锁定

数码要闻

高驰VERTIX 4运动手表曝光:1.47英寸AMOLED屏幕

公开课

李玫瑾:为什么性格比能力更重要?

军事要闻

俄乌炸桥冲突升级 相关谈判设想被放弃

无障碍浏览 进入关怀版