一場(chǎng)關(guān)于“具身智能”的變革，正在以前所未有的速度席卷而來(lái)。

從文本到圖像，從二維到三維，人工智能的觸角正不斷延伸，基于文本和圖像處理的開(kāi)源模型已無(wú)法滿足具身智能對(duì)三維空間感知和動(dòng)態(tài)交互的需求，這使得自主研發(fā)底層模型成為行業(yè)發(fā)展的必然選擇，而多模態(tài)融合則是驅(qū)動(dòng)這場(chǎng)變革的核心引擎。

機(jī)器人不再是冰冷的機(jī)械，而是具備感知、理解、交互能力的智能體，它們正以前所未有的速度融入我們的生活，重塑著產(chǎn)業(yè)的邊界。而這場(chǎng)變革的核心驅(qū)動(dòng)力，無(wú)疑是多模態(tài)技術(shù)的崛起。

本期專訪，雷峰網(wǎng)對(duì)話了虛擬動(dòng)點(diǎn)董事長(zhǎng)兼CEO劉耀東，他們基于對(duì)行業(yè)痛點(diǎn)的深刻理解，自主研發(fā)了一套針對(duì)3D數(shù)據(jù)處理的底層模型LYDIA。也因此擁有了更大的自主性和領(lǐng)先優(yōu)勢(shì)。更值得關(guān)注的是，隨著多模態(tài)技術(shù)的不斷演進(jìn)，圖像識(shí)別、動(dòng)作驅(qū)動(dòng)等技術(shù)之間的融合正在加速，這不僅將推動(dòng)機(jī)器人感知能力的躍遷，也將引發(fā)整個(gè)行業(yè)的技術(shù)迭代和市場(chǎng)擴(kuò)張。

虛擬動(dòng)點(diǎn)入局空間計(jì)算多年，基于在動(dòng)作捕捉領(lǐng)域的案例累積，公司不僅擁有大量、高精度、高質(zhì)量的動(dòng)作數(shù)據(jù)，也在持續(xù)產(chǎn)出更多的優(yōu)質(zhì)數(shù)據(jù)，為人形機(jī)器人動(dòng)作訓(xùn)練提供依托。

在與劉耀東的訪談過(guò)程中，我們深入剖析了虛擬動(dòng)點(diǎn)的技術(shù)路線、市場(chǎng)戰(zhàn)略，以及對(duì)行業(yè)未來(lái)趨勢(shì)的研判，看他們技術(shù)如何落地，如何解決行業(yè)難題，力求為讀者呈現(xiàn)一個(gè)更清晰、更全面的產(chǎn)業(yè)圖景。

以下是媒體與劉耀東的對(duì)談實(shí)錄，雷峰網(wǎng)(公眾號(hào)：雷峰網(wǎng))在不改變?cè)獾那闆r下做了編輯和調(diào)整：

? 全球范圍內(nèi)，是否有其他公司也在探索空間計(jì)算與生成式AI的結(jié)合？ 虛擬動(dòng)點(diǎn)在這一領(lǐng)域的競(jìng)爭(zhēng)優(yōu)勢(shì)是什么？

我們堅(jiān)信，憑借深厚的技術(shù)積淀，我們?cè)诳臻g計(jì)算領(lǐng)域擁有顯著的競(jìng)爭(zhēng)優(yōu)勢(shì)。首先，從技術(shù)儲(chǔ)備的廣度而言，我們或?yàn)槿蛭ㄒ灰患彝瑫r(shí)具備光學(xué)、無(wú)標(biāo)記以及大模型技術(shù)的空間計(jì)算解決方案提供商。這種跨領(lǐng)域的技術(shù)整合能力，使我們得以在多個(gè)關(guān)鍵技術(shù)維度協(xié)同發(fā)力，構(gòu)建起獨(dú)特的綜合優(yōu)勢(shì)。

