首页财产呆板人正文 不要只盯着宇树翻跟头了 近期多个团队摸索具身少样本或者零样本泛化能力，如中国香港科技年夜学χ0、蚂蚁灵波LingBot-VA、英伟达DreamZero，测验考试冲破技能瓶颈 。 2026-02-18 12:11 ·硅星人郭海惟 郭海惟 AI投资人解读· χ0能于少样本、低算力下有优良泛化能力，解决模子进修鲁棒性难题；LingBot-VA于主流基准测试中年夜幅领先，能实现较少样本下的泛化能力；DreamZero可实现0样本泛化。 · 具身技能线路面对数据饥渴症及对于VLA技能线路的质疑。 总结：这些团队的技能结果揭示出较好的泛化性与鲁棒性，为具身范畴带来新冲破。但行业面对数据范围增加瓶颈及技能线路质疑，将来成长需存眷技能立异与冲破标的目的。内容由AI天生，仅供参考

当十几台G1于舞台“下腰”打醉拳的时辰，你会感觉宇树似乎真的已经经把演出这件工作卷到头了。

真的很难想象，羊年还有能有甚么比马年更能震撼人心的演出。哪怕是让呆板人于舞台上跳芭蕾（一个比后空翻难无数倍的动作），莫非就能给平凡人比今天更强的视觉震撼了吗？生怕也很难说。

假如说今天具身存于一个“布局性”的抵牾，年夜概有就是“日趋增加的姿态节制能力与硬件程度”及“落地场景不服衡、不充实”的成长之间的抵牾。前者带来了人平易近对于具身日趋增加的期待，尔后者则让人平易近感应困惑。

对于在许多人来讲，呆板人的“技术树”似乎点错了——它明明该帮咱们家务，却取代咱们诗词歌赋、手舞足蹈。

而这类技术树错配暗地里，实在有第二个“布局性”的抵牾：即“日趋增加的AI智能诉求”与“智能泛化能力不服衡、不充实”的成长之间的抵牾。前者让行业的所有从业者都对于AGI的明天布满光亮决定信念，尔后者则让从业者感应现金流的贫困。

而所谓一切场景与智能的问题，实在素质都是数据与智能的瓜葛。

于具身范畴特别云云。

而具身的数据问题又可以分成两种：

一个是数据范围带来智能难以scaling；一个是现有智能环境下，样本的进修及泛化能力。

多位具身行业资深人士曾经对于硅星人暗示，具身数据问题属在“可解”的，但解决方案素质年夜几率城市是“线性”的，可能会跟着投入的增长得到更多的加快，但“指数型”爆炸的可能性不高。

究其缘故原由，假如想要经由过程仿真数据实现高度的通用泛化，出产超高质量仿真数据暗地里的难度，可能反而高在具身年夜脑泛化的难度，有点“鸡生蛋、蛋生鸡”悖论的味道。而互联网数据理论上可行，但不敷精准，“画马难画骨”，对于齐难度年夜。

今朝行业里遍及构思的一个技能轮回是：

数据收罗→数据练习模子→模子进入场景→场景天生数据→更好的数据→更强的模子→更多的场景及数据

如许逐步可以把数据转起来，等数据多了，具身就能够进入GPT时刻了，只管现实历程可能很迟缓。但即便云云，许多模子依然会卡死于第三步，致使数据飞轮迟迟没法转起来。致使一些现实的技能轮回实在是：

数据收罗→数据练习模子→泛化能力卡死于sim to real上→等候更多的数据

不外近来两个月来，最先陆续有更多的团队插手少样本甚至零样本的泛化能力的线路摸索上来，经由过程差别的路径去解决的智能冲破及泛化能力的问题，堪比具身的马年学术春晚：

χ0是中国香港科技年夜学团队于2月10日正式发布的技能结果。

此前这个团队于12月份的时辰曾经经拿χ0做了24个小时的“家务直播”，重要是抓取、叠、挂衣服，揭示了很强盛的柔性物体处置惩罚能力。

按照厥后发布的技能陈诉显示，χ0可以于很少样本（20小时人类视频）、低算力（8张A100）的环境下做出很好的泛化能力。并且按照他们本身的说法，比拟在π0.5，χ0的乐成率能晋升250%。

正如如这篇论文的标题，“经由过程化解漫衍纷歧致性，实现资源受限下的鲁棒操控”。

χ0揭示的是柔性物体能力，但实在想要解决的是模子进修的鲁棒性难题。而它的解决方案实在就是经由过程解决于差别模块的数据漫衍对于齐问题。

好比，已往练习出来的模子内参数漫衍及情况反馈的漫衍是差别的，就会致使智能的鲁棒性受损。而他们就但愿于各个环节上找到这些漫衍差异，然后对于齐它——他们末了选择从练习漫衍（Ptrain）、模子漫衍（Qmodel）以和部署漫衍（Ptest）三个角度出发，从而让流程的各个差别阶段都能实现高效对于齐。

https://arxiv.org/pdf/2602.09021

LingBot-VA是蚂蚁灵波于1月30日官宣的技能结果，官方将它称为具出身界模子，首创了自回归视频-动作世界建模框架。也是*个将世界模子直接节制真机操作的研究结果。

