作者 ｜ 四月

用一只機(jī)械手拾起桌面上的銀行卡，需要幾個自由度？

三個？五個？多數(shù)人的直覺都是越多越穩(wěn)妥，最好再配上觸覺、視覺、力控……畢竟，這活兒連人手也未必一次成功。

但偏偏有一家清華系的機(jī)器人公司不信邪，把這套方案砍到了一個自由度。

你看到的模塊，甚至都談不上機(jī)械手，更像是產(chǎn)線上最常見的工業(yè)夾爪：兩塊楔形黑色夾片，沿固定導(dǎo)軌運(yùn)動，像鳥嘴一樣咬合。

夾片內(nèi)側(cè)被銀色的觸覺傳感材料包裹。除此之外，沒有外置攝像頭，沒有云端大腦，也沒有學(xué)習(xí)過任何“示范性的軌跡數(shù)據(jù)”。一切都發(fā)生在端側(cè)的本地。

但它卻能夾起那張厚度不到 1 毫米、平貼臺面的白色卡片。更準(zhǔn)確地說，它不是“夾”起，而是“撬”起：一側(cè)夾片先壓住卡片的邊緣，以桌面當(dāng)支點(diǎn)，另一端則被頂起；對應(yīng)的夾片順勢合攏，兩側(cè)同時發(fā)力，將卡片整張?zhí)崞稹?/p>

正如視頻所見，整個過程并不優(yōu)雅，甚至有點(diǎn)笨：角度偏一些、力度大一點(diǎn)，卡片就會滑落。但它會一次次試、一次次修正，最后總能找到更合適的著力點(diǎn)。

對實(shí)驗(yàn)結(jié)果感到詫異的不只有你。就連橡木果機(jī)器人（Acorn Robot）的發(fā)起人姜峣（清華機(jī)械工程博士、哈佛大學(xué)神經(jīng)科學(xué)博士后）都稱之為“驚喜”。“它不是一次成功，”他回憶道，“但試了八九次之后，它竟然自己找到了辦法。”

談及此處，姜峣的眼神里仍帶著興奮，像極了第一次在語言模型身上感受到智能涌現(xiàn)。他將機(jī)器人這套“靠自己摸索出來的策略”稱之為“本能驅(qū)動下的行為涌現(xiàn)”；驅(qū)動它的，是橡木果的端側(cè)自主決策模型 Natus。

該模塊是橡木果面向 B 端柔性制造場景的首款產(chǎn)品，目前已走完國內(nèi) Top1 化妝品企業(yè)的概念驗(yàn)證（POC）階段，實(shí)現(xiàn)了規(guī)模化部署。

在橡木果的研發(fā)管線里，還有更多形態(tài)的執(zhí)行模塊。它們每天孜孜不倦地練習(xí)抓取各種物品：從礦泉水瓶到橡膠軟球，從香蕉到豆腐，以及異形不規(guī)則件。

圖注：橡木果冷啟動自主探索抓取各類異形物體

這些看似笨拙的試探，都指向了同一個發(fā)現(xiàn)：

如果機(jī)器人在幾乎沒有“示范數(shù)據(jù)模板”的情況下，依然能靠實(shí)踐摸索出有效策略，那執(zhí)行層真正缺的，可能并不是更多的軌跡數(shù)據(jù)，而是一套能激發(fā)它“先動起來、先試起來”的底層機(jī)制。

這也是姜峣面對當(dāng)前主流具身路線最犀利的反思：VLA、世界模型、仿真學(xué)習(xí)并非毫無價值，但它們太容易在操作執(zhí)行的“最后一厘米”掉鏈子。

執(zhí)行側(cè)：具身智能最沉默的困局

無論是試圖端到端閉環(huán)的 VLA，還是推演物理未來的“世界模型”，本質(zhì)上都帶著語言模型“大力出奇跡”的慣性：以為只要看過的視頻夠多、數(shù)據(jù)喂得夠足，操作智能就能自然涌現(xiàn)。但一旦涉足真實(shí)的物理交互，這套邏輯無疑將撞上兩座大山：接觸與本體。

