穹彻智能联创卢策吾：用“数字基因”为机器人写万能操作说明书

穹彻智能联创卢策吾：用“数字基因”为机器人写万能操作说明书_腾讯新闻

穹彻智能联创卢策吾：用“数字基因”为机器人写万能操作说明书

腾讯科技

2025-08-11 20:27

发布于<br/>北京

腾讯新闻科技频道官方账号

问AI

·

数字基因如何实现机器人万能操作说明书？

卢策吾：用“数字基因”为机器人写万能操作说明书

文｜小燕

编辑｜吴彬

2025年8月11日，在世界机器人大会上，穹彻智能联合创始人，上海交通大学人工智能学院副院长卢策吾发表主题为《具身智能求解与产业化》的主题演讲，<br/>在本次演讲中，卢策吾围绕“让机器人真正学会干活”展开分享。

卢策吾提出，用“数字基因”为万物生成说明书级别的操作模型，可以从底层功能基因出发，抽象出物体的功能、结构与可操作性，大幅压缩机器人面对物理世界的不确定性，提升泛化性与鲁棒性，核心内容：

1、<br/>机器人操作认知的核心在于理解世界与改造世界，而要在复杂环境中做到这一点，必须同时具备泛化性和鲁棒性。

2、<br/>现有系统缺乏高精度力反馈，难以学会“下意识”操作；团队聚焦高难度、高价值的时变连续接触任务，利用基于力反馈的大模型在继承VLA通用能力的同时显著提升鲁棒性。

3、<br/>穹彻智能2.0大模型将操作从秒级延长到分钟级，在“刮雪”任务中实现长时变接触与全局优化，每一毫秒的操作都服务于最终结果。

以下为卢策吾演讲内容，经腾讯科技编辑整理：

非常荣幸能够向大家汇报一下我们的一些思考和进展。

首先我们直接进入主题，就是我们从底层原理去考虑，操作认知的空间应该怎么被拆解。其实讲起来很简单，就两部分：一个是<br/>理解世界<br/>，一个是<br/>改造世界<br/>。

那问题是，在千变万化的环境中，我们怎么既能抽取出操作世界的基本模型，同时又能像人一样，下意识地去改造世界、去执行任务。

这其实涉及两个方面：

第一是<br/>泛化性<br/>，也就是说我们要真正做到面对各种从未见过的物体和场景，都能够理解。

第二是<br/>鲁棒性<br/>，保证我们的任务能够稳定、可靠地执行。

所以我们现在是围绕这两点展开的。先从泛化性角度说起——我们原创工作室最近提出了一个“<br/>数字基因<br/>”的概念，希望能为万物的操作解析提供一份万能的说明书。

来看一下，目前无论是用VLA也好，用大语言模型也好，机器人是怎么理解世界的？它的图片数据大多来自互联网，所以只能用模糊的自然语言去指导。但这种语言去描述物理化、结构化的东西，非常困难。

我们需要的是<br/>说明书级别<br/>的指导。就像一个物体制造出来时，你知道它的功能、结构、操作方式，并且这些信息最终翻译成程序化语言，而不是自然语言。这样的东西现在是缺失的。虽然可以用数字孪生一个个去做，但物体种类千变万化，很多还没见过，该怎么办？

我们参考了生物的规律。生物形态千变万化，但底层的基因表达是确定的。只要有了底层基因，稍微改动参数，就能变化出无数形态。那我们的操作世界是不是也可能这样？

实际上，操作的物体是由底层功能基因决定的。比如我们为什么觉得它是杯子、该怎么操作它，是由功能、结构、可控性等底层相似性决定的。这些底层特征其实是一致的。

所以我们就在想，能不能从手工数字孪生，转向用数字基因去规模化地生成操作描述。

比如一个杯子，它的功能、结构和操作方式，其实就那几个核心点，我们用一套数字基因协议去编写它的功能、结构、操作方式。只要参数调整，就能覆盖这个大类的所有可能性，不用一个个做。你可能会问，这个类能编完吗？其实是可以的。因为人类常见的物体就一千多类，这是认知学研究论文提供的科学支持。

这样一来，带有操作功能结构的数字资产，成本可以降低<br/>一万倍<br/>。举个例子，你去做一个数据资产，扫描一个微波炉或杯子，可能需要150元、两个小时；而用计算的话，单卡0.6元，一秒钟就能生成。我们已经开源了 1 亿这样的资产，未来会开源到百亿级别。这是一个指数级的成本下降，基本上是要多少有多少。

有了这样的大规模数据，我们输出的就不再是模糊的语言理解，而是非常确定的、如何去操作它的程序化结构描述，也就是一种形式化语言，规定物体应该怎么被操作。

反过来，我们用这些数字基因的仿真，训练了一个72B参数的大模型，也已经开源，能够真正解析物理世界。和之前的语言大模型或者VLA不同，我们能做通用解析——解析所有物体可能的功能、结构、操作可控性，比如它是怎么组成的、应该如何操作，并且用特定的程序语言输出。

这样一来，我们只要看到物体，就能直接给出它的说明书，非常直观。任何物体检测后，就能输出它的功能、结构、操作方式，而且是通用的。因为我们能海量生成这种带有协议化功能的数据，所以泛化能力特别强。

有了这些之后，很多事情就变得简单了。比如，如果是传统方式，我们可能要训练很久才能知道一个盒子该怎么用；但我们现在一眼就能看出来，而且不是针对这个盒子专门做的数字孪生，而是通用的。看到之后就能解析：这里可以转、这里可以插、这里可以扣……

