机器人如何自进化，乐享科技走了一条新路 作者｜Li Yuan 编辑｜郑玄 最近，乐享科技因为一个颇大胆的 claim，引发了不少关注：它提出 ，其具身智能模型以太大模型能够在部署和执行过程中持续更新，并 将这种能力概括为「自进化」，是全球首个能自进化的具身智能模型 。 自进化是一个容易引起争议的说法。「进化」究竟是模型参数发生了 变化，还是进行了任务的临时调整？在多大程度上这样的调整能够变 成可迁移的新能力？一个模型能够适配不同场景和不同身体，又应该 被理解为工程层面的泛化，还是更强意义上的持续成长？在机器人行 业仍然需要解决稳定执行问题的阶段，「自进化」显然是一个需要被 谨慎对待的判断。 近日，乐享科技又进行了一场户外直播。按照直播前公布的目标，搭 载 Aether 以太大模型的机器人要在户外接受随机点单，完成包括食 材和工具处理、烤制、翻面、上菜在内的烧烤任务，并应对临时打断 、需求临时增加和场景变化。 在现场超 30 位专业媒体和线上超 550 万观众的见证下，实际呈现 的过程并非每一步都顺利。 机器人完成了部分自主烧烤操作，也出现了停顿、失败和重新调整。 乐享科技似乎并不回避这些不完美：它想展示的重点，不是机器人在 一个固定流程里零失误地把烧烤做完，而是任务和环境发生变化之后 ，机器人能否继续寻找信息、调整动作，再把任务推进下去。两个机 器人本体全程互相传递任务信息、自主思考决策并合理分工协作。 图片：https://imgslim.geekpark.net/uploads/image/file/85/ee/ 85ee4f1d1825ca3252671c9912d9a068.jpg 一场直播当然不能回答关于「自进化」的所有问题，但这种展示方式 至少体现出一种相对开放的态度：机器人可以失败，真正需要观察的 是失败之后会发生什么。 对机器人来说，「自进化」不能只是一个好听的词。它至少要回答三 个问题：第一，机器人能不能发现现实和自己预测之间的偏差；第二 ，它能不能判断哪些经验值得留下、哪些应该忘掉；第三，它能不能 把一次任务、一个场景和一具身体上的经验，迁移到新的任务、场景 和身体上。 当数字世界的 AI 开始讨论自进化，物理世界的 AI 有没有自进化， 或许是下一个时代最重要的问题。 为此，我们和乐享科技背后的团队聊了聊他们的模型思路。 01 不是更会模仿， 而是能不能理解真实世界 过去几年，具身智能最常见的思路，是把视觉、语言和动作连接起来 ：机器人看到环境，接收任务，再输出动作。这条路线的价值很直接 ，它让机器人可以借助大规模数据学习人的示范，也让复杂指令开始 有机会落到具体行动上。 但在乐享科技团队看来，这种从输入到动作的映射仍然存在一个根本 限制：它擅长回答「下一步应该做什么」，却未必真正理解「为什么 要这样做」，以及这个动作会给真实世界带来什么后果。 团队将 VLA 的局限概括为「不懂因果」，将传统 world model 的问 题概括为「可生成、不可执行」。按照这一判断，前者更接近从已有 数据中学习动作规律，但这并不自然等于理解动作与结果之间的因果 关系；后者可以预测世界可能如何变化，却不代表预测出的未来一定 能够被机器人的关节、力矩和控制系统实现。 图片：https://imgslim.geekpark.net/uploads/image/file/bb/85/ bb855f845b1e0626274ba8e167238710.png 真实世界恰恰不是一组干净的输入输出。接触力、摩擦、滑动、遮挡 、物体形变以及目标临时变化，都会让同一个动作产生不同后果。一 个杯子的质量增加一倍，关节需要输出的力矩就应该随之变化；液体 重心不断移动，机器人也不能只是机械复现某条既定轨迹。画面上「 看起来合理」，与身体上「真的做得到」之间，还有很长一段距离。 这解释了乐享科技为什么没有把重点继续放在动作预测上。 按照团队在采访中的描述，以太大模型是一个由世界状态、内部状态 和能量状态耦合而成的动力系统。感知、预测和行动仍然存在，但并 不是三个依次调用的独立模块，也不是一个从输入直接吐出动作的黑 盒。团队更愿意把它称为「energy-driven state transition」，即 由能量驱动的状态转移。 这里的「能量」不是机器人电池还剩多少，相关负责人把它形容为一 个 landscape，一张贯穿系统的评价地形：哪些状态值得靠近，哪些 状态应该舍弃，当前还缺少什么信息，以及接下来应该把计算和注意 力放在哪里，都在这张地形中被共同衡量。 这让感知本身也变成了任务的一部分。机器人不再只是被动接收摄像 头传回来的画面，而是带着问题寻找答案：为了继续行动，我还需要 看到什么？