大晓吕健勤:Mundo让机器人拥有试错空间?

资讯 腾讯网 作者:InfoQ 全文 3215 字 · 约 9 分钟读完 分类OpenAI机器人大模型

作者 | 青和编辑 | 四月随着通用大模型加速向物理世界渗透,具身体系原有的技术分工正在被改写。上周,OpenAI 撤销独立机器人团队、将研究员并入核心基础模型体系的动作,释放出清晰的行业信号:在模型巨头眼中,物理世界已经成为通用大模型下一步势必攻克的原生场景。一方面,通用基座的认知与规划能力(System 2)持续向

所属频道 大厂动态模型发布机器人与具身智能

通用大模型往物理世界走得越来越快。

上周 OpenAI 撤掉独立机器人团队,把研究员并进核心基础模型体系,这一动作释放的信号很清楚:在模型巨头看来,物理世界已经是通用大模型下一步要拿下的原生场景。夹在中间的 System 1(技能策略层)正被两头狠狠挤压。

一个尖锐的问题随之浮出:通用大模型开始直接接管空间理解与任务规划之后,独立的世界模型到底是通往物理智能的必经之路,还是注定被通用基座吞掉的过渡产物?

AI 前线就此与大晓机器人世界模型科学家、南洋理工大学校长讲席教授展开了一场深入对话。吕健勤是具身智能领域的国际顶尖学者,同时还在南洋理工大学担任

产业一线这边,他正牵头推进大晓机器人联合南洋理工大学发布的最新成果——可探索、可物理交互的世界模型 Mundo,并深度参与大晓以

对话中,吕健勤坦言,

面对这一现实困局,大晓没有再用单一黑盒模型包打天下,而是转向 “。在酒店服务等商业场景的落地中,Mundo 充当“数字练兵场”,把真实环境快速重建为可物理交互的仿真空间,让机器人先在虚拟世界里低成本试错。

外围则打通“通用大模型 + 开悟世界模型”的双脑协同架构,任务规划与物理推演各管一摊。最终由具身 RSI(递归自我改进)机制吸收真机物理反馈、不停迭代技能,在虚实交替校准中跑通具身的规模化落地。

1 一笔 20 美元的算力账,揭开“单体大模型”的具身瓶颈

“我们确实感受到了比较大的冲击。”访谈刚开场,吕健勤就直言不讳:行业此前大多以为具身智能的不少难题得花很长周期才能解决,可随着通用大模型能力跳升,大量原本棘手的感知与推理问题,单一大模型已经能解得不错。

可当团队真把这类模型装到物理机器人上跑连续任务,工程上的残酷现实很快暴露出来。吕健勤拿团队此前的研究举例:有些复杂任务要跑半小时到 1 个小时,单次任务就可能烧掉 2000 万 Token,算力成本直接冲到 20 美元上下。

“慢”加上“贵”,让只靠一个超级单体大模型包打天下的设想在商业上站不住脚。

针对这一瓶颈,吕健勤给出一个核心架构判断——Scaling by Composition。与其把所有能力硬塞进一个黑盒模型,不如把复杂问题拆开,让各有专长的模型分头干活,同时搭起高效的信息互通机制。

这套思路直接落在大晓机器人的“双脑协同”系统架构上。吕健勤介绍,大晓把高层认知推理和底层物理推演明确解耦,由多个专业组件协同运转:

• 通用模型:充当认知与规划中枢,管的是对物理世界的高层语义理解、逻辑推理和任务规划;

• 世界模型体系(以开悟 Kairos 为核心,Mundo 是关键仿真组件):开悟世界模型负责推演和预测物理世界;Mundo 则是其中专做环境仿真的工具,把具体现实场景变成可自由探索、可编辑、带物理交互反馈的虚拟“软世界”,承担场景重建与离线策略验证;

• 编排与控制框架(:把不同模块串起来,统筹感知、记忆、技能调用与底层运动控制之间的衔接。

吕健勤认为,未来通用模型、具身模型(如 先由仿真世界模型搭出低成本的交互推演空间,让通用模型在里面充分试错、沉淀出轻量化技能,再交给端侧高效执行。

2 不取代 MuJoCo,要让仿真管线自动化搭建

外界通常觉得,新一代世界模型往往是传统物理仿真引擎的颠覆者。吕健勤在对话里主动纠正了这个误解:“Mundo 的价值不在于取代现有的仿真引擎,我们依然依赖

真正卡住传统机器人仿真的,是仿真引擎前端极其繁琐的“人工搭台”。吕健勤指出,没有 Mundo 之前,工程师要想在 光搭一个可用场景往往就得花一到两周。

Mundo 要解决的,正是这条传统管线最前端的环境构建难题:它把三维重建、物理仿真与视频渲染用一套统一逻辑打通,让真实场景更自动化地转成可交互的虚拟环境。

具体来说,Mundo 这套流程分三个环节:

