启元机器人提出One Scan is Enough：扫一次环境，导航成功率升至85%

在具身智能这条路上，抓取和操作上的进展往往更抓眼球。可机器人要想真正走进个人生活，可靠的自主移动能力绕不过去。到了陌生环境里，怎么听懂指令、把导航走完，同样是具身智能落地的一道坎。

前不久，北京大学和启元机器人团队拿出了HIL-UMI作业智能学习范式，在具身智能圈子里引来不少讨论。这套研究让模型也参与人类示范数据的采集，操作技能学得更快，等于给作业智能的大规模后训练蹚出了一条新路。

具身导航走的也是相近的思路。大模型已经把机器人的语言理解和视觉感知拉高了一大截，但换一栋真实建筑，导航成功率照样可能掉得厉害。于是，怎么靠后训练让机器人吃透具体环境，成了新的研究切口。

上周，北京大学长聘副教授、启元机器人首席科学家董豪带队发表论文《One Scan is Enough》，给出一种基于大模型的场景后训练新范式。操作上只需拿带激光雷达的iPhone把目标环境扫一遍，系统便会自动生成导航任务，再借助重建场景的几何信息做强化后训练，目标环境里不必采集人工遥操作示范。

五处真实室内环境、200次真机测试给出了对比：没做场景适配的导航模型成功率为25%，人工示范微调后是49%，新方法则拉到85%。只扫一次环境就启动后训练，效果明显压过人工示范微调。

这项研究接着董豪团队近年的路子走，大模型导航、通用指令、自主纠错都在其列。另一边，启元9月20日开卖Q1、T1两款个人机器人，10月25日第5000台机器人下线。前沿研究和规模化产品供给一起往前推，技术与硬件两头都为启元探索物理AI入口垫了底。

1.从通用导航到自主学习，

为何非得换一套新范式？

用AI做自主导航，其实在大模型问世之前就有人研究。视觉语言导航（VLN）是其中一条常见路线：先搭仿真环境采数据、训模型，再装到实体机器人身上。

麻烦在于仿真和现实对不上，也就是Sim-to-Real问题。真机的相机型号、安装高度未必和仿真里一致，部署场地的空间布局、视觉特征也有差别，导航成功率因此掉得厉害。

大模型起来之后，又多了条路。它吃过互联网规模的数据，视觉泛化能力已经不弱，能认出的物体和场景更丰富。可大模型本身没法直接指挥机器人导航，怎么把这些知识用到机器人的感知和行动决策上，还得另想办法。

2024年，董豪团队做出DiscussNav，这是全球首个在真实世界落地的导航大模型系统，也是大模型多专家协作模式的首创。研究设了四类大模型智能体，分别管指令理解、环境感知、完成估计和动作决策，靠协商讨论一起完成真实环境下的视觉语言导航。

这套多专家讨论定行动的机制，把不同大模型的能力串了起来，机器人用通用视觉语言知识就能导航，不必为导航任务专门去训大模型。零样本导航测试和真实机器人实验里，DiscussNav都拿到了领先表现，也带动了后面零样本导航的研究。

专家智能体怎么搭，DiscussNav智能体又怎么跟多个专家智能体协商讨论，都在图里。

可能按路线走，不等于能满足实际生活里的需求。

视觉语言导航一般得给机器人喂明确步骤，像“往前走，出门右拐，走到头，左拐”。可现实里，人往往只说一句“找到我的手机”，或者“我渴了”。

碰上后一种，机器人得自个儿判断该去哪儿找水；要是找不到，还能想到果汁、水果这些替代品。按用户需求去推断导航目标，这才更接近真实的人机交互。

在这之前，不同类别的导航指令往往要分开训模型，实际场景里用户需求五花八门，很难应付。

于是董豪团队在2024年提出InstructNav，这是全球首个通用指令导航系统，视觉语言导航、寻物导航和需求驱动导航三大范式能同时支持。该工作用动态导航链路把不同类型指令的规划过程统一起来，再借多源价值地图融合环境与目标信息，生成导航动作。

InstructNav 在多种室内场景里都能听懂并执行不同类型的导航指令。同一套框架下，用户给出的不同指令它都能处理。[[保留1]]不过，大模型能理解任务，不等于每一步行动都不出错。[[保留2]]

到了 2026 年，董豪团队把研究推进到导航过程中的自主纠错。大模型即使具备泛化能力，在控制机器人连续行动时仍会冒出推理偏差，误差越积越多，最后拖累任务完成。[[保留3]]