操作的本質(zhì)是物理接觸，摩擦、阻尼、力傳導(dǎo)……這些現(xiàn)在世界里無處不在的變量，在世界模型卻難以穩(wěn)定建模。它或許能精準(zhǔn)地生成一段“機(jī)器人抓取水杯”的預(yù)測視頻，但卻無法算出指尖與杯壁接觸瞬間的相對摩擦，更無法預(yù)判玻璃滑落前那微小的形變。

視覺上的“看起來會”，掩蓋不了執(zhí)行層的“做不到”。

此外，操作必須通過具體的本體去執(zhí)行，而每臺機(jī)器人的關(guān)節(jié)磨損、裝配松緊都有微小差異。橡木果團(tuán)隊(duì)做過對比實(shí)驗(yàn)：兩臺同款夾爪，采用同一套模型參數(shù)，僅僅是導(dǎo)軌松緊存在差異，在執(zhí)行側(cè)的效果也會大相徑庭。

接觸的不可預(yù)測與本體的微小差異，注定了數(shù)據(jù)驅(qū)動的路線是個填不滿的無底洞。行為模式難以窮盡，模型訓(xùn)練必須覆蓋所有場景和硬件偏差，但哪怕全球最大的開源機(jī)器人數(shù)據(jù)集已達(dá)到百萬回合的運(yùn)動軌跡，依然無法激發(fā)出模型在執(zhí)行層的泛化能力。

圖注：Open X-Embodiment (OXE) 目前全球最大的開源機(jī)器人數(shù)據(jù)集，包含來自全球 34 個研究實(shí)驗(yàn)室的 22 種不同機(jī)器人載體收集的超過一百萬個機(jī)器人回合。

更要命的是，在按秒計(jì)費(fèi)的產(chǎn)線上，沒人等得起大模型數(shù)秒才能走完的推理閉環(huán)，VLA 動輒數(shù)秒的延遲，連進(jìn)場作業(yè)的資格都沒有。

這讓姜峣堅(jiān)信：沒有絕對通用的最好模型，只有最適配這臺機(jī)器的模型。VLA 想用數(shù)據(jù)解決操作問題，但采集成百上千小時的高質(zhì)量遙操作數(shù)據(jù)，本身就需要極高的操作門檻。

“操作一定要在實(shí)踐中學(xué)習(xí)，但實(shí)踐的前提是你必須先能夠?qū)嵺`起來。”這是姜峣對于機(jī)器人執(zhí)行的第二個關(guān)鍵判斷，它揭示了 VLA 在執(zhí)行側(cè)的死穴，同時也是橡木果“另起爐灶”的起點(diǎn)。

跨界學(xué)科撞出的無人區(qū)

這套判斷，并非從文獻(xiàn)推導(dǎo)來的。

在清華機(jī)械工程系讀博期間，姜峣天天和阻抗控制、力學(xué)建模打交道，這讓他對物理交互有著根深蒂固的直覺：操作的本質(zhì)是力學(xué)行為，而非視覺問題。

2016 年，他去哈佛做神經(jīng)科學(xué)博士后，研究方向變成了人腦的運(yùn)動控制。實(shí)驗(yàn)室做了大量感知干擾實(shí)驗(yàn)：屏蔽視覺、干擾觸覺，觀察人手操作的變化。他發(fā)現(xiàn)，無論怎么干擾，人類最基本的抓取動作始終不變。

“那個永遠(yuǎn)不變的部分，就是本能，”姜峣意識到。語言沒環(huán)境學(xué)不會，但沒人教過嬰兒怎么抓東西，全人類卻抓得高度一致。這不是因?yàn)橐娺^了足夠多的場景，而是因?yàn)橛幸惶谆谟|覺和力學(xué)的先天機(jī)制。

兩套看起來八竿子打不著的學(xué)科語言在姜峣身上對齊了：操作的本質(zhì)不是擬合視覺軌跡，而是力學(xué)規(guī)律；人類的通用操作能力，源于本能，而非數(shù)據(jù)。

