会比武、会跳舞之后，机器人下一步要做什么？
9月11日，2026外滩大会具身智能专场对接会上，业内几乎都提到了两个场景：足球场上，机器人会发生碰撞，对手和队友位置也会不断变化。到了工厂，机器人又可能遇到物体反光、摆放无序的阻碍……
虽然场景虽然不同，却都要求机器人看懂环境变化，自主作出判断并及时调整动作。
“要应对这些变化，机器人需要把感知、判断和运动控制配合起来。”蚂蚁灵波业务发展专家毕纪葛介绍，视觉模型Lingbot-VLA 2.0利用未来深度预测辅助动作规划，可以同时控制头部、机械臂、腰部和底盘，并支持20种以上机器人类型。不同机型的身体结构各不相同，模型不仅可以判断机器人下一步做什么，还能安排各个部位怎样配合。
看得清只是第一步，下一道难题是如何能把多个动作连续做完？
例如，在折箱、封箱等任务中，识别、抓取、移动和操作必须相互配合，任何一个环节出现偏差，都可能影响最终结果。
因此，工厂和零售仓储不仅是机器人应用的场所，也是检验和改进技术的测试环境。机器人在实际操作中产生的数据，还可以用于下一轮训练，帮助模型应对更多变化。
事实上，标准化的工业场景，对机器人来说并非困难至极。反而是居家陪伴类的机器人，应对更多非标准化场景，需要面临更多挑战。
比如，机器人的语言、表情和肢体动作需要协调，小型关节还要兼顾响应速度、扭矩和静音，近距离互动也对安全提出更高要求。
如果是仿生机器人，难度就更高了，能动还不够，还要动得自然。这又是具身数据的新挑战。
“情感交互并不是给机器人加上一张人脸那么简单。”首形科技市场销售负责人杨守闯认为，仿生面部结构、柔性皮肤和情绪驱动模型，都依赖于真实交互的数据。遗憾的是，物理交互数据仍较稀缺，即便是情感交互可利用的视频数据相对丰富，陪伴类机器人进入日常生活还需要较长一段时间。
具身智能数据收集还只是第一步。
海扬数据库互联网与AI科技行业解决方案负责人王雨地介绍，直接收集的数据不能直接用于模型训练，还需要经过视频、传感器信息和关节状态等数据要经过时间对齐、标注和质量检查，再按任务检索片段才能最终送入训练。
但是，随着数据量增加配资查官网，读取效率还会影响芯片利用率。因此，具身智能的竞争不只发生在机器人本体和模型上，也延伸到数据的存储、筛选与供给。
公赢网配资提示：文章来自网络，不代表本站观点。