其次，在技術(shù)儲(chǔ)備的深度方面，我們亦有卓越表現(xiàn)。以機(jī)器人視覺(jué)為例，我們自主研發(fā)的雙目攝像頭圖像傳感器，為硬件性能提供了堅(jiān)實(shí)保障。在算法層面，我們成功實(shí)現(xiàn)了從傳統(tǒng)無(wú)標(biāo)記算法到 SLAM 算法的迭代升級(jí)，顯著提升了定位與建模的精度與效率。此外，在數(shù)據(jù)積累方面，雖然我們無(wú)法確知其他競(jìng)爭(zhēng)對(duì)手的數(shù)據(jù)規(guī)模，但我們對(duì)自身的數(shù)據(jù)積累情況了如指掌。正是基于海量的數(shù)據(jù)資源，我們成功訓(xùn)練出了高性能的動(dòng)作大模型，這充分印證了我們?cè)跀?shù)據(jù)驅(qū)動(dòng)方面的領(lǐng)先地位，也進(jìn)一步鞏固了我們?cè)诩夹g(shù)廣度和深度上的優(yōu)勢(shì)。

第三個(gè)優(yōu)勢(shì)則源于我們過(guò)往豐富的成功經(jīng)驗(yàn)。正如大家在視頻中所見(jiàn)，我們?cè)鵀槎喾N形態(tài)的機(jī)器人提供技術(shù)賦能，涵蓋了從具備跳躍能力的機(jī)器人到能夠精準(zhǔn)操作文件的機(jī)器人等多種類型。這些實(shí)踐經(jīng)驗(yàn)不僅見(jiàn)證了整個(gè)機(jī)器人行業(yè)的發(fā)展歷程，更為我們積累了寶貴的行業(yè)知識(shí)和技術(shù)訣竅（know-how）。對(duì)于技術(shù)公司而言，這種經(jīng)驗(yàn)儲(chǔ)備至關(guān)重要，它能夠幫助我們更深入地理解行業(yè)需求，更快速地解決技術(shù)難題，并推動(dòng)技術(shù)創(chuàng)新。因此，我們認(rèn)為，這些過(guò)往的成功經(jīng)驗(yàn)也是我們重要的競(jìng)爭(zhēng)優(yōu)勢(shì)之一。

? 新發(fā)布的具身智能相關(guān)技術(shù)，與利亞德現(xiàn)有光電業(yè)務(wù)之間，在協(xié)同效應(yīng)和未來(lái)發(fā)展方面有哪些潛力？

利亞德集團(tuán)的業(yè)務(wù)板塊廣受關(guān)注，其中，智能顯示板塊專注于各類屏幕的研發(fā)與制造，我們將其定位為產(chǎn)品型公司；文旅夜游板塊則側(cè)重于景觀亮化和業(yè)態(tài)打造，我們將其視為超大規(guī)模集成服務(wù)商。

虛擬動(dòng)點(diǎn)則專注于AI與空間計(jì)算技術(shù)的研發(fā)，以往我們將其定義為技術(shù)型公司，如今，我們通過(guò)將產(chǎn)品、場(chǎng)景與技術(shù)交互緊密結(jié)合，串聯(lián)起了一個(gè)更為宏大的故事。

未來(lái)，如果我們能夠?qū)⑦@些技術(shù)應(yīng)用于具身智能領(lǐng)域，無(wú)論是采用機(jī)器人還是其他載體，這個(gè)模式的邏輯依然成立，即通過(guò)技術(shù)串聯(lián)起不同的應(yīng)用場(chǎng)景。此外，就機(jī)器人本身而言，我認(rèn)為利亞德集團(tuán)在光電顯示領(lǐng)域的屏幕技術(shù)，也可能在機(jī)器人領(lǐng)域發(fā)揮重要作用。例如，今天展示的這款機(jī)器人，其頭部就配備了多個(gè)屏幕，這或許預(yù)示著顯示技術(shù)在機(jī)器人領(lǐng)域應(yīng)用的未來(lái)趨勢(shì)。我們相信，這些技術(shù)協(xié)同效應(yīng)將為集團(tuán)的整體發(fā)展帶來(lái)新的增長(zhǎng)動(dòng)力。