这样，数据效率和通用智能的泛化性就会大幅提高，因为操作的本质就是理解世界上的物体应该怎么被操作。

甚至我们还可以做功能迁移。比如数字基因里有一段函数写着possible_push，那么我们看到一个新物体，比如剪刀、笔，功能就能直接迁移过去。所以，这就是一种从基因底层定义的、全面的操作说明书。有了它，我们对VLA的效率会大幅提升，因为我们把不确定性压缩了十万倍。

在标准数据集上，我们的准确率提升了63%，从大约50%提升到接近80%。进一步说，一个物体被操作，我们可能知道它的语义（它是个杯子）、它的几何结构、它的操作认知、它的功能属性。前面的工作多停留在语义、几何和部分操作层面，而数字基因已经做到了通用的功能层级，并且在功能层面是高度确定的，从方法论上可以完成这件事。

有了这一套，我们有可能形成“北斗级”的基础设施——各行各业的物体都可以变成数字基因，上传到平台，机器人就能直接使用。

我们也在思考更大的问题——每种技术路线都有优势和劣势，我们希望通过一个“萝卜STOP系统”，让所有技术路线在一个大系统中进行全路线研究，通过信息互补推动技术路线收敛，让技术路线收敛不再靠拍脑袋，而是在统一系统中竞争耦合，变“海底捞针”为“瓮中捉鳖”。

那么我们这个事情，如果用数学的解析来说，它本身是一个巨大的不确定空间。每当我们加入一个新的元素，比如说现在我们研究的“数字基因”，就能够减少试验模型中的不确定性。然后，搜索策略决定权会让各种新的技术路线有机地融合到我们的大系统中，慢慢收敛出一个更可能的方案。

所以，这是用科学的方法论去推动技术收敛，不再依赖争论，而是通过全路线的探索与融合，寻求大一统的收敛。我们之所以能这样去做，是因为依托于国家级平台——创智学院。这里汇聚了大量优秀的青年科学家和博士工程师来推动这件事情。

我们的团队中有众多优秀的科学家、教授，还有一百多名博士，横跨多个学科。同时我们也有大量计算资源去支撑，覆盖几乎所有技术分支，从而形成一个大一统的模型。

好，讲完方法性的部分，下面来说<br/>鲁棒性<br/>。

现在大多数系统输出的是轨迹，但缺乏高精度的力反馈。如果没有力反馈，要学习“下意识”是非常困难的，因为会面临视觉精度退化、轨迹泛化、模型幻觉、不确定干扰等问题，以及如何获得真实反馈的挑战。我们分析后发现，所有操作可以分为两类：

静态锁定接触<br/>，比如抓取；

时变连续接触<br/>，这类有更高的经济价值和难度。

后者的典型例子是开锁、刮胡子等，它们的相对位置不断变化，力反馈持续变化。这对决策模型带来巨大压力，同时经济价值也更高。我们的目标正是聚焦这种高难度、高价值的操作，已经做出了一系列工作。这是我们的基于力反馈的大模型（时间有限，这里不展开），但它能显著提高VLA的鲁棒性，因为背后有物理机制兜底——力反馈兜底。同时它又能继承VLA的通用能力：VLA给出粗略轨迹，我们的力反馈模块就能精准地知道应该如何操作。

来看一下去年和今年的对比。

去年，穹彻智能推出了1.0版本的大模型，大家可能记得是刮胡子、刮黄瓜等任务。今年2.0版本，我们做了“刮雪”这样的任务。它的难点在于，要完成全局最优学习，因为最后要挖成一个球，意味着每一毫秒的操作都对最终结果负责。所以我们的模型是全局优化的，而且是长时变接触学习——过去刮胡子、刮黄瓜是秒级的，现在可以做到分钟级。你看，刮的长度会长很多。

这听起来简单，但用人去做就知道难度。它需要对长程反馈进行学习，同时对最终完成态（一个球）进行表征。<br/>另外，我们也提出了一系列全新的力采集设备，包括手持式、无本体采集等。例如，挂在手上的系统就能采集力和位置，这让数据量大幅扩张。我们开源了20TB级别的大规模力觉、视觉、语言对齐数据，也欢迎大家使用。

前面讲了求解方式，这里再简单提一下我们在企业端的工作。<br/>穹彻智能今年发布了2.0版本“大脑”，无论在世界模型、泛化性还是鲁棒性上，都比去年有了大幅提升。我们还推出了高精度本体，可以高频全身响应，力精度控制可达1牛，如果外挂6D传感器，可以精确到0.03牛。这保证了本体在需要力反馈的复杂场景中，也能保持高水平的鲁棒性。

在应用上，我今天只讲一个——食品加工行业。

这是一个规模接近4000亿人民币、增长很快的行业，但招工困难。它的难点是食材来料高度不确定，需要泛化理解；同时为了保护食材，还必须有高精度的力反馈，并在AI层面对力进行控制。这是我们在实际场景中的部分成果。去年，我们已经实现百套规模落地，2025年将是指数级增长。因为加工过程中，需要高度智能去判断食材状态，而这本身的不确定性很大。

比如，我们在石材处理上的应用，刚刚在谢荣大会上有幸向总理做了汇报。

此外，我们还推出了亲民版的小型机器人。考虑到双臂轮式成本高，我们推出了单臂轮式版本，成本低、智能密度高，把汽车大脑的高智能含量放在单臂机器人上。<br/>它已与头部电商合作落地在门店中，今年也会规模化扩展。因为时间有限，今天就介绍这两个应用。其实我们还有很多落地案例，希望下次有机会再与大家分享。