把“本能”移植給機(jī)器人，這在當(dāng)時是絕對的“無人區(qū)”。2018 年回國建實(shí)驗(yàn)室時，“具身智能”還沒出圈，VLA 尚未大行其道，同行覺得他在講玄學(xué)，投資人聽不懂……

姜峣沒有急著說服外界，而是極其審慎地培養(yǎng)同路人：實(shí)驗(yàn)室會要求大二便進(jìn)組觀察，先看能力，更看“是否理解數(shù)據(jù)驅(qū)動解決不了執(zhí)行側(cè)死結(jié)、是否相信本能”。算法再強(qiáng)但不認(rèn)同這一點(diǎn)的人，他不要。新成員進(jìn)組，必須經(jīng)實(shí)驗(yàn)室全體博士生認(rèn)可。最長的一位，更是跟了他 10 年。

2024 年創(chuàng)業(yè)時，組里 8 位博士一致選擇加入了橡木果。更罕見的是，這些人私下有個共識：如果公司哪天不堅(jiān)守“本能驅(qū)動”，他們就不繼續(xù)效力。這不是創(chuàng)業(yè)故事里常見的情懷，而是認(rèn)知共識在對抗行業(yè)慣性前，必須建立的防線。

因?yàn)樗麄円业模恰安僮鲗用娴娜f有引力”。

是規(guī)律，不是規(guī)則

這意味著必須放棄擬合軌跡的執(zhí)念。牛頓沒有窮盡每一條運(yùn)動軌跡，而是用一條不含任何運(yùn)動參數(shù)的萬有引力定律，支配了所有運(yùn)動。姜峣把同樣的邏輯搬到了操作上：VLA 在學(xué)軌跡，橡木果在找規(guī)律。

規(guī)則是把操作算法寫死，而規(guī)律只給約束。基于對物理交互的下探，姜峣將這條規(guī)律提煉為三類操作本能：

• 定向本能解決“去哪”——與視覺協(xié)同，指引末端向目標(biāo)移動，就像嬰兒看到移動物體時自然轉(zhuǎn)頭追隨；

• 探索本能解決“怎么碰”——這是最復(fù)雜、也最體現(xiàn)智能涌現(xiàn)的一環(huán)。接觸發(fā)生后，機(jī)器人不依賴預(yù)設(shè)程序或模仿，而是沿物體表面自主試探，尋找穩(wěn)定的接觸構(gòu)型；

• 執(zhí)行交互本能解決“怎么抓”——以“滑移最小化”為核心，實(shí)時調(diào)節(jié)抓取力度。抓豆腐時輕柔，抓錘子時緊實(shí)，裝配時自適應(yīng)阻力。所有調(diào)控全憑觸覺實(shí)時反饋，無需任何訓(xùn)練數(shù)據(jù)。

沒有人告訴開篇的那個夾爪“從側(cè)面撬卡片”，它只有“找到穩(wěn)定接觸”的底層期望，撬的動作便在物理約束下自然涌現(xiàn)。

但要讓這套本能真正閉環(huán)，必須跨過一個關(guān)鍵技術(shù)門檻：滑移感知。“就像你站在高鐵上，想感知車廂和地面的相對速度，”姜峣解釋，“你嵌在其中一方，幾乎沒有參照物。”

團(tuán)隊(duì)花了 7 年，迭代十余版原型機(jī)，才把微米級滑移感知做到穩(wěn)定可用。有了它，機(jī)器人遇到任何物體，都能在接觸中實(shí)時感知“要滑了”并自動修正——不需要提前知道物體是什么。這也是零數(shù)據(jù)冷啟動能夠成立的物理基石。

有了這三套“本能規(guī)律”，便可激發(fā)機(jī)器的無窮多行為。

Natus 與 Magis：從本能到技能

被 Natus 模型驅(qū)動的“行為涌現(xiàn)”，在端側(cè)可實(shí)時控制：200Hz 響應(yīng)，毫秒級延時，無云端依賴，出廠時針對具體硬件的力學(xué)特性單獨(dú)適配。它的核心使命，就是解開前文那個“沒能力就不能實(shí)踐”的死結(jié)：讓機(jī)器人“第一天上產(chǎn)線就能用”。