? 從今天的演講來(lái)看，空間計(jì)算技術(shù)連接著機(jī)器人的運(yùn)動(dòng)控制和環(huán)境感知等多個(gè)層面。這種理解是否準(zhǔn)確？空間計(jì)算技術(shù)在軟件層面的存在，以及其對(duì)硬件層面的驅(qū)動(dòng)作用，是否構(gòu)成了一個(gè)完整的技術(shù)閉環(huán)？

我們可以這樣理解：空間計(jì)算這項(xiàng)技術(shù)，雖然從復(fù)雜性角度而言并非極其深?yuàn)W，但其價(jià)值卻非常獨(dú)特。

一個(gè)直觀的例子是，當(dāng)蘋果公司發(fā)布Vision Pro時(shí)，‘空間計(jì)算’這個(gè)概念才真正進(jìn)入大眾視野。盡管這項(xiàng)技術(shù)的起源并非蘋果，但蘋果的運(yùn)用讓人們意識(shí)到，通過(guò)佩戴頭顯設(shè)備，我們似乎可以進(jìn)入一個(gè)數(shù)字世界，并通過(guò)手勢(shì)實(shí)現(xiàn)各種投屏和交互操作。這在一定程度上印證了我們之前所提到的，空間計(jì)算技術(shù)作為一種軟件層面的工具，能夠?qū)⑽锢硎澜绲慕换ヅc數(shù)字世界連接起來(lái)。

正是那時(shí)，我們認(rèn)識(shí)到空間計(jì)算技術(shù)首次實(shí)現(xiàn)了人類實(shí)體世界與數(shù)字世界的真正聯(lián)通。正如我們開(kāi)場(chǎng)視頻中所展示的那樣，空間計(jì)算技術(shù)連接著虛擬與現(xiàn)實(shí)，并促進(jìn)兩者之間的互動(dòng)。它具備將數(shù)字孿生等虛擬概念與現(xiàn)實(shí)世界進(jìn)行雙向交互的能力，而這正是其獨(dú)特的價(jià)值所在?！?/p>

從技術(shù)起源來(lái)看，空間計(jì)算的概念最早可追溯至2000年代初，是麻省理工學(xué)院Simon Greenwold 在其2003 年的論文中引入的一個(gè)術(shù)語(yǔ)。需要明確的是，空間計(jì)算并非一項(xiàng)單一技術(shù)，而是一個(gè)概念，類似于‘智慧城市’。

智慧城市并非單一技術(shù)，而是多種技術(shù)的整合。同樣，要實(shí)現(xiàn)空間計(jì)算，需要足夠的算法、算力以及傳感器融合等多種技術(shù)的協(xié)同。盡管該概念在提出之初就引發(fā)了廣泛關(guān)注，但由于當(dāng)時(shí)的技術(shù)條件尚不成熟，空間計(jì)算并未得到廣泛應(yīng)用。

直到近年來(lái)，隨著相關(guān)技術(shù)的進(jìn)步，空間計(jì)算才再次進(jìn)入人們的視野。就全球范圍而言，空間計(jì)算技術(shù)的發(fā)展歷程大致如此。而對(duì)于利亞德集團(tuán)來(lái)說(shuō)，我們?cè)缧┠暌恢痹谶M(jìn)行動(dòng)作捕捉技術(shù)的研究，隨后逐步演進(jìn)到空間計(jì)算領(lǐng)域。

? 隨著聯(lián)合實(shí)驗(yàn)室的成立，未來(lái)該實(shí)驗(yàn)室的主要研究方向?qū)⒕劢褂谀男╊I(lǐng)域？同時(shí)，其具體應(yīng)用場(chǎng)景又將涵蓋哪些方面？”