只靠堆预训练数据来减少错误，投入很大，效果却不一定好。于是团队转向轻量而有效的导航后训练方法，让模型从错误里学，在反复尝试中提升能力，朝递归自我改进（RSI）方向走。[[保留4]]

他们提出的 CorrectNav 用的是一种叫「自纠错飞轮」的后训练范式：把模型自己跑出来的错误轨迹变成训练数据，让机器人学会怎么从错误中恢复过来。[[保留5]]

这套过程同时管住感知和动作两头：[[保留6]]

感知这一头，系统用多模态大模型去看出错位置附近的关键画面，生成地标描述和视觉问答，帮导航模型读懂周围环境；

动作这一头，则从跑偏的位置重新规划路线，教机器人怎么朝目标走回去。[[保留7]]

CorrectNav 的训练流程[[保留8]]

后训练做完，纠错能力就被内化进导航模型里。机器人能根据视觉反馈调整行动，部署时不用再额外加复杂的反思模块，也不用跑冗长的推理过程。[[保留9]]

从让大模型参与导航决策，到靠后训练学会纠错，董豪团队一步步把机器人的导航能力往外扩。可机器人要是进了一栋从没见过的楼，怎么用更低的成本完成场景适配？[[保留10]]

2.One Scan is Enough：

一次扫描，开启场景自主后训练

让经过预训练的导航大模型在千家万户中都能持续稳定地跑起来，是当下具身导航领域最棘手的难题之一。

通用导航模型对环境的理解和行动能力已有一定基础，可一旦走进陌生建筑，表现往往会打不少折扣。业界常见的适配路子是：操作员遥控机器人走一遍、把完整轨迹录下来，再拿这些人工示范数据去微调模型。

问题是，每换一个环境就得重新采一遍示范轨迹，To C 的大规模落地根本撑不住。真机运行受电池续航和人力投入两头限制，采一条导航轨迹还得实打实地走完那段时间。对要进入不同家庭的个人机器人来说，这笔成本实在太高。

针对这个瓶颈，董豪团队提出了“One Scan is Enough”，试着用一次简短的 iPhone 扫描，替掉目标场景里的人工导航示范。

采集时，研究人员只用一台配有激光雷达的 iPhone，在室内绕行一圈，就把环境的视觉和深度数据收了下来。5 处真实场景加起来共 768 平方米，单处扫描花 9 至 20 分钟，累计 62 分钟。随后系统拿 3D 高斯泼溅技术把室内视觉外观重建出来，同时提取可通行区域、障碍物这类几何信息。

经过必要的人工场景校准，Scan2Instruction 编译器就能基于重建后的环境自动生成导航训练任务：在可通行区域内挑出起点和终点，规划参考路线，再渲染出机器人沿途看到的第一视角画面，交给多模态大模型生成对应的自然语言指令。

Scan2Instruction数据生成管线

这些指令覆盖路线跟随、寻物和用户需求三类任务。机器人可能得按路线提示往前走，也可能只是被要求找某件物品，或者根据用户需求自己判断该去哪儿。五处场景就这样自动生成了1500条训练任务，操作人员不必遥控机器人逐条采集示范轨迹。

训练任务有了，接下来还得解决模型在训练中如何判断自己行动对不对的问题。

为此，团队又提出了 PRPT-KS 强化后训练算法：直接拿重建场景里的几何信息，从前进进度、避障安全和正确停止三个维度给模型行为打分，再据此对导航模型 RealNav 做后训练。整个过程不需要针对目标场景采集人工任务示范，也不需要人工偏好标注。

PRPT-KS闭环后训练流程

系统会依据机器人沿规划路径逼近目标的进度来算反馈；一旦模型预测的动作有碰撞风险，几何规划器就给出安全的替代方案，原始预测和修正结果都会被拿去继续学习。和那些要额外训练神经网络来估算行动价值的做法不同，PRPT-KS直接用环境里的几何条件计算反馈，模型因此在重建场景中反复训练，导航策略逐步得到改进。

五个真实环境、200次真机评测里，未经目标场景适配的RealNav成功率仅有25%；用人工示范做后训练，成功率升到49%；One Scan的免示范后训练把这个数字推到了85%。

