在人工智能領(lǐng)域，大語(yǔ)言模型憑借海量數(shù)據(jù)和龐大參數(shù)規(guī)模取得顯著進(jìn)展，但當(dāng)聚焦于機(jī)器人領(lǐng)域，試圖讓機(jī)器人完成疊衣服、洗碗等日常任務(wù)時(shí)，這種依賴數(shù)據(jù)堆砌的方式卻遭遇瓶頸。這便是機(jī)器人學(xué)界長(zhǎng)期面臨的“莫拉維克悖論”：計(jì)算機(jī)在智力測(cè)試中達(dá)到成人水平相對(duì)容易，可要擁有像一歲小孩那樣的感知和行動(dòng)能力卻困難重重。不過(guò)，中國(guó)科研團(tuán)隊(duì)的一項(xiàng)新成果，為破解這一難題帶來(lái)了新曙光。

此前，人形機(jī)器人的訓(xùn)練主要依賴“模仿學(xué)習(xí)”。像斯坦福大學(xué)的Mobile ALOHA、特斯拉的Optimus等，都是通過(guò)遙操作收集大量人類(lèi)示教數(shù)據(jù)，再利用“擴(kuò)散策略”讓機(jī)器人復(fù)刻動(dòng)作。這種方法在特定場(chǎng)景下表現(xiàn)尚可，但存在明顯缺陷。一旦環(huán)境發(fā)生變化，如光線改變、物體位置偏移或出現(xiàn)新形狀物體，機(jī)器人就會(huì)不知所措，出現(xiàn)“過(guò)擬合”現(xiàn)象，更像是機(jī)械執(zhí)行指令的演員，而非具備理解能力的智能體。

武漢大學(xué)研究團(tuán)隊(duì)提出的“循環(huán)幾何先驗(yàn)多模態(tài)策略”（RGMP）架構(gòu)，為機(jī)器人訓(xùn)練開(kāi)辟了新路徑。該架構(gòu)并非單純追求更大模型參數(shù)或更多數(shù)據(jù)，而是賦予機(jī)器人基于幾何學(xué)的“物理常識(shí)”。研究顯示，搭載RGMP架構(gòu)的人形機(jī)器人在面對(duì)全新任務(wù)時(shí)，成功率高達(dá)87%，數(shù)據(jù)訓(xùn)練效率是當(dāng)前主流技術(shù)的5倍，這一成果為具身智能走出實(shí)驗(yàn)室指明了新方向，也彰顯了中國(guó)在機(jī)器人核心算法領(lǐng)域的領(lǐng)先實(shí)力。

RGMP架構(gòu)由“幾何先驗(yàn)技能選擇器”（GSS）和“自適應(yīng)循環(huán)高斯網(wǎng)絡(luò)”（ARGN）兩大核心組件構(gòu)成，分別解決機(jī)器人操作中的“該做什么”和“該怎么做”問(wèn)題。其中，幾何先驗(yàn)技能選擇器（GSS）如同“戰(zhàn)術(shù)指揮官”，將幾何歸納偏置注入機(jī)器人視覺(jué)認(rèn)知。傳統(tǒng)視覺(jué)語(yǔ)言模型雖能識(shí)別物體，但缺乏對(duì)空間屬性的理解，而GSS能讓機(jī)器人在觀察環(huán)境時(shí)實(shí)時(shí)解析物體三維幾何特征，賦予其“空間直覺(jué)”。面對(duì)陌生物體，GSS無(wú)需匹配數(shù)據(jù)庫(kù)樣本，通過(guò)分析幾何結(jié)構(gòu)就能判斷最佳操作策略，實(shí)現(xiàn)“零樣本”或“少樣本”適應(yīng)。

自適應(yīng)循環(huán)高斯網(wǎng)絡(luò)（ARGN）則像是機(jī)器人的“運(yùn)動(dòng)小腦”，攻克了執(zhí)行層面的難題。物理世界充滿不確定性，傳統(tǒng)深度學(xué)習(xí)策略難以應(yīng)對(duì)。ARGN引入“高斯網(wǎng)絡(luò)”對(duì)動(dòng)作不確定性建模，結(jié)合循環(huán)神經(jīng)網(wǎng)絡(luò)特性，賦予機(jī)器人“短時(shí)記憶”能力。機(jī)器人在執(zhí)行任務(wù)時(shí)，能記住過(guò)去動(dòng)作趨勢(shì)和接觸反饋，動(dòng)態(tài)調(diào)整后續(xù)動(dòng)作，像人類(lèi)一樣根據(jù)觸感微調(diào)力度和姿態(tài)，保持動(dòng)作連貫性和穩(wěn)定性。

在具身智能領(lǐng)域，數(shù)據(jù)效率是衡量算法商業(yè)落地潛力的重要指標(biāo)。研究團(tuán)隊(duì)測(cè)試表明，與基于擴(kuò)散策略的先進(jìn)模型相比，RGMP達(dá)到同等性能所需訓(xùn)練數(shù)據(jù)量減少約5倍。在機(jī)器人研發(fā)中，高質(zhì)量人類(lèi)示教數(shù)據(jù)采集成本高昂，需專(zhuān)業(yè)人員佩戴昂貴設(shè)備進(jìn)行長(zhǎng)時(shí)間操作。RGMP的效率提升，大幅降低了機(jī)器人學(xué)習(xí)新技能的門(mén)檻。未來(lái)工廠機(jī)器人或許只需幾次簡(jiǎn)單演示，甚至“看”一眼新產(chǎn)品3D模型，就能通過(guò)幾何直覺(jué)生成操作程序。

RGMP展現(xiàn)出的87%全新任務(wù)成功率，證明其初步具備“舉一反三”的通用能力。家庭環(huán)境復(fù)雜多變，傳統(tǒng)機(jī)器人難以應(yīng)對(duì)，而RGMP讓“機(jī)器人保姆”從科幻走向現(xiàn)實(shí)成為可能。若機(jī)器人能依靠幾何常識(shí)處理家務(wù)，在整理房間、清潔烹飪等任務(wù)中的表現(xiàn)將大幅提升。

目前，RGMP雖已展現(xiàn)強(qiáng)大適應(yīng)性，但仍處于單步任務(wù)層面。研究團(tuán)隊(duì)計(jì)劃賦予其更高級(jí)的自主規(guī)劃能力，使其能推斷復(fù)雜長(zhǎng)程任務(wù)的動(dòng)作軌跡。未來(lái)，機(jī)器人或許只需聽(tīng)到簡(jiǎn)單指令，就能自主規(guī)劃一整套動(dòng)作序列。該技術(shù)在工業(yè)制造、倉(cāng)儲(chǔ)物流和危險(xiǎn)環(huán)境作業(yè)等領(lǐng)域也有廣闊應(yīng)用前景。在柔性制造車(chē)間，適應(yīng)不同形狀零件的機(jī)器人可提升生產(chǎn)線靈活性；在災(zāi)難救援現(xiàn)場(chǎng)，具備幾何直覺(jué)的機(jī)器人能提高生存率和任務(wù)成功率。隨著技術(shù)不斷完善，機(jī)器人靈活操作萬(wàn)物的未來(lái)正加速到來(lái)。