上证报中国证券网讯（记者 李雁争）通用机器人距离普通人的生活究竟还有多远？各类炫酷演示之外，不少机器人仍被困在特定场景，只能重复少数预设动作。一旦面对陌生物体、多变的工作环境，任务成功率便会大幅下滑。
对此，清华大学交叉信息研究院助理教授、破壳机器人创始人许华哲在接受上海证券报记者专访时表示，行业不能满足于机器人把单一动作重复一万次，真正的通用机器人核心是完成一万种截然不同的动作。随着具身大模型快速迭代，零样本泛化正从理论走向实践，3-5年内，机器人服务大众的愿景有望逐步落地。但产业仍需跳出演示Demo的闭环，攻克跨本体、跨场景、跨任务的真实世界泛化难题。
通用机器人核心是多元任务泛化
工业场景下，传统机械臂擅长将同一个动作重复上万次，完成分拣、搬运等高节拍重复作业。在许华哲看来，这类能力虽具备现实的商业价值，但距离通用机器人目标仍存在明显鸿沟。“做一个动作一万次，解决的是重复性劳动；做一万个不同动作，才是具身智能追求的方向，二者底层逻辑完全不同。”
当下机器人研发普遍引入机器学习，但很多技术进展并未真正实现泛化。他以海外人形机器人叠被子案例举例，演示视频效果惊艳，但在普通家庭零样本实测中，整体成功率不高。机器人在调试完备的演示环境中表现优异，一旦脱离训练数据集，面对物品形态、家居布局变化就容易失效，这已是行业共性痛点。
“两年前，行业还在争论传统控制与学习路线、端到端与分层架构孰优孰劣，如今争论已经落幕，但泛化依旧是横亘在行业面前的大山。”许华哲告诉记者。破壳机器人团队曾完成机器人制作麻婆豆腐的技术实验，实现扎带处理等多项困难的机器人实操任务。目前实现了一定程度的泛化，未来需要解决的是跨本体的泛化、跨场景的泛化、跨任务的泛化。
产业实际研发中，研发人员需要反复采集场景数据、迭代模型。即便持续扩充数据集，依旧很难达到实际使用要求。项目周期短则数日，大型项目可达数月，过程中还会产生大量无效废数据，同时，遭遇机械臂过热等工程问题。“依靠反复采数据、调模型模式，无法规模化走进千家万户。我们的理想是，只要硬件本体达标，用户下达一句自然语言指令，机器人就可以零样本完成任务，不再耗费大量人力采集数据。”许华哲说。
RoboAPI将打造具身世界的ChatGPT
目前，GPT-Artra展现出不俗的零样本创作能力，在没有样本的前提下绘制画作，还能自我反思迭代。但许华哲也指出其短板：运行速度慢、成本高昂，面对物理世界灵巧操作效果较差。绘画属于二维空间的色彩排布，而机器人操作需要应对三维物理交互，接触力、物体形变等变量充满不确定性，两者难度不可同日而语。
“大模型证明零样本具备可行性，但具身领域需要属于自身的灵巧操作基础模型。”许华哲判断，具身智能应当借鉴大模型API化路径，打造物理世界的ChatGPT。为此，破壳机器人推出RoboAPI云端大脑接口，目标实现“言出法随”。开发者接入硬件后，无需自行采集、训练模型，凭借自然语言指令，就能驱动机械臂完成分拣草莓、叠衣服、倒咖啡、擦桌子、开柜子等多样任务。
横向对标GPT‑Artra、π0.5等主流模型，RoboAPI在物品转移、姿态形状对齐、环境交互等测试任务中表现领先，速度优势尤为突出，较GPT‑Artra提速约20倍。目前，RoboAPI已经对外开放，清华深研院、波士顿大学、东北大学、NTU等多家高校实验室完成实测，复现零样本泛化能力。
该接口拥有较强跨本体适配能力，除自有硬件外，也兼容UR等主流商用机械臂，不少开发者已经在实验室开展测试。许华哲坦言，跨不同硬件运行时性能会有所衰减，这也是团队持续优化的方向。同时，他提醒开发者，使用中需要避开相机遮挡，指令描述尽量清晰，系统内置安全机制，对于伤害人体的指令会直接拒绝执行。
通用机器人大规模落地曙光已现
RoboAPI的背后是Poke底层模型体系作为支撑。许华哲介绍，团队除基础语言子任务标注外，创新采用CEA标注体系，针对物体接触点、接触时间、接触预期做精细化标注，累计完成数十亿次量级的数据标注。精细化的物理交互标注，有效降低机器人动作随机性，提升物理环境下执行的确定性。
回望行业发展，许华哲表示，过去市场时常质疑通用机器人能否落地，今天不应当再否定这条技术路径。当然技术仍存在概率性问题，无法做到百分百完美，但零样本能力已经从概念变为可验证的现实。他预判，3-5年内，机器人服务人类的产业愿景有望逐步落地。未来，机器人承担会场服务，或将成为通用技术走向成熟的标志性场景。
他呼吁更多开发者投身通用机器人赛道，软件从业者不必从零承担繁重的数据采集与模型训练，依托RoboAPI即可聚焦上层业务开发。
“通用机器人，就一定要实现。”许华哲认为，AGI不局限于文本图像，当智能真正拥有实体躯体、读懂复杂的物理世界，才能释放巨大社会价值，重塑家庭与工厂的劳动模式。