但一直靠本能探索效率太低，這便是第二層模型 Magis 存在的意義。

Natus 探索產(chǎn)生的數(shù)據(jù)，不是普通的視頻軌跡，而是帶有觸覺語義的記錄：視覺看到“一根香蕉”，觸覺同步標(biāo)注“重 120 克，質(zhì)心偏左，表皮粗糙”。

這類帶力學(xué)標(biāo)注的視覺數(shù)據(jù)送入 Magis 訓(xùn)練，得到的技能模型對物理世界的理解，遠(yuǎn)比純視覺數(shù)據(jù)深得多——它知道怎么抓，而不只是看起來像在抓。

Magis 成熟后，熟悉場景可直接調(diào)用技能，陌生場景則退回 Natus 探索，新數(shù)據(jù)再沉淀進(jìn) Magis。一方面本能持續(xù)涌現(xiàn)，可以兜底；另一方面技能越積越厚，不斷進(jìn)化。

“我們顛覆了現(xiàn)在所有數(shù)據(jù)采集的方式，”姜峣說，“最好的數(shù)據(jù)來源不是仿真，不是人工遙操，而是產(chǎn)品自己在真實(shí)物理世界里跑出來的。”

換產(chǎn)不停線：零數(shù)據(jù)的真實(shí)價碼

這套“自己跑出數(shù)據(jù)、自己長出技能”的能力，最迫切的場景在哪？

橡木果選擇了柔性制造，姜峣認(rèn)為，這是權(quán)衡過執(zhí)行側(cè)門檻和市場痛點(diǎn)后最佳的交叉點(diǎn)。

化妝品 ODM 行業(yè)是典型。SKU 超百種，幾周一換，每次換產(chǎn)就要停線調(diào)參，它的痛點(diǎn)不是機(jī)器不夠快，是機(jī)器認(rèn)不出新物料。更棘手的是物料本身：粉餅極度易碎，稍用力就留印；香薰燈芯細(xì)軟不均，力大了拔出，力小了拽不動。這類任務(wù)無法用規(guī)則覆蓋，VLA 訓(xùn)練成本極高，傳統(tǒng)自動化束手無策。

但對 Natus 來說，換了 SKU，只需自己探索，不停線、不調(diào)參、不叫工程師，這才是“零數(shù)據(jù)冷啟動”對產(chǎn)線的真實(shí)價值。

據(jù)介紹，橡木果在國內(nèi)頭部化妝品企業(yè)完成 POC，從啟動到驗(yàn)證不到兩個月，隨即進(jìn)入規(guī)模化部署，在手訂單突破 2000 萬元。

圖注：具身智能的兩條技術(shù)路徑：自上而下數(shù)據(jù)擬合 vs 自下而上本能驅(qū)動

對于技術(shù)路線更長期的判斷，姜峣認(rèn)為，Natus 和大模型從來不是競爭，而是分工：大模型負(fù)責(zé)理解任務(wù)、規(guī)劃步驟，Natus/Magis 負(fù)責(zé)毫秒級的物理執(zhí)行，一個做規(guī)劃，一個做操作，接口協(xié)同，各司其職。

這不是妥協(xié)，而是回歸操作本質(zhì)的必然。就像生物進(jìn)化把操作反射交給了脊髓，而不是每次觸覺都等大腦重新決策——這個判斷，從他 8 年前在哈佛和清華的跨界碰撞中，就沒變過。

聲明：本文為 AI 前線原創(chuàng)，不代表平臺觀點(diǎn)，未經(jīng)許可禁止轉(zhuǎn)載。

會議推薦

企業(yè)級 Agent 落地，繞不開 4 個真實(shí)的工程問題！如何在 Agent 安全性和可用性之間找到平衡點(diǎn)？Agent 需要什么樣的記憶系統(tǒng)才能真正理解上下文？如何通過算法壓榨實(shí)現(xiàn)智力增量與成本控制的極致平衡？多 Agent 協(xié)作，如何做到可觀測、可治理、可控制？6.26-27 AICon 上海站，國內(nèi)頭部公司的 Agent 實(shí)踐，一次說透。

今日薦文

你也「在看」嗎？