關(guān)于聯(lián)合實(shí)驗(yàn)室未來(lái)的發(fā)展方向，實(shí)際上我和姜博士（松延動(dòng)力創(chuàng)始人、董事長(zhǎng)姜哲源）都已有所提及。首先，姜博士強(qiáng)調(diào)了我們將共同構(gòu)建全球最大的高精度數(shù)據(jù)庫(kù)，這一數(shù)據(jù)庫(kù)將基于我們?cè)丛床粩喈a(chǎn)生的機(jī)器人訓(xùn)練數(shù)據(jù)，而非傳統(tǒng)的人形數(shù)據(jù)。這不僅對(duì)他們公司本身有價(jià)值，對(duì)整個(gè)產(chǎn)業(yè)而言也具有重要意義。正如剛才記者朋友所言，這個(gè)數(shù)據(jù)庫(kù)并非只服務(wù)于一家公司，一旦形成，它將可以服務(wù)于所有相關(guān)企業(yè)。

其次，我們將重點(diǎn)關(guān)注SLAM（即時(shí)定位與地圖構(gòu)建）算法的研發(fā)，這對(duì)于提升機(jī)器人的‘眼睛’至關(guān)重要。目前，機(jī)器人廠商在空間感知能力方面主要采用兩種技術(shù)路線：機(jī)器視覺(jué)和紅外雷達(dá)。我們更傾向于機(jī)器視覺(jué)，因?yàn)槲覀冊(cè)谠缙谶M(jìn)行動(dòng)作捕捉時(shí)就大量采用了攝像頭。因此，我們將與合作方在SLAM算法方面進(jìn)行深入合作，并取得更多突破。

以上是短期內(nèi)雙方將著力解決的問(wèn)題。從長(zhǎng)遠(yuǎn)來(lái)看，我們的目標(biāo)是推動(dòng)機(jī)器人走進(jìn)家庭。這可能是一個(gè)循序漸進(jìn)的過(guò)程，因?yàn)榧彝キh(huán)境的容錯(cuò)率相對(duì)較低，而B(niǎo)端（企業(yè)端）的容錯(cuò)率則相對(duì)較高。正如我之前與其他媒體朋友所討論的，松延動(dòng)力公司的愿景是讓機(jī)器人走進(jìn)千家萬(wàn)戶，成為人們的‘保姆’。。我們目前正在幫助他們進(jìn)行泛化訓(xùn)練，即讓機(jī)器人具備切菜、洗碗、放置物品等能力。這已經(jīng)超越了底層技術(shù)層面，轉(zhuǎn)向了具體的應(yīng)用型訓(xùn)練。

因此，我們的聯(lián)合實(shí)驗(yàn)室初期將圍繞上述兩到三個(gè)方向展開(kāi)研究，未來(lái)將根據(jù)實(shí)際需求進(jìn)行調(diào)整。

? 在選擇合作伙伴時(shí)的標(biāo)準(zhǔn)和要求是什么？更側(cè)重于其業(yè)務(wù)的實(shí)際運(yùn)作模式，還是更看重創(chuàng)始人的個(gè)人特質(zhì)和理念？

一般來(lái)說(shuō)，我們會(huì)從技術(shù)合作伙伴的角度來(lái)談更為合理。

第一，我們希望合作伙伴像松延動(dòng)力（或其他暫不便透露名稱的公司）一樣，在機(jī)器人本體方面擁有成熟的技術(shù)和領(lǐng)先的實(shí)力。如果合作伙伴在機(jī)器人硬件層面無(wú)法解決足夠多的問(wèn)題，我們的技術(shù)就無(wú)法有效應(yīng)用，這將浪費(fèi)雙方的時(shí)間。因此，我們對(duì)合作伙伴的硬件基礎(chǔ)有一定的要求。

