中经记者 杨让晨 李正豪 上海报道
机器人训练成本能否大幅下降是具身智能行业长期关注的一个问题。
在近日举行的2026年机器人学习大会(CoRL 2026)上,加州大学伯克利分校研究团队展示了SuperMimic研究成果。通过引入可微世界模型,该研究在单张GPU上训练约3小时,便在特定人形机器人动作跟踪基准上超越了使用128张GPU、历时7天训练的对照模型。
按照研究团队披露的数据,相较于对照模型,SuperMimic所消耗的GPU小时数不足其千分之一,并已在宇树G1人形机器人上实现部分动作的真机迁移。
一位具身智能行业人士告诉《中国经营报》记者,目前机器人训练耗时往往以天计算,“按小时计算已经是比较快的了”。该人士还表示,训练成本还与模型规模有关,较大模型消耗的算力和时间均不容小觑。
记者注意到,包括Sharpa、智元、大晓机器人等在内的企业,正在围绕仿真预训练、世界模型、部署后持续学习等技术方向展开探索,试图寻找大规模资源投入之外的降本路径。
1张GPU如何挑战128张?
强化学习是人形机器人学习复杂动作的重要技术路线。在动作模仿训练中,研究人员通常将真人动作转换为参考轨迹,再让机器人在仿真环境中反复尝试,通过奖惩机制不断优化动作策略。不过,随着动作库和训练场景的扩展,计算资源消耗也可能随之增加。
对此,各家的降本训练路径有所不同。SuperMimic的训练主要分为三个步骤:首先让机器人在物理仿真器中执行动作,记录状态变化;随后训练可微世界模型,学习动作与物理状态变化之间的关系;最后在世界模型中预测动作结果,利用梯度反馈优化控制策略。
这一流程的优势在于,世界模型能够被重复利用,并通过梯度信息为策略提供更加直接的优化方向。
根据研究团队披露的数据,在相关并行测试条件下,世界模型的推演速度可达到MuJoCo Warp物理仿真器的10倍以上,最高达到62倍。在控制实验中,达到相近表现所需的虚拟训练步数大幅减少。
不过,对于企业而言,除单次训练消耗的资源外,还需要计入世界模型开发、仿真环境建设以及真机验证等环节的投入,才能判断相关技术的整体降本效果。
包括智元、Sharpa等在内的企业通过赋能、自研等方式探索降低机器人学习成本的路径。在灵巧操作的Sharpa赋能领域,名为DEX-X的研究中,通过在仿真环境中重建人类与物体的交互过程,可以为普通人类操作视频补充原本缺失的触觉监督信息。在无须额外真机任务微调的情况下,该研究中的机器人在方块抓取、倒水和桌面清洁任务中的成功率分别达到93.3%、80%和53.3%。
智元也在强化机器人的学习能力。智元具身研究中心副总裁任广辉在接受记者采访时表示,智元作业基座模型GO-3 Preview采用自研世界推理动作模型(WRAM)架构,通过Genie Evolver组织真机、仿真和世界模型协同开展后训练。
“不用从零教。这些动作背后有共同的模型基础,就是作业基座模型GO-3 Preview。它通过学习不同任务的操作经验,形成可以跨任务复用的能力。”任广辉表示。
机器人开始自主学习
除了算力外,数据获取也是机器人研发的重要成本。机器人不仅需要理解环境,还需要学习动作及其与物理环境之间的关系。在这一过程中的人工遥操作、动作捕捉等数据采集方式,往往需要投入专门的设备、场地和人员。
根据Sharpa官方资料,公司为CoRL 2026的25项入选成果提供了支持。其中,Do as I Do研究尝试将互联网视频中的人类手部动作转化为Sharpa Wave灵巧手可执行的轨迹。研究团队将动作迁移成功率由25%提高至71%,并获得500条经过验证的动作轨迹。
此外,加州大学伯克利分校、Sharpa及香港大学联合开展的一项研究,则尝试利用AI生成视频辅助机器人训练,将视频中的操作动作重建为三维轨迹,再在仿真环境中训练控制策略。
研究团队从约2500段生成视频中获得约2000条可用动作参考,其中超过1500条轨迹成功在仿真环境中实现,并在40次真机测试中成功完成27次。