  • 第一步,让 AI 理解并重建场景。系统输入真实环境的少量照片或视频后,先用三维重建技术和多模态模型智能体识别物体的位置、尺寸及相互关系,生成简化的三维代理(。模型还会结合视觉信息与已有知识,估计物体的质量、摩擦系数等属性,并记成可编辑的场景代码。

  • 接下来由物理引擎算出交互结果。物理参数写入代码后直接接入系统,机器人不只知道东西在哪儿,还能预演做出动作后会发生什么。

  • 再往后是视频模型把真实场景还原出来。经过渲染,画面变成材质、光照都贴近现实的连续交互视频;拍摄时没覆盖到的区域,模型会补上必要的视觉细节。

这套机制跑通后,机器人就不用守在昂贵的真机上,每次耗上半小时慢慢试错。它被直接放进 Mundo 生成的虚拟软环境里,反复演练哪里能走、哪里会撞、门该怎么拉开。

吕健勤透露,机器人在虚拟环境里摸出一条成功路径后,大晓的具身 RSI 系统会把它固化成一段可复用的代码级成果。等到真机执行同类任务,只需像调用函数一样触发,原本半小时的操作能压到几十秒内完成,执行速度提升近百倍。

眼下学术界和工业界在世界模型上路线分歧明显:Yann LeCun 倡导的一派走“隐式路线”,想靠海量视频训练,让神经网络在潜空间里自行摸索。

被问到为什么没选全端到端的隐式路线,吕健勤的判断很务实,带着工程师视角:“把物理规律直接沉淀进神经网络参数当然是重要的研究方向,但它目前依然是个难以掌控的黑盒——物理常识究竟存在哪一层参数里、仿真穿模后该如何精准修正,全都是悬而未决的难题。

相比之下,Mundo 的做法是把物体属性直接写进代码。仿真出来的物理表现一旦不对,工程师马上就能查到究竟是哪个摩擦系数、哪个质量参数出了偏差。落到产业应用上,这种可控制和可调试的能力很关键。

大晓已在 Hugging Face 社区公开 Mundo 的技术博客与方案设计,近期还计划逐步开源完整代码、模型权重以及模块连接技巧。吕健勤坦言,开源是想让社区一起把管线工具做成熟,而大晓真正的商业壁垒,在于结合具体行业场景沉淀下来的自有能力。

酒店场景的真机实测就是个例子:基于通用模型,单次执行时间从 30 分钟缩短至 18.648 秒,效率提升 97 倍。

3 具身 RSI 接力与世界模型的三道槛

练兵场建得再快,最后还是要过真实物理世界这一关。吕健勤看来,Mundo 主要管前期预训练和策略验证,模型上线前仍得用真机数据做微调;真机执行时暴露的物理碰撞误差也会回流,反过来校准 Mundo 里的环境与力学参数。

吕健勤认为,真机数据未来还能用来反向校准仿真环境。酒店场景中,Mundo 目前已支持建模和离线策略验证。

为了啃下现实中的长尾故障,大晓在双脑协同架构之外又引入具身智能 RSI 路线:系统把复杂任务拆成细粒度的原子动作,真机执行一旦受挫,具身 RSI 机制就捕获物理失败反馈,驱动模型自主修改底层策略或重编程动作代码,在真实交互里持续迭代技能。

吕健勤也没有回避演示之外的问题,他直言 Mundo 乃至整个世界的模型领域有三道现实门槛待突破:1)长时程记忆缺失,2)小物体与柔性形变盲区,3)离线计算耗时仍高。

世界模型这条赛道还在演进,吕健勤给出了工程上的及格线:第一,能否证明自己大幅削减了对昂贵真机示范数据的依赖;第二,能否在真实物理交互中持续积累经验并跨场景泛化。

“归根结底,世界模型最重要的验收节点,就是能不能在自己的机器人本体上真正用起来。”吕健勤说道。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. OpenAI解散独立机器人团队:研发并轨提速,非放弃业务

    OpenAI已解散独立机器人团队,并将研究人员调配至其他团队。OpenAI已解散旗下独立机器人团队,原团队研究人员将调配至公司其他部门。该公司表示,此举旨在加快机器人领域研发进度,而非退出这一领域。图片来源:Huang Zhengwei—VCG via Getty Images在《财富》杂志就此事问询时,OpenAI证

    来源 腾讯网
  2. GPT-6.2 Astra机器人任务成功率翻倍,ASML光刻机搬入8英寸晶圆线

    行业动态 GPT-6.2 Astra再次暴击具身模型:16项任务成功率较GPT-6 Astra翻倍 GPT-6.2Astra在机器人操控任务中表现出色,16项操作任务成功率翻倍,达到41.2%,其中“打结”和“展开T恤”等复杂任务均成功完成。该模型在Ember-0测试中,各项能力均有显著提升,包括空间推理、物体抓取、双