第二，我們希望看到合作伙伴團(tuán)隊(duì)整體的技術(shù)決心和執(zhí)行力都比較高。正如大家所看到的，我們團(tuán)隊(duì)每年都會(huì)發(fā)布技術(shù)進(jìn)展，包括去年發(fā)布的大模型和今年發(fā)布的新產(chǎn)品。大家可能會(huì)覺(jué)得我們的效率很高，這源于我們團(tuán)隊(duì)成員積極的心態(tài)和高效的執(zhí)行力。因此，我們希望合作伙伴在節(jié)奏上與我們保持一致。

第三，我們希望合作伙伴與我們形成互補(bǔ)關(guān)系。也就是說(shuō)，他們的優(yōu)勢(shì)領(lǐng)域正好是我們不擅長(zhǎng)的，而我們擅長(zhǎng)的領(lǐng)域他們則無(wú)需再投入精力。我們更傾向于選擇能與我們形成互補(bǔ)的合作伙伴，這樣才能實(shí)現(xiàn)資源的最大化利用?！?/p>

? 我們?yōu)楹芜x擇與合作伙伴進(jìn)行聯(lián)合開(kāi)發(fā)，而非自行成立工作室或收購(gòu)現(xiàn)有機(jī)器人公司進(jìn)行制作機(jī)器人？

我們選擇合作伙伴模式，而非自行制造機(jī)器人，主要基于以下幾點(diǎn)考量：

第一，機(jī)器人制造本身屬于精密制造和高端制造領(lǐng)域，堪稱全球天花板行業(yè)，與汽車制造類似。無(wú)論是資金投入還是技術(shù)積累，我們目前都不具備獨(dú)立制造機(jī)器人的能力。如果強(qiáng)行進(jìn)入，勢(shì)必會(huì)分散我們有限的資源和精力。

第二，我們有明確的戰(zhàn)略定位，即‘不造機(jī)器人，而是幫助合作伙伴造更好的機(jī)器人’。這與華為‘不造車，而是幫助所有汽車更智能’的理念相似。我們不希望與任何機(jī)器人廠商形成競(jìng)爭(zhēng)關(guān)系，而是希望與所有廠商合作，我們致力于成為機(jī)器人行業(yè)的賦能者，而非競(jìng)爭(zhēng)者。

此外，還有一個(gè)因素促使我們選擇合作模式，并讓我們充滿激情地投入其中。目前，網(wǎng)上有很多機(jī)器人具身智能產(chǎn)業(yè)鏈圖譜，詳細(xì)列出了機(jī)器人各個(gè)零部件的成本占比，例如絲杠、電機(jī)、軸承等。證券類媒體甚至?xí)?jù)此計(jì)算機(jī)器人的毛利率。但我想強(qiáng)調(diào)的是，這些硬件決定了機(jī)器人能力的下限，即機(jī)器人無(wú)法做到什么。然而，機(jī)器人能力的上限，例如通過(guò)算法讓動(dòng)作精度提升0.1度所帶來(lái)的價(jià)值，卻很少被計(jì)算或重視。我們認(rèn)為，數(shù)據(jù)和算法是決定機(jī)器人價(jià)值的關(guān)鍵因素，但目前尚未被資本和媒體充分認(rèn)識(shí)。我們的價(jià)值和優(yōu)勢(shì)在于此，而這也將是機(jī)器人真正進(jìn)入產(chǎn)業(yè)鏈后所能體現(xiàn)的價(jià)值所在。雖然硬件的抗擊打能力和電機(jī)的承載能力也很重要，但這些都是顯性的。我們更關(guān)注隱性的數(shù)據(jù)和算法價(jià)值，并希望將其最大化。

? 如果要達(dá)到‘讓機(jī)器人進(jìn)入千家萬(wàn)戶，成為家庭助手’這一目標(biāo)節(jié)點(diǎn)，從當(dāng)前建立數(shù)據(jù)庫(kù)的時(shí)間點(diǎn)來(lái)看，您認(rèn)為我們需要多少年的數(shù)據(jù)積累才能實(shí)現(xiàn)這一目標(biāo)？

