机器人训练降本新路径:1张GPU如何叫板128张?
中经记者 杨让晨 李正豪 上海报道机器人训练成本能否大幅下降是具身智能行业长期关注的一个问题。在近日举行的2026年机器人学习大会(CoRL 2026)上,加州大学伯克利分校研究团队展示了SuperMimic研究成果。通过引入可微世界模型,该研究在单张GPU上训练约3小时,便在特定人形机器人动作跟踪基准上超越了使用12
具身智能行业长期关心的一个问题是:机器人训练成本能不能降下来。
近日召开的2026年机器人学习大会上,研究团队公布了对照实验数据,这也让训练成本再次成为讨论焦点。
按照该团队披露的结果,与对照模型相比,新方法在资源投入上的差距被明显拉开。
有具身智能从业者向《中国经营报》记者介绍,眼下机器人训练动辄以天为单位计,“能按小时算已经算快的了”。他同时提到,模型越大,吃掉的算力和时间就越多,这部分开销不能小看。
记者了解到,Sharpa、智元、大晓机器人等企业正围绕降本训练展开尝试。
1张GPU如何挑战128张?
强化学习
具体到怎么降本,各家的路子并不一样。
这套流程的好处是,世界模型可以反复使用,还能借梯度信息给策略指出更直接的优化方向。
研究团队公布的数据显示,在相应的并行测试条件下,世界模型的推演速度可以达到令人关注的水平。
不过对企业来说,单次训练花掉多少资源只是一笔账,世界模型开发、仿真环境搭建、真机验证这些环节的投入也得算进去,才能看清技术整体能省多少。
智元、Sharpa等企业正通过对外赋能、自主研发等方式摸索降低机器人学习成本的办法。在灵巧操作这一Sharpa对外赋能的领域,一款名为相关名称的产品被推向市场。
智元这边也在加强机器人的学习能力。智元具身研究中心副总裁任广辉在接受记者采访时说,智元的作业基座模型GO-3 Preview用的是自研世界推理动作模型。
任广辉说,教这些动作不必从零开始,背后靠的是同一个模型底子——作业基座模型GO-3 Preview。它从各类任务的操作经验里学习,练出能跨任务复用的能力。
机器人开始自主学习
算力之外,数据获取同样是一笔大开销。机器人不光要看懂环境,还得学会动作,以及动作和物理环境之间的关系。人工遥操作、动作捕捉这些采集手段,通常都要配上专门的设备、场地和人员。
按Sharpa官方资料的说法,公司为相关项目提供了支持。
另外,加州大学伯克利分校、Sharpa等机构也参与了联合研究。
研究团队从约2500段生成视频里筛出约2000条可用的动作参考,其中超过1500条轨迹在仿真环境中跑通,40次真机测试里有27次成功完成。
一边拓宽外部数据来源,一边也有企业试着让机器人在实际干活中攒数据。智元此前做过便利店24小时直播测试,机器人要取货、补货、做咖啡,还得应付订单并发和顾客干扰。
任广辉告诉记者,测试刚开始时,系统出过下单失败、订单完成后状态没更新、机器人之间位置冲突等毛病。团队调整了模型和工具的调用方式,把流程编排的问题解决掉;动作策略则靠不断记录成功和失败的历史轨迹来迭代。任广辉说:“夜里空闲的时候,机器人还会自己去货架前练难的任务。”
除了从外部拿训练数据,怎么让机器人在实际作业中自己积累经验、改进技能,也成了具身智能企业压低训练和研发成本的新方向。
近日,大晓机器人在酒店洗衣场景中展示了具身智能递归自我改进的相关能力。
大晓机器人披露的数据显示,围绕从烘干机里取出衣物这一技能,机器人在约57小时内做了165轮真机实验,形成37条改进提议和约80个版本,牛仔裤留在烘干机筒内的比例从平均48%降到32%,最好成绩降到19%。
在业内人士看来,这条技术路径的潜在价值在于:过去要靠人做的部分问题诊断、技能开发和实验验证,可以交给智能体完成;验证过的技能还能沉淀下来,供后续任务复用,对人工调试和重复开发的依赖也就少了。
不过,机器人自主生成的数据并不能直接拿来训练模型。筛选、验证质量、更新策略,这些环节照样要投入资源。持续作业能不能让机器人少依赖人工采集和现场调试,从而把整体训练成本压下来?这还有待验证。
学习成本降下来之后,竞争逻辑会怎么走
学习成本一旦下降,具身智能企业过去那种靠大量算力、数据和研发人员堆起来的研发模式,会不会跟着变?
任广辉的看法是,机器人部署之后的持续学习,不等于每碰到一个问题就要把模型重训一遍。执行系统优化和动作策略更新,两者所需的训练资源并不一样。
“Harness
日前,智元发布终身具身智能框架
根据智元方面披露的研究结果,在
上述研究更多涉及运行计算效率与能力复用,并没有直接降低基础模型的训练成本,但它为减少重复开发提供了另一种可能。
训练效率提高,却不一定代表企业整体研发投入会降、数据需求会减。
任广辉认为,更可能出现的是数据结构和生产方式发生变化,而不是数据需求简单地变少。机器人要形成通用能力,仍然离不开覆盖大量物体、动作和环境的数据;部署后的持续学习,反而会加大对真实失败、异常恢复、长流程中断以及多机协作等数据的需求。
任广辉表示:“当机器人自己能产生更多轨迹,数据服务的价值会转移到质控、任务和结果标注、长尾覆盖、评测和反馈闭环上。”
也就是说,行业技术门槛未必会随着算力消耗一起往下走。数据质量、长尾场景覆盖、稳定作业能力,可能成为新的竞争焦点。对企业来说,训练提效最后还得落到规模化复制成本的下降上。
任广辉表示:“现场适配和维护如果一直依赖工程师,复制成本就降不下来。”从单家门店走向规模化部署,企业还要解决机型与工具标准化、业务系统接入、快速部署、远程运维,以及经验在不同门店之间复用等问题。