团队还把测试范围扩到了扫描区域之外。同一栋楼里没被扫描过的空间，新方法的导航成功率仍有82%，人工示范微调的基线是41%。训练效果并不只停留在已扫描的路线上，还能延伸到同一建筑中未覆盖的区域。这些结果，也为具身导航的大规模后训练打开了新的可能。

整体自适应与部署管线

3.从模仿学习到自主改进：大规模后训练的下一步

在董豪看来，One Scan还有一层意义：探索具身智能往后的训练方式。他向「甲子光年」表示，后训练要解决任务成功率，而大规模后训练还得兼顾泛化性，不能让模型只适应少数专门调试过的场景。具身导航需要的技术突破，也不该停在基准成绩的提升上，得找到能持续改善模型实际表现的训练方法。

比如AlphaGo先学人类棋谱，再靠大规模自我博弈和强化学习把棋力提上去。ChatGPT同样走过了预训练、监督微调、人类反馈强化学习（RLHF）的路，人对不同回答的评价成了模型优化的依据。模仿学习给模型打下初始能力，之后的训练和反馈帮它跳出已有示范的局限。这条路挪到具身智能上，难处在于物理世界没有围棋那样清楚的胜负标准。机器人把杯子拿起来，未必说明任务完成得好；同样的动作换个角度，还可能撞上东西。人能判断一次行动妥不妥，模型却很难只靠预设的奖励规则评价所有现实情境。

眼下，不少具身任务做后训练，依然离不开人来给示范、给反馈。模型要想把自主学习能力再往上提，怎么摆脱这层依赖就是个绕不开的坎。

董豪团队里，博士生张继耀和龙宇星走了两条路：张继耀用HIL-UMI，龙宇星用One Scan，各自试了不一样的后训练办法。作业智能这块，人的示范和判断还是省不掉；导航则不同，环境里的几何信息能拿来自动生成反馈。两项研究的方向一致——把持续训练要花的人工压下来，好让后训练铺到更多任务、更多真实场景里去。

放到To C市场，这套训练方式的分量就更重了。董豪打了个比方：消费者把机器狗买回家，总不能再花一两周遥控着它认路。企业级项目有专业人员反复调试，每个家庭却各有各的空间布局、各有各的生活习惯。个人机器人得在交付之后尽快摸清环境，同时把设置和维护的开销压在消费者愿意掏的范围内。

To B项目部署相对集中，个人机器人则不然。董豪判断，后者还可能变成一个体量更大的真实世界数据入口。

各家各户的空间布局、生活习惯、用户需求都不一样。机器人在长期使用中碰上的导航失误、任务失败，还有用户反馈，只要拿到授权、处理得当，都能变成改进模型的训练材料。

这么看，轻量化后训练和To C是互相推着走的：前者让机器人用更低的成本适应不同家庭，后者有机会给大规模后训练喂进更丰富的真实场景和数据。

甲子光年智库《2026全球个人机器人行业研究报告》提出，个人机器人正从展示单项能力，转向融入日常生活。家庭不是结构化的产线，任务随时可能被打断，用户发指令也未必按标准方式来。衡量产品价值，设置、维护和人工接管的成本都得算进去。

《2026全球个人机器人行业研究报告》，图片来源：甲子光年智库

机器人要从单项功能可用，走到长期值得拥有，就得在不停变化的生活环境里保持可靠。每碰上一种新情况都要靠专业人员重新采数据、重新训模型，个人机器人就很难铺开。

启元的个人机器人已经攒下了一些真实使用经验。公司披露的数据显示，部分已收货用户日均使用超过1小时，重度用户超过3小时，日均有效交互超过150次。10月29日，启元与腾讯云宣布达成战略合作，接入WorkBuddy，探索用自然语言理解和任务编排能力开发更多机器人技能，把个人机器人的应用场景再往外拓。

2026年，具身导航研究正从提升通用模型能力，进一步转向探索可规模化的后训练方法。轻量化后训练有望压低机器人适应不同家庭的成本；To C应用越铺越开，真实使用中攒下的任务和反馈，在获得用户授权并经过有效处理后，也可能为模型持续学习提供新的数据来源。董豪强调的轻量化后训练与To C市场相互促进，说的正是这层关系。

这些真实世界的经验若能持续转化成模型能力，个人机器人就有望成为物理AI的重要入口，推动AI理解和适应真实世界的能力再上一个台阶。

以上图片出处未标注为启元机器人，封面图由AI生成。