    来源 腾讯网
  3. OpenAI开放GPT-Live-1.1 API:实时双向对话,智能体边聊边干活

    OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音交互能力,可以

    来源 AI 开发者社区
  4. Anthropic上市首日市值破2万亿:25位华人员工分享造富盛宴

    点击 Tech星球 > 点击右上角“···” > 设为星标 Tech星球(微信ID:tech618)文 | 华卫封面来源 | 图虫创意AI界的造富故事,正在从创始人为主的一端向内部员工扩散。Anthropic的上市,恰好将这种变化推到了聚光灯下。11月19日,Claude大模型背后的Anthropic正式登陆纳斯达克。

    来源 腾讯网
  5. OpenAI开放GPT-Live-1.1 API:语音智能体可边聊边干活

    IT之家 11 月 20 日消息,OpenAI 今日宣布向开发者开放 GPT-Live-1.1 API 语音模型,允许第三方开发者将其集成到自己的应用程序中,构建能够实时聆听、回应并执行复杂任务的 AI 语音智能体。 据 OpenAI 介绍,GPT-Live-1.1 是 GPT-Live-1 的升级版本,具备全双工语音

    来源 AI 行业观察
  6. WISE2026年度人物名册发布:产业攻坚者名单与方向

    在世界尚未完成的地方,在关键产业的深水区,人们通过行动留下各自的回答。一个人的名字,由此有了属于他自己的分量。“在行动和言说中,人们表明了他们是谁。”汉娜·阿伦特在《人的境况》中讨论人的独特性,而商业世界习惯以浪潮辨认一代人。人工智能、具身智能、硬科技,几个词便能勾勒当下创业的轮廓。2026年,这些词正在落到具体的人身

    来源 腾讯网
  7. Anthropic上市造富:25位华人员工赶上1.5万亿美元估值

    AI界的造富故事,正在从创始人为主的一端向内部员工扩散。Anthropic的上市,恰好将这种变化推到了聚光灯下。 11月19日,Claude大模型背后的Anthropic正式登陆纳斯达克。公司IPO发行价为每股83美元,公开发行规模高达813.4亿美元,加上260亿美元的同步私募配售,整体交易规模超过1073亿美元,公

    来源 AI 行业观察
  8. WISE2026年度人物名册揭晓:谁在产业深水区完成关键一跃

    “在行动和言说中,人们表明了他们是谁。” 汉娜·阿伦特在《人的境况》中讨论人的独特性,而商业世界习惯以浪潮辨认一代人。人工智能、具身智能、硬科技,几个词便能勾勒当下创业的轮廓。 2026年,这些词正在落到具体的人身上。创业者带着各自的技术积累走到台前,在算力、芯片、机器人乃至更长周期的科研方向上寻找机会。商业版图沿着技

    来源 AI 行业观察
  9. DeepSeek-VL前负责人张博创业:高瓴投600万美元,押注低门槛大模型

    高瓴投了600万美元。一位DeepSeek早期核心成员,创业了。11月19日,DeepSeek-VL前项目负责人张博(Tony Zhang)宣布,其创办的AI公司Simplex AI正式开源个人智能体产品Linger。这款产品能在用户自己的电脑上运行,替人操作软件、处理邮件,甚至让多个AI助手共同完成任务。为了降低普通

    来源 腾讯网
  10. 陪伴机器人绕不开的坎:心言“巴布”靠软件基因破局?

    (本文作者为 机器最前线,钛媒体经授权发布)文 | 机器最前线近年来,情感陪伴正从私人感受变成消费事实。据国金证券数据显示,2025年中国陪伴经济市场规模已超500亿元,2026年预计突破800亿元;中国青年报社的调查显示,有47.3%的人在孤独时会进行虚拟陪伴类消费,有21.5%已将其变成日常习惯。在此背景下,不少机

    来源 腾讯网
  11. 问诊AI?一场死亡背后的追问

    查症状、看药品说明书、理解检查报告,优先用有明确医学语料来源、答案带引用且被设计为“转介医生”而非“替代医生”的专业医疗AI产品,而不是把通用聊天大模型当成全科大夫。

    来源 凤凰科技
  12. 人形机器人租赁价跌破2000元,融资7月后普遍下滑

    (本文作者为 木禾商业财经,钛媒体经授权发布)文 | 木禾商业财经,作者 I 龚正,编辑 I 杨晶具身智能机器人,在2026年只走过两个季节。一是疯狂的火热夏季,二是寒意开吹的冬天。宇树的王兴兴,在为各路投资人赚得盆满钵满、只留自己继续创业后,明显开始更多活跃于公共舆论与“微博热搜”之间,开始更多push宇树机器人的.

    来源 腾讯网
  13. GPT-6.2 Astra解出Smoktunowicz定理:94分钟写出全球首个形式化证明

    Vals AI最新高难数学基准测试中,GPT-6.2 Astra以87.50%的准确率登顶。面对Lean公共数学库缺失的三个关键定理,Astra自主定义“容量”这一新数学工具,绕开原论文证明路线,仅用94分钟、1794行Lean代码,完成Smoktunowicz间隙定理的全球首个形式化证明。

    来源 华尔街见闻
向下滚动自动加载更多