当前视角能否消除不确定性？是否应该先移动身体、改变 观察位置，再决定下一步动作？团队将其称为具有「感知意图」的主 动感知。 这套思路可以从乐享科技展示的「太极宗师」任务中得到更直观的理 解。在这一任务里，机器人左手需要控制杯中液体不洒，右手同时维 持另一个物体稳定。液体状态、外部扰动和关节状态都在持续变化， 很难依靠一条固定动作轨迹完成。按照团队的解释，系统需要建立动 作、物理状态与结果之间的因果关系，并根据后果不断调节控制。 这并不能单独证明机器人已经拥有完整的物理直觉，但它至少揭示了 乐享科技想用以太大模型解决的问题：真正困难的不是生成下一个看 起来正确的动作，而是让动作在一个不断变化、会反过来影响机器人 的物理世界里成立。 从模仿动作走向理解行动后果，是这条路线的第一层变化。它也为「 自进化」提供了前提：如果机器人无法识别现实与预测的差异，就无 从知道自己错在哪里，更谈不上从错误中形成新能力。 02 自进化不是一句口号， 而是一套闭环机制 那么，乐享科技为什么认为 Aether 可以「自进化」？在采访中，我 们把问题进一步落到了模型内部：机器人执行任务时，变化的究竟只 是瞬时状态和记忆，还是策略乃至模型权重？ 乐享科技给出的回答是，这些层级都会更新。按照团队的解释，他们 所说的「自进化」，首先发生在执行过程中的预测误差修正，但并不 止于一次性的状态调整。 机器人在行动前形成预测，执行后观察结果，再比较真实结果与原有 预测之间的偏差。如果世界已经不再是刚才以为的样子，系统就需要 更新内部状态，判断原计划是否失效，再进行局部或全局的重新规划 。这个过程不是任务失败后才启动的补救措施，而是伴随每一次行动 持续发生。 面对临时改变的目标，系统会重新判断原有计划是否仍然适用，并生 成新的动作：「我现在看到的世界，还是我刚才认为的世界吗？」从 预测、执行、反馈、更新到再次行动，系统始终处在循环之中。 在 demo 中，机器人需要处理一块有污渍的玻璃。它发现污渍并不在 自己面对的这一侧，而在玻璃外侧，于是改变原来的处理方式，把手 伸向窗外继续擦拭。正是体现这一点。 这与传统意义上的 action prediction 有一个明显区别。后者更关 心在当前输入下输出什么动作；按照乐享科技的说法，Aether 则会 同时维护世界状态、任务状态和系统自身状态。一次行动之后，变化 的不只是机械臂的位置，也可能包括短期经验、技能参数，以及系统 对某种因果规律的判断。 图片：https://imgslim.geekpark.net/uploads/image/file/a8/4a/ a84ac291635aacbea50bfde641f303f8.jpg 长时序任务由此成为一个重要观察点。团队提到，乐享科技已经展示 过一镜到底的连续任务，机器人需要理解步骤之间的先后关系，记住 已经完成到哪里，并能在中途改变目标或中断后继续执行。单个动作 是否准确当然重要，但更难的是，在持续变化的过程中保持对「当前 世界是什么样」「任务进行到哪里」「下一步为什么这样做」的统一 理解。 只是，能够根据反馈调整，还不等于能够持续学习。在线学习最大的 风险，是把偶然扰动当成规律，把错误经验写进模型，甚至在学会新 东西时破坏原有能力。 按照乐享科技的介绍，以太大模型不会让所有新经验直接进入长期知 识。系统会先评估一次经验是否可靠、是否新颖、能否归因、能否泛 化，再决定它值不值得改变已有知识。换句话说，学习能力的一半， 是知道什么应该学；另一半，是知道什么不该学。 与之配套的是分层记忆。越具体、越依赖单一场景的状态，生命周期 越短，任务结束后就可以被清除；越抽象、经过反复验证的规律，保 留时间越长，可能进入世界模型和因果模型。 图片：https://imgslim.geekpark.net/uploads/image/file/35/34/ 3534dc728958ddab717f363f5af33dde.jpg 模型是否真的会「调参」，是区分临场适应与自进化的关键。对此， 团队明确表示，经过筛选和验证的经验也可能进一步影响模型权重， 并被长期保留；如果只是某个场景下的临时状态，则不会永久写入模 型。也正因为更新可能从记忆和策略继续进入参数层，乐享科技才把 这套机制称为「自进化」。不过，这里仍然需要保留一个边界：目前 我们得到的是团队对内部机制的解释，权重如何变化、变化幅度多大 ，以及新能力能否稳定保留，还需要更具体的测试结果来呈现。 数据的角色也因此发生变化。