具身智能如何再进化？庞江淼：“虚实贯通”将成推动机器人自主演进的可行路径

上海人工智能实验室青年科学家负责人庞江淼

出品｜搜狐科技

作者｜任婧瑄

编辑｜杨锦

2月21日-23日，2025 GDC 全球开发者先锋大会在上海举办。

在“浦江AI生态讲坛”上，上海人工智能实验室青年科学家负责人庞江淼发表题为《面向通用具身智能的“虚实贯通”之路》的演讲。

会后，庞江淼告诉搜狐科技，今年的具身智能关键词是“智能化”。欣喜地看到宇树的机器人登上春晚，展现了精准的机器人控制和动作协调能力，同时也让人形机器人这一细分领域几乎“家喻户晓”。在庞江淼看来，机器人的自主决策性或在今年迎来较大提升。

回顾具身智能发展历程，庞江淼认为，“具身智能活泼起来的根本点在于它背后代表着一种生产力，这个是大家对它最关注的一个原因。”虽然目前机器人仍在“从炫技走向实用”的一个阶段，离真正看到生产力的成效还有一定距离，但庞江淼预测，“在人形机器人上，两到三年能见到一个比较醒目的进展。”

近日，美国人形机器人独角兽Figure AI重磅推出一款通用型视觉语言动作(VLA)模型——Helix，能够统一感知、语言理解与学习控制，首次实现了对人形机器人完整上半身高速连续控制。

庞江淼认为，VLA（视觉语言动作模型）一直是具身智能领域的研究热点，但是其泛化性到现在为止还没有被攻破，当前，技术上仍存在着“把A（动作）加进去之后，会让VL（视觉语言）能力下降”的问题。

“它（VLA）并不像多模态大模型已经到了一个可用的状态，想驱动一个机器人泛化到一个场景去作业，还有较遥远的距离。”庞江淼说。

当下，庞江淼认为最关键的仍是数据怎么来。他在论坛上表示，当前具身智能领域存在“数据金字塔”，塔尖是真实机器人数据，稀缺但价值高。其次是仿真数据和互联网开源数据，数量庞大但不能被直接应用，仍需加工。

因此，上海人工智能实验室构建了具身智能“虚实贯通”技术体系，覆盖“真实-模拟-真实”（Real-to-Sim-to-Real）全闭环路径，具体来看，利用AIGC技术快速将真实环境重建到“桃源”仿真平台，通过仿真器生成海量数据供机器人在仿真环境中训练，再对机器人的能力进行评测，最后将模型部署到现实机器人，从而形成闭环。

庞江淼介绍，最新发布的通用具身智能仿真平台桃源2.0（GRUtopia2.0）集成了10万个具体的场景，覆盖89种功能性场景，通过AI脚本增广数据，目前单台服务器已经日产1.5万条高质量导航数据，大幅降低了成本。

“它可以少量采集，海量扩增并达零样本泛化。”庞江淼在会上强调，仅通过单一平台、简单代码输入，即可实现仿真环境中机器人灵活训练，形成低门槛、高效率的数据采集需求。

谈及其开源策略对具身智能领域的影响，庞江淼认为，大模型的本质是大脑，可以为机器人提供基础的知识和推理能力。对于当前具身智能大脑层面发展，核心挑战仍在于如何突破基础推理能力的天花板，实现从简单推理向中难度逻辑推导的认知跃升。

“如果把A拿到B，它（机器人）其实知道怎么办。但是如果我把一个绿色的东西放到一个东西上，它的成功率可能会降到50%，这就带了一个浅层的推理。如果再难一些，比如把几个东西拼成一个笑脸，它就完不成。即使是当前最先进的模型也完不成。”庞江淼举例解释道。

在交互中，如何让具身智能像大模型一样有记忆、有规划能力，同时能与人交互、有推理、在未来有更难的自主进化、真正变成具身的大脑，是实验室具身智能团队正在研究的部分内容。

“大模型需要通专融合、再虚实贯通，我们要让大模型从数字空间走向物理空间，这就是具身智能要干的事。”庞江淼说。