在拓展外部数据来源的同时,企业端也开始尝试让机器人通过实际作业积累数据。在智元此前开展的便利店24小时直播测试中,机器人需要完成取货、补货、制作咖啡等工作,并应对订单并发和顾客干扰。
任广辉告诉记者,在测试初期,系统曾出现下单失败、订单完成后状态未更新及机器人之间位置冲突等问题。团队通过调整模型和工具的调用方式解决流程编排问题,对动作策略,则通过持续记录成功和失败的历史轨迹进行迭代。“夜里空闲的时候,机器人还会自己去货架前练难的任务。”任广辉表示。
除了从外部获取训练数据外,如何让机器人在实际作业中自主积累经验、改进技能,亦成为具身智能企业探索降低训练和研发成本的新方向。
近日,大晓机器人在酒店洗衣场景中展示了具身智能递归自我改进(RSI)技术。与传统依赖工程师逐轮分析问题、调整策略的方式不同,该技术以机器人系统为改进闭环:通用模型(Astra)根据机器人真实作业产生的录像、测量数据和动作记录,承担失败归因与改进方案生成;改进方案经历史样本回放确认后部署到真机,再由下一轮真机执行验证效果,从而持续改进可部署的技能。
根据大晓机器人披露的数据,围绕从烘干机中取出衣物这一技能,机器人在约57小时内完成了165轮真机实验,形成37条改进提议和约80个版本,牛仔裤留在烘干机筒内的比例由平均48%降至32%,最好成绩降至19%。
在业内人士看来,这一技术路径的潜在价值在于,将过去需要人工参与的部分问题诊断、技能开发和实验验证过程交由智能体完成,并将经过验证的技能沉淀下来,供后续任务复用,从而减少对人工调试和重复开发的依赖。
不过,机器人自主产生的数据并不意味着能够直接用于模型训练。从数据筛选、质量验证到策略更新,相关环节仍需要投入资源。机器人能否通过持续作业降低对人工采集和现场调试的依赖,进而降低整体训练成本,仍有待进一步验证。
降本后的竞争逻辑
随着学习成本下降,具身智能企业过去依赖大量算力、数据和研发人员投入的研发模式,是否也会随之发生变化?
在任广辉看来,机器人部署后的持续学习,并不意味着每次遇到问题都需要重新训练模型。执行系统优化与动作策略更新所需的训练资源有所不同。
“Harness RSI层面的经验,当天总结、第二天就在执行中生效,几乎不占用训练资源。Policy RSI层面的策略更新,取决于数据积累和训练排期,通常几天内能完成一轮迭代。”任广辉表示,直播期间产生的数据经过筛选、去标识化和质量检查后进入训练队列,正常情况下,一到两周内便能体现在后续版本的策略更新中。
日前,智元发布终身具身智能框架LIFE,结合持续感知、长期记忆和能力复用,将已有的问题解决方法沉淀为工具,而不必在每次任务结束后更新基础模型参数。
根据智元方面披露的研究结果,在OVO-Bench回溯问答子集中,LIFE框架的写入端输入Token数量减少约45%;在FindingDory测试中,通过挂载此前构建的能力,系统在597个未参与能力构建的查询上,成功率由37.5%提高至65.8%。
尽管上述研究更多涉及运行计算效率及能力复用,而非直接降低基础模型训练成本,但为减少重复开发提供了另一种可能。
不过,训练效率提升并不必然意味着企业整体研发投入以及数据需求下降。
“更可能发生的是数据结构和生产方式的变化,而不是数据需求简单减少。”任广辉认为,机器人通用能力的形成仍然需要覆盖广泛物体、动作和环境的数据,而部署后的持续学习,则会增加对真实失败、异常恢复、长流程中断及多机协作等数据的需求。
“当机器人自己能产生更多轨迹,数据服务的价值会转移到质控、任务和结果标注、长尾覆盖、评测和反馈闭环上。”任广辉表示。
这意味着,行业技术门槛未必随算力消耗同步降低。数据质量、长尾场景覆盖以及稳定作业能力,可能成为新的竞争重点。对于企业而言,训练提效最终还需要转化为规模化复制成本的下降。
“现场适配和维护如果一直依赖工程师,复制成本就降不下来。”任广辉表示,从单家门店走向规模化部署,企业仍需解决机型和工具标准化、业务系统接入、快速部署、远程运维以及经验在不同门店之间复用等问题。