真人视频被用于理解人的行为逻辑、推 测意图和构建认知，类似一种预训练；示教视频负责把认知落到可执 行动作上，被团队形容为「给机器人上幼儿园」；真实运行数据使用 得最少，却承担最重要的 reality calibration，也就是让机器人在 真实环境里接受检验。 团队还有一个更形象的说法：机器人可以给自己做「错题本」。真正 有价值的不是记住某一次失败，而是从失败中分离出可以复用的规律 ，在下一次面对相似但并不完全相同的任务时调用它。 这也解释了为什么泛化性是判断自进化是否成立的关键。如果所谓学 习只能留在原来的任务和原来的机器人上，它更像一次局部调参；只 有当经验能够穿过场景和本体差异，才可能真正成为更一般的能力。 图片：https://imgslim.geekpark.net/uploads/image/file/c9/b9/ c9b92eeaec3b75e399b2fd63a293a62f.jpg 据相关负责人介绍，以太大模型已经在约五家不同机器人本体上积累 经验，涉及双臂、双足和轮式形态。不同本体在关节数量、自由度、 末端执行器、质量分布、控制方式以及传感器布局上都有差异。迁移 到新机器人时，团队通常希望获得 URDF、关节名称和传感器配置， 以完成运动学对齐、传感器标定、动力学参数辨识和进一步微调。 以太大模型之所以能真正实现「一脑多形」，关键在于：接入一个全 新本体后，它能够通过自主探索认知该本体的性能差异、关节限位等 约束，并据此生成适配不同本体的动作与轨迹来完成任务。由此，模 型完成了对本体的自我认知与适配，进而实现软硬件解耦。 控制系统同样体现了这种分工。团队所称的 200Hz 以上频率，覆盖 的是状态读取、控制器计算和关节指令更新；高层感知和推理并不以 同一个固定频率运行，而是根据任务复杂度与当前不确定性调整周期 。当高层推理需要更长时间时，主动感知反而可能变得更频繁，以获 得更多信息。 因此，乐享科技所说的自进化，并不是机器人突然拥有了自我意识， 也不是一个简单的端到端黑盒，而是一组更综合的工程机制：主动获 取信息，根据预测误差调整行动，筛选值得学习的经验，把不同层级 的经验存入不同记忆，再尝试将较稳定的规律迁移到新任务和新身体 上。 03 如果机器人真的能自进化， 那就是 next level 过去的机器人更像被训练好的执行机器。它可以把规定动作做得越来 越精准，但任务之外的经验很难沉淀；它可以被部署到现场，部署后 的反馈却未必会变成长期能力；它也可以更换场景和身体，但每一次 迁移常常近似重新开始。 乐享科技借以太大模型所提出的观点，不只是让机器人完成更多工作 ，而是让部署本身成为学习过程。机器人进入真实世界之后，不再只 是消耗训练阶段获得的能力，也可能在一次次行动中校准对世界的理 解，把可验证的经验逐渐变成新的能力。 最近围绕 GPT-6 的讨论，也让许多人重新思考下一代模型的跃迁会 来自哪里。人们关心的已不只是参数是否更大、推理是否更强，还包 括模型能否在更长周期中积累经验、形成记忆，并在持续交互中改变 自己的能力边界。落到机器人身上，这个问题会变得更具体，也更严 格，因为每一个判断最终都要接受物理世界的检验。 如果具身智能只是从指令走向动作，它仍然是一种更复杂的自动化。 但如果机器人能够在行动中发现偏差，在反馈中筛选经验，在记忆中 沉淀规律，并把这些规律带到新的任务和身体上，那么它就不只是「 更会干活」，而是开始具备某种生长性。 当然，关于「自进化」，乐享科技需要回答的还有很多：泛化能够跨 越多大的任务差异，学习可以持续多久，模型变化如何被量化，新能 力能否在不同机器人上稳定复现，以及长期运行后如何证明旧能力没 有退化。 但目前所展示出的能力已经把问题向前推了一步。衡量机器人的方式 ，或许将不再只有「它现在会做什么」，还要加上一句：「它做完之 后学会了什么？」 一旦机器人真的能够把现实世界里的经历变成可积累、可验证、可迁 移的能力，它改变的就不只是某个 demo、某家公司或某条技术路线 。那意味着机器人不再只是被制造、被训练、被部署的机器，而可能 成为一种能够在世界中持续获得经验的行动系统。 那确实是具身智能真正的 next level。 *头图来源：乐享科技 本文为极客公园原创文章，转载请联系极客君微信 geekparkGO 极客一问 你认为下一代模型的跃迁会来自哪里？ 图片：https://imgslim.geekpark.net/uploads/image/file/4c/9c/ 4c9cde8a6845d3e2f92a5350ad2f137d.gif 图片：https://imgslim.geekpark.net/uploads/image/file/e3/a9/ e3a9261dda62437bbbb3d868113042a5.gif