而于此以前，蚂蚁灵波还有发布了LingBot-World开源视频天生世界模子，做到了快要 10 分钟的无损不变天生。

与χ0同样，LingBot-VA揭示了更好的鲁棒性：

于 LIBERO 及 RoboTwin 等主流基准测试中，别离以 98.5% 及 92%+ 的乐成率年夜幅*π0.5等现有模子。于针对于具身节制中常见的“永劫漂移”难题，繁杂使命乐成率跨越 98%。

同时也能实现较少样本下的泛化能力：

一个场景仅需 30~50 条演示数据便可完成适配。

但与χ0差别的是，LingBot-VA团队一最先就选择了一个于语义层面具有较高鲁棒性的自回归世界模子计谋。他们的逻辑有点像于模子内置了一个猜测将来的年夜脑。素质就是用一段视频去猜测下一段视频的状况。而当模子知道下一段视频流中的状况时，即可以反推并解码成详细的履行动作。

如许一来，因为视频与动作之间存于明确的时间及逻辑瓜葛，便天然就组成了很明确的物理实际世界中的因果瓜葛。以是这个技能结果被定名为：“面向呆板人节制的因果世界建模”。

这套方案绕过了VLA常呈现的表征纠缠问题，将动作、视频猜测、场景履行环境，直接形成为了彼此映照的瓜葛。并且于视频天生模子中，自然会具有必然的世界模子常识，是以得到了更好的履行效果。

https://github.com/Robbyant/lingbot-va/blob/main/LingBot_VA_paper.pdf

DreamZero是英伟达团队于2月份发布的技能论文，定位世界动作模子（WAM）。

DreamZero比LingBot-VA晚发了十天摆布，但思绪上与LingBot-VA同为世界模子落地真机的线路，是以于一些技能思绪上也很相似。并且Lingbo-VAt搭配LingBot-World一路发布，而与DreamZero同期发布的还有有DreamDojo的通用呆板人间界模子。

这两个团队于技能审美及产物发布的逻辑节拍上云云相似，可以说今朝于世界模子的摸索上，别离都是工具半球的先行者，也相称水平上确认了这条技能线路的可行性。

他们都夸大世界模子于运动节制中的作用，夸大经由过程世界模子猜测而非简朴堆砌数据的主要性，以和受益在世界模子的技能线路，DreamZero也出现了较好的泛化性。

官方暗示，DreamZero甚至于一些模子从来没有见过的场景中，DreamZero也已经经可以实现0样本泛化。而为了着重夸大这一点，他们甚至把本身的技能陈诉直接叫做，“世界动作模子就是0样本泛化的计谋”（World Action Models are Zero-shot Policies ）

最焦点区分于在，LingBot采用了自回归为骨干的计谋，而DreamZero则采用了以扩散模子直接作为骨干的计谋。此外，作为各自模子将来的基础举措措施，DreamDojo的焦点是闭源的，而LingBot-World则是彻底开源的。

https://dreamzero0.github.io/

押注“非线性”增加的物理世界

已往的具身技能线路正于遭到愈来愈多的挑战。

一方面，如本文开首所说，LLM乐成的路径依靠让具身财产持久患有数据饥渴症。而数据范围短期难以发作式增加，就致使具身的智能缺少像LLM那样指数级增加的手腕；

另外一方面，实在以VLA为代表的技能线路，自己也于面对更多的质疑。愈来愈多人最先质疑VLA是否可以很好的完成动作操控，是否有能力更好地泛化并冲破Sim to real gap的魔咒。

而面临这类困局，差别的人想到的解决方案是差别的，也很难于短时间告竣共鸣。

以χ0这种研究更像是经由过程不停进级已往的架构能力，从而于原本的路径上解决问题；而LingBot-VA、DreamZero如许的产物，则是追求一种革命性的范式立异。

今天一个行业内慢慢清楚的共鸣是：假如具身年夜脑的能力要挣脱数据血虚及泛化瓶颈的地心引力，从而复刻LLM的传奇，那就必需有一些新的技能立异。要末，咱们于数据层面上年夜幅冲破；要末于架构上另辟蹊径。

而像VA、DreamZero如许的事情显然是后者，而他们能给咱们的缘由是：

假如要于具身复刻LLM的scaling law古迹，它未必是要经由过程平移scaling law的方式实现的，也多是借一个更好的架构来得到原本于LLM就已经经具有的常识能力。

蚂蚁灵波首席科学家沈宇军于接管采访时暗示：

LingBot-VA及LingBot-World的思索实在是“一套技能系统的差别偏重”，两边会耦合地很是深，底层的数据引擎、代码框架及优化要领，都高度共通。

以是，沈宇军的思绪可能就是要绕过具身的scaling瓶颈，从头去审阅及依托新的年夜模子能力，设置装备摆设新的具身底层的智能基础举措措施。

从这个角度来讲，蚂蚁灵波及英伟达堪称具出身界模子中“开荒者”的脚色，将来也不解除会有更多的像英伟达及蚂蚁如许的超等玩家插手。但跟着中 美AI进展生态的差别，将来英伟达会逐渐形成本身的生态，而蚂蚁灵波则会踊跃引领全世界的开源世界模子生态。

但他们的方针都是一致的：

具身纷歧定就必需要循序渐进，物理AI也值患上一次爆炸式增加的测验考试。

【本文由投资界互助伙伴硅星人授权发布，本平台仅提供信息存储办事。】若有任何疑难，请接洽（editor@zero2ipo.com.cn）投资界处置惩罚。