在探討數(shù)據(jù)積累時(shí)間之前，首先需要明確數(shù)據(jù)庫(kù)的規(guī)模。如果我們以當(dāng)前我們所擁有的數(shù)據(jù)庫(kù)為基準(zhǔn)，我們有信心認(rèn)為，目前我們可能處于全球前三的領(lǐng)先地位。

其次，關(guān)于如何定義動(dòng)作數(shù)據(jù)，這本身就是一個(gè)復(fù)雜的問(wèn)題。與文本或圖像數(shù)據(jù)不同，動(dòng)作數(shù)據(jù)的衡量標(biāo)準(zhǔn)并不明確。例如，自然語(yǔ)言處理（NLP）的數(shù)據(jù)量可以測(cè)量為單詞數(shù)量，圖像數(shù)據(jù)可以測(cè)量為像素?cái)?shù)量和幀數(shù)，都有明確的單位和標(biāo)準(zhǔn)。但對(duì)于動(dòng)作數(shù)據(jù)，例如‘拿起水瓶’這個(gè)動(dòng)作，我們應(yīng)該如何衡量？是測(cè)量骨關(guān)節(jié)角度、肌肉長(zhǎng)度，還是時(shí)間幀率？每個(gè)人的動(dòng)作模式都可能不同，這使得動(dòng)作數(shù)據(jù)的復(fù)雜性遠(yuǎn)高于文本或圖像數(shù)據(jù)。因此，動(dòng)作數(shù)據(jù)的積累和定義，遠(yuǎn)比文生圖的數(shù)據(jù)處理要復(fù)雜得多。

? 在人形機(jī)器人中，光學(xué)和算法的重要性體現(xiàn)在哪些方面？以及利亞德在這些關(guān)鍵算法領(lǐng)域，相較于同行業(yè)競(jìng)爭(zhēng)對(duì)手，具備哪些競(jìng)爭(zhēng)優(yōu)勢(shì)？

針對(duì)機(jī)器人領(lǐng)域，我們提供的算法主要分為兩大類別。第一類，我們稱之為‘空間感知’算法。這類算法通過(guò)攝像頭等傳感器獲取環(huán)境信息，使機(jī)器人能夠從視覺(jué)層面理解其所處的環(huán)境。在視覺(jué)理解的基礎(chǔ)上，算法進(jìn)一步處理圖像，構(gòu)建出三維空間模型。這其中，算法需要理解物體之間的關(guān)系，例如，確定機(jī)器人與目標(biāo)物體之間的距離。

第二類算法，則專注于控制機(jī)器人的肢體運(yùn)動(dòng)，并維持動(dòng)作的穩(wěn)定性。這類算法與機(jī)器人本體的控制算法緊密耦合，例如，維持機(jī)器人重心的算法。不同算法之間會(huì)產(chǎn)生協(xié)同作用。因此，我們目前的核心價(jià)值體現(xiàn)在兩個(gè)方面：一是通過(guò)空間感知算法，實(shí)現(xiàn)對(duì)環(huán)境的理解、判斷和決策過(guò)程；二是通過(guò)肢體控制算法，實(shí)現(xiàn)動(dòng)作的選擇、執(zhí)行和保持過(guò)程。這兩大類算法構(gòu)成了我們?yōu)闄C(jī)器人領(lǐng)域提供的核心解決方案。

? 人形機(jī)器人在實(shí)際應(yīng)用中，是否會(huì)面臨場(chǎng)景適配的問(wèn)題？也就是說(shuō)，是否需要針對(duì)不同的應(yīng)用場(chǎng)景進(jìn)行定制化的調(diào)整？

