许华哲：通用机器人落地还要等多久？

通用机器人走进普通人的生活，还要等多久？除了各种炫目的演示，不少机器人依旧被限制在特定场景里，只会重复少数预设动作。碰到没见过的物体、变化的工作环境，任务成功率就会明显下降。

清华大学交叉信息研究院助理教授、破壳机器人创始人许华哲在接受上海证券报记者专访时谈到，行业不能停留在让机器人把一个动作重复一万次，真正的通用机器人，核心在于能完成一万种完全不同的动作。具身大模型迭代很快，零样本泛化正从理论走向实践，3-5年内，机器人服务大众的愿景有望逐步落地。不过产业还得跳出演示Demo的闭环，解决跨本体、跨场景、跨任务的真实世界泛化难题。

通用机器人的核心是多元任务泛化

在工业场景中，传统机械臂拿手的是把同一动作重复上万次，分拣、搬运这类高节拍重复作业都靠它完成。许华哲的看法是，这种本事有实际的商业价值，可距离通用机器人的目标仍差得很远。“一个动作做一万次，解决的是重复性劳动；一万个不同动作都能做，才是具身智能要奔的方向，两者的底层逻辑根本不是一回事。”

现在机器人研发普遍用上了机器学习，可很多技术进展并没有真正实现泛化。他举了海外人形机器人叠被子的例子：演示视频效果惊艳，但在普通家庭的零样本实测中，整体成功率并不高。机器人在调试完备的演示环境里表现优异，一旦脱离训练数据集，遇到物品形态、家居布局变化就容易失效，这已经是行业共同的痛点。

“两年前，行业还在争论传统控制与学习路线、端到端与分层架构孰优孰劣，如今争论已经落幕，但泛化依旧是横亘在行业面前的大山。”许华哲告诉记者。破壳机器人团队曾做过机器人制作麻婆豆腐的技术实验，还完成了扎带处理等多项困难的实操任务。目前已经实现了一定程度的泛化，后面要解决的是跨本体的泛化、跨场景的泛化、跨任务的泛化。

到了产业研发环节，研发人员只能一遍遍采集场景数据、反复迭代模型。数据集不断扩，实际使用的要求还是很难够上。项目周期短的几天就行，大型项目能拖上好几个月，这期间还会冒出大量无效的废数据，机械臂过热这类工程问题也躲不开。许华哲说：“靠反复采数据、调模型这套模式，没法规模化走进千家万户。我们的理想是，硬件本体只要达标，用户一句自然语言指令下去，机器人就能零样本完成任务，不用再耗费大量人力去采数据。”

RoboAPI要打造具身世界的ChatGPT

眼下GPT-Artra展现出不错的零样本创作能力，没有样本也能作画，还能自我反思迭代。许华哲也点出了它的短板：运行速度慢、成本高，面对物理世界里的灵巧操作效果较差。绘画是二维空间里的色彩排布，机器人操作要应对三维物理交互，接触力、物体形变等变量充满不确定性，两者难度不可同日而语。

“大模型证明零样本具备可行性，但具身领域需要属于自身的灵巧操作基础模型。”许华哲判断，具身智能应该借鉴大模型API化的路径，做出物理世界的ChatGPT。破壳机器人为此推出RoboAPI云端大脑接口，目标是“言出法随”。开发者接入硬件后，不用自己采集、训练模型，靠自然语言指令就能驱动机械臂完成分拣草莓、叠衣服、倒咖啡、擦桌子、开柜子等多样任务。

横向对比GPT‑Artra、π0.5等主流模型，RoboAPI在物品转移、姿态形状对齐、环境交互等测试任务中表现领先，速度优势尤其明显，比GPT‑Artra提速约20倍。目前RoboAPI已经对外开放，清华深研院、波士顿大学、东北大学、NTU等多家高校实验室完成了实测，复现出零样本泛化能力。

这个接口的跨本体适配能力较强，除了自有硬件，也兼容UR等主流商用机械臂，不少开发者已在实验室里测试。许华哲坦言，换到不同硬件上运行，性能会有所衰减，这也是团队一直在优化的方向。他还提醒开发者，使用时要避开相机遮挡，指令描述尽量清晰；系统内置了安全机制，对伤害人体的指令会直接拒绝执行。

通用机器人大规模落地曙光已现

RoboAPI背后是Poke底层模型体系在支撑。许华哲介绍，团队除了基础语言子任务标注，还创新采用了CEA标注体系，针对物体接触点、接触时间、接触预期做精细化标注，累计完成数十亿次量级的数据标注。物理交互标注做得细，能有效降低机器人动作的随机性，让物理环境下的执行更有确定性。

回看行业发展，许华哲表示，过去市场常质疑通用机器人能否落地，今天不该再否定这条技术路径。技术当然还有概率性问题，做不到百分百完美，但零样本能力已经从概念变成可验证的现实。他预判，3-5年内，机器人服务人类的产业愿景有望逐步落地。未来机器人承担会场服务，或许会成为通用技术走向成熟的标志性场景。

他呼吁更多开发者投身通用机器人赛道：软件从业者不必从零承担繁重的数据采集与模型训练，依托RoboAPI就能聚焦上层业务开发。

“通用机器人，就一定要实现。”在许华哲看来，AGI不该只限于文本图像，智能真正有了实体躯体、能读懂复杂的物理世界，巨大的社会价值才会释放出来，家庭与工厂的劳动模式也会被重塑。