破壳机器人发布RoboAPI：一句指令，机械臂就能干没练过的活
刚刚，破壳机器人发布RoboAPI！具身模型也能「开箱即用」了
与不少具身模型只发 Demo 的做法不同，RoboAPI 面向真实物理世界，可公开访问，开箱即用，发布当天就向行业发出邀请：欢迎试用。
开发者把 RoboAPI 接入适配的机械臂后，不必采集数据，也不用训练模型。只需一句 prompt 下达指令，机械臂就能在陌生环境里完成此前没有专门训练过的任务，由此验证破壳模型的「零样本泛化」。
现阶段 RoboAPI 仅限非商业化应用，不向盈利性第三方提供产品或服务。开发者可借助 RoboAPI 的快速开始文档和开发者平台免费接入。
一、RoboAPI
让机器人模型「开箱即用」
RoboAPI 的开发起点，是行业里一个绕不开的难题：机器人模型的 demo 视频看着很惊艳，真正用起来却是另一回事。一所高校实验室若想用上开放的具身模型，得先采数据、微调模型，再验证效果、补采数据，几轮下来很可能耗掉一个月。
难点有两层。一层是构型差异——文字和图片有统一格式，机器人没有，不同机器人的结构、传感器和控制方式千差万别，改动任何一处，模型就可能「水土不服」。另一层是泛化本身：哪怕在同一台机器上，模型往往也只在训练过的物体和场景里表现稳定，换成没见过的环境和物体，就可能失手。
对照语言模型的发展路径，GPT-3 API 曾让开发者不必自己训练和部署语言模型，就能用上前沿基础模型。RoboAPI 想在物理世界做同样的事：它接收机器人的观测与状态，结合用户指令，近乎实时地预测并输出机器人接下来的动作。
二、Poke-Aurora
轻松调用的零样本泛化能力
撑起 RoboAPI 的，是破壳首个世界 - 动作模型 Poke-Aurora，它具备零样本泛化能力。世界 - 动作模型通过预测未来画面，学习物体运动与交互的规律，为操作经验跨物体、跨场景迁移打下基础。不过，世界建模的能力并不会自动变成可靠的动作能力，怎么让视频与动作的学习相互促进，仍是关键挑战。
破壳在 Poke-Aurora 里给出了「调制残差耦合」（Modulated Residual Coupling，MRC）机制。视频与动作原本各走各的计算路径，这套机制在保留两条路径的前提下，让二者之间长出可学习的交互。破壳的观察是，MRC 让视频预测和动作预测的学习方向更趋一致，模型对物体如何运动、如何交互的理解，也就更能落到动作生成上。
破壳今早发布的文章披露，他们自建了一套规模化评测体系。体系里有近 1000 个常见物体、近 1 万条不同指令，任务归为三类：物品转移与整理、姿态与形状对齐、环境交互与工具使用。
评测结果方面，Poke-Aurora 在这三类任务上的成功率依次是 86.0%、54.1% 和 87.7%。参与对比的 GPT6 Astra 和两款开源具身模型都没能超过它；两款开源具身模型在三类任务上的成功率均不足 35%。更多技术细节，按计划会在 Poke-Aurora 的技术报告中放出。
要让这套流程跑在不同机器人上，破壳在实现 RoboAPI 时对「构型」做了优化。他们从 UMI 得到启发，定下「腕部鱼眼相机 + 末端位姿控制」的构型：机械臂手腕上装一颗消费级鱼眼运动相机，观测和控制都围绕夹爪所在的末端展开。这样一来，搭建这套配置的门槛和成本都降了不少。
三、具身智能的「API 时刻」
让模型接受所有人检验
真实世界比评测复杂得多。在破壳看来，RoboAPI 最大的意义正在这里：一个前沿具身模型泛化能力如何，不该只由创造它的人说了算，而应随时交给任何外部用户，在真实环境中检验。
这也对上了具身行业里长期存在的一种错位。行业里，一部分人提供机器人和模型，另一部分人负责使用。前者长期拿演示视频示人，可视频里的表现和模型的实际能力常常对不上，使用者只能自己花大量工夫去调教。RoboAPI 想做的，是把模型的能力直接交到使用者手里，让它在不同的硬件、任务和环境中接受检验。
RoboAPI 目前已经在美国、新加坡等地的多家高校实验室完成内测，反馈不错。正式上线之后，会有更多开发者加入进来做测试。
自主，4 倍速
对开发者而言，机器人底层的控制已被 RoboAPI 封装起来。今天很少有人再去关心电机内部的控制算法，同样地，「机器人大脑」也变成了一项可以直接调用的能力。开发者不用从头重复研发，能把精力放在真实任务和应用上。用智能体把各种工具串成工作流的人越来越多，往后软件工程师同样可以靠 RoboAPI 操控机器人、搭出自己的工作流。
把模型做成 API，正成为具身智能公司的一个新方向。10 月中旬，美国一家机器人模型公司上线了 API 测试版：开发者上传自己的数据，在它托管的算力上微调模型，然后再调用。几天后，另一家美国初创公司发布的 API 则以零样本为主打，面向带夹爪的双臂机器人。几家公司路线各有取舍，方向却大体一致——让用户亲手去检验模型，而不是只看演示。通用大模型也在尝试直接控制机械臂，不过在本月发布的 AA-Robotics 评测中，它们的速度比人类慢约 100 倍。
许华哲是这家公司的创始人，他的判断是：泛化能力要真正成立，就得在不同机器人构型、任务和环境里接受更广泛的检验；机器人也得先在足够多的真实环境中经受住考验，将来才有可能进入家庭，应对更多样的环境。破壳机器人选定的方向是家庭机器人场景，而RoboAPI正是其迈向家庭的一步。