關(guān)于人形機(jī)器人算法的泛化能力，我認(rèn)為經(jīng)過(guò)足夠的數(shù)據(jù)訓(xùn)練、算法優(yōu)化，并達(dá)到一定的量級(jí)之后，其泛化能力將顯著提升，最終實(shí)現(xiàn)跨場(chǎng)景的通用性。正如某位國(guó)外專家所言，理想狀態(tài)是每個(gè)人身邊都有一位機(jī)器人助手，能夠勝任各種場(chǎng)景下的任務(wù)，類似于智能體助手。

然而，目前全球范圍內(nèi)，大多數(shù)廠商都采取了先聚焦特定場(chǎng)景的策略，在解決特定場(chǎng)景下的問(wèn)題后，再逐步擴(kuò)展至其他場(chǎng)景。這種模式在行業(yè)內(nèi)普遍存在，即先深耕某個(gè)具體行業(yè)，待在該行業(yè)積累足夠經(jīng)驗(yàn)后再擴(kuò)展至其他行業(yè)。例如，松延動(dòng)力的目標(biāo)是直接進(jìn)入家庭場(chǎng)景，但我們認(rèn)為，這仍然需要一個(gè)循序漸進(jìn)的路徑，即先基于特定的行業(yè)場(chǎng)景，積累經(jīng)驗(yàn)，再逐步泛化到千家萬(wàn)戶的各種工業(yè)和生活場(chǎng)景，這是一個(gè)必然的發(fā)展過(guò)程。

? 基于我們與合作公司的討論，他們希望人形機(jī)器人能夠承擔(dān)保姆等家庭服務(wù)職責(zé)。那么，在傳統(tǒng)的機(jī)器人研發(fā)框架下，我們的空間計(jì)算技術(shù)在機(jī)器人與環(huán)境及人的交互方面，能夠帶來(lái)哪些創(chuàng)新和改變呢？

簡(jiǎn)單來(lái)說(shuō)，我們的價(jià)值體現(xiàn)在兩個(gè)方面：一是環(huán)境感知和距離判斷，二是交互控制和動(dòng)作規(guī)劃。

正如我們之前所討論的，核心在于賦予機(jī)器人感知空間并自主判斷的能力。例如，在實(shí)驗(yàn)室中，我們進(jìn)行了以下實(shí)驗(yàn)：當(dāng)指令機(jī)器人尋找鑰匙時(shí)，它首先需要理解“鑰匙”的概念。然后，通過(guò)圖像采集，機(jī)器人需要在環(huán)境中定位鑰匙的位置。在識(shí)別鑰匙并定位后，機(jī)器人需要規(guī)劃一系列行為，例如，如何避開(kāi)障礙物到達(dá)目標(biāo)位置。接下來(lái)，機(jī)器人需要確定采取何種交互方式，例如，控制大臂、小臂、手部等關(guān)節(jié)，以及最終采用何種末端執(zhí)行器（夾爪或靈巧手）來(lái)抓取鑰匙。最后，機(jī)器人還需要規(guī)劃如何將鑰匙帶回。

這一完整的流程，體現(xiàn)了我們的核心價(jià)值。首先，機(jī)器人需要感知環(huán)境并判斷目標(biāo)距離；其次，當(dāng)需要進(jìn)行交互時(shí)，機(jī)器人需要控制自身的手部動(dòng)作，并決定是否采用類人動(dòng)作或機(jī)器人動(dòng)作，同時(shí)保持動(dòng)作的靈活性。這些過(guò)程都體現(xiàn)了我們的技術(shù)優(yōu)勢(shì)。

? 我們的動(dòng)作大模型是否基于通用大模型進(jìn)行調(diào)優(yōu)？如果是，我們主要采用哪些通用大模型作為基座模型？在機(jī)器視覺(jué)技術(shù)與視覺(jué)理解、視頻生成等通用大模型之間，是否存在聯(lián)動(dòng)或化學(xué)反應(yīng)？這種聯(lián)動(dòng)是否會(huì)擴(kuò)大市場(chǎng)需求？

我們確實(shí)參考過(guò)開(kāi)源模型，但并非完全基于任何一家公司的底座。我們?cè)诮梃b和參考的基礎(chǔ)上，融入了我們自身的理解和創(chuàng)新。目前市面上公開(kāi)的開(kāi)源模型，主要側(cè)重于文本和圖像處理，缺乏對(duì)3D數(shù)據(jù)處理的支持。直接照搬這些模型，反而會(huì)干擾我們對(duì)三維信息的處理。因此，我們選擇了自主研發(fā)的路線。

在具身智能領(lǐng)域，圖像識(shí)別、動(dòng)作驅(qū)動(dòng)以及其他相關(guān)技術(shù)必然存在交集。例如，Sora升級(jí)版體現(xiàn)了對(duì)圖像理解和計(jì)算能力的顯著提升，這無(wú)疑將極大地幫助機(jī)器視覺(jué)技術(shù)進(jìn)行物體判斷，以尋找鑰匙為例，過(guò)去機(jī)器人需要花費(fèi)較長(zhǎng)時(shí)間（可能3秒左右）來(lái)判斷鑰匙的位置和定義。但隨著類似大模型技術(shù)的出現(xiàn)，這一過(guò)程可能縮短到0.3秒，極大地提升了效率。這種效率的提升，加速了不同技術(shù)之間的融合。

此外，當(dāng)前大模型背后的數(shù)學(xué)公式與邏輯存在一定的關(guān)聯(lián)性。如果OpenAI等公司的大模型升級(jí)，國(guó)內(nèi)如盤古、阿里、騰訊以及國(guó)際LLAMA、谷歌等系列的大模型也會(huì)快速迭代，這些大模型的迭代，反過(guò)來(lái)會(huì)促進(jìn)我們?cè)趧?dòng)作模型上的迭代。

因此，我們認(rèn)為技術(shù)之間存在交集，技術(shù)底層的數(shù)學(xué)邏輯也存在交集，這將推動(dòng)技術(shù)的不斷迭代和提升。

結(jié)語(yǔ)：

在這次專訪中，我們看到了虛擬動(dòng)點(diǎn)在機(jī)器人感知領(lǐng)域的前瞻性布局和技術(shù)實(shí)力，他們不僅在技術(shù)上不斷突破，更將目光投向了更廣闊的應(yīng)用場(chǎng)景。從“多模態(tài)”到“具身”，我們看到的是一場(chǎng)從感知到認(rèn)知的躍遷，而這背后，是無(wú)數(shù)技術(shù)人對(duì)未來(lái)世界的執(zhí)著探索。

虛擬動(dòng)點(diǎn)無(wú)疑為行業(yè)提供了一個(gè)重要的參考樣本。他們沒(méi)有選擇簡(jiǎn)單的“拿來(lái)主義”，而是選擇了更具挑戰(zhàn)性的自研道路，這不僅需要勇氣，更需要對(duì)行業(yè)趨勢(shì)的深刻洞察。這或許也預(yù)示著，未來(lái)的競(jìng)爭(zhēng)，將不再僅僅是技術(shù)本身的較量，更是對(duì)行業(yè)理解、痛點(diǎn)把握和創(chuàng)新能力的綜合比拼。

當(dāng)然，具身智能的發(fā)展依然面臨諸多挑戰(zhàn)，從技術(shù)到商業(yè)化，從應(yīng)用場(chǎng)景到倫理規(guī)范，還有很長(zhǎng)的路要走。但我們相信，隨著技術(shù)的不斷成熟和生態(tài)的日益完善，具身智能必將釋放出巨大的潛力，深刻地改變我們的生活和工作方式。

這場(chǎng)變革才剛剛開(kāi)始，而我們正身處其中。未來(lái)，我們還將持續(xù)關(guān)注具身智能領(lǐng)域的最新進(jìn)展。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見(jiàn)轉(zhuǎn)載須知。