機器之心原創

作者：張倩

前段時間，在北京亦莊舉辦的「人形機器人半程馬拉松」活動引發全民熱議。有人對機器人在賽事中展現出的耐力和穩定性表示贊賞；當然，也有人因機器人頻繁摔倒、出狀況而感到失望，畢竟，這和短視頻里那些跳舞、跑酷、側空翻的機器人形成了巨大反差。

比賽跑成這樣，是不是說明近幾年圍繞機器人、具身智能的熱議是一場炒作？答案肯定不是簡單的「是」或「否」。

但除此之外，還有一個問題更加值得討論：如何打造一個真正可以走入現實世界的機器人？

更復雜、更智能的具身智能機器人需要建立在上一代具身智能完成商業閉環和真實世界數據閉環的基礎上。」這是我們從具身智能從業者 、推行科技創始人兼 CEO 盧鷹翔口中得到的觀點。而他所做的工作，就是打造這樣一個商業和數據閉環。

如果你在蘇州、深圳、上海等地點過機器人送的外賣，那你可能見過推行科技的機器人。它們和行人、自行車、電動車一起穿行、過馬路，還會自己進小區、坐電梯，把外賣、商品送到用戶手里。

推行科技的初代物流機器人，可以在復雜的交通環境中穿行。

視頻鏈接：https://mp.weixin.qq.com/s/xE9ibJNxX6x51yE5Nfyevw

推行科技的第二代移動操作機器人Carri Flex，增加了靈活的上肢操作能力。

重要的是，這是一個商業化程度非常高的機器人。在實際運營過程中，它們會和人類騎手一起在商家門口等待接單，履約率考核標準也和騎手一致。由于履約率非常高（已達 98.5%），在一些高價值場景中，它們拿到的報酬已經可以覆蓋自身的成本，做到了單個機器人盈虧平衡。

從容錯性高、技術可及的場景入手，在具身智能發展早期就把機器人大量投入現實世界，實現商業化運營，并基于機器人的實際商用構建數量和豐富度逐漸進階的數據飛輪，這就是盧鷹翔所說的「上一代具身智能的商業和數據閉環」。以此為基礎，推行科技將逐步打造更復雜、更智能的具身智能機器人，并將它們投入更多場景。

那么，這個商業加數據閉環是怎么實現的，具體如何推進？我們和盧鷹翔以及推行科技另一位聯創、CTO 龍禹含進行了多次溝通，旨在揭秘一條現階段可行且后續可持續的具身智能發展路徑。

機器人的進化論

在今年的 GTC 大會上，英偉達高級研究科學家 Jim Fan 提到了具身智能的「數據金字塔」概念。

圖源：https://rdi.berkeley.edu/llm-agents/assets/jimfangr00t.pdf

金字塔的塔尖代表的是真機數據。這部分數據非常重要，包括 Jim Fan 導師李飛飛在內的很多人都相信，機器人的智能水平也像生物進化一樣，需要在不斷與真實物理世界產生互動、適應更復雜的環境的過程中逐漸進化。當然，這部分數據也非常稀缺，需要通過機器人的大規模部署來實現。

也有一些公司建立了自己的「數據工廠」，讓機器人在人工搭建的場景中與數據采集師協同作業，逐條積累數據。但這種方式不僅成本高昂，而且人工搭建的場景在豐富度上天然存在局限性，這種局限性不可避免地會對機器人在真實世界中的泛化能力產生負面影響。

不過，除了真機數據，合成 / 仿真數據和互聯網級的通識數據也是通用泛化具身模型訓練所必須的。從 ChatGPT 走紅至今，這兩類數據的價值已經被充分認可，尤其是在語言模型的演進過程中，互聯網通識數據的有效利用已成為提升模型能力的核心基礎。

但在具身智能領域，互聯網級的通識數據仍處于真空狀態。填補這一空白，是推動機器人能力穩定泛化至真實復雜場景的關鍵前提，也是邁向通用智能高階能力的必經之路。針對這一行業痛點，推行科技自研了「騎手影子系統」，構建了覆蓋多種任務類型與環境變數的高密度人類行為數據集，從根本上提升了機器人在開放物理世界中的泛化能力與可靠性。相較仍困于數據瓶頸的行業現狀，推行科技已率先完成通識級數據體系的構建與驗證，形成顯著的技術競爭力。

一條可持續的具身智能路徑，從「騎手影子系統」說起

ChatGPT 能夠通過學習海量人類對話數據，掌握語言的規律和模式，從而實現自然流暢的對話。特斯拉 FSD 則通過分析和篩選人類駕駛數據，擇優學習駕駛決策和操作，進而實現自動駕駛。同樣地，物流機器人也可以借助人類騎手的騎行和操作數據，學習自主應對各類交通環境、取放各種包裝袋等技能，從而實現高效送外賣，這便是推行科技所打造的「騎手影子系統」的工作原理。

在之前的采訪文章（參見《跟騎手學習送外賣，這家具身智能公司的機器人已經上崗掙錢了》）中，我們詳細介紹過這個系統 —— 它主要通過安裝在外賣騎手電瓶車上的車載硬件采集三種關鍵數據：環境數據（攝像頭采集的路況、障礙物等視覺信息）、定位數據（通過 RTK 技術采集）以及駕駛數據（騎手在特定情況下的操作，如踩油門、剎車或轉向）。系統獲取這些數據后，通過模仿學習和強化學習算法讓機器人學習人類騎手的行為，從而使機器人能夠在復雜多變的城市環境中自主導航。這是「騎手影子系統」的 1.0 版本。

如今，這個系統已經進化成了「2.0」。除了電瓶車，它還可以將騎手的頭盔、外套轉化為動捕設備，記錄人類騎手如何開關門、拿放外賣以及其他更復雜的操作軌跡，從而為加上「上肢」的機器人積累操作行為數據。

這種數據采集方式最顯著的優勢在于「量大管飽」：中國騎手平均每人每天跑 100-200 公里，一個普通超市前置倉的 15-20 個騎手一個月就能產生超過 10 萬公里數據，一年可達近 200 萬公里。所以，依靠這一模式，推行科技平均每日即可采集數萬公里的騎行行為數據用于具身模型訓練，在短短兩三年的時間內就積累了數千萬公里的行駛數據，數量級相當于國內頭部自動駕駛公司的歷史路測數據積累總和。

在推行科技 2024 年開始部署包含上肢數據采集設備的「騎手影子系統」2.0 版本以來，不到一年時間積累的上肢軌跡數據也達到了近百萬條，采集效率和成本效率遠超其它方式。此外，推行科技所采集的數據在場景類型、任務結構、操作目標等方面與機器人實際訓練需求高度一致，具備強目標導向性與時空連續性，優于互聯網視頻等數據源中常見的碎片化、弱結構化內容，這些與機器人實際訓練目標高度匹配的數據能更有效地驅動模仿學習與強化學習過程。

通過這種創新的數據采集方式，推行科技有效地解決了具身智能領域普遍面臨的「數據魔咒」問題，為其機器人技術的快速迭代和商業化落地提供了可靠的原材料保障。

從「三原色」到「回環反饋」：走入現實世界的機器人如何隨機應變？

騎手的行為數據蘊含著豐富的信息，推行科技的數據閉環平臺可以對騎手的動作行為進行自動分解及標注。龍禹含提到，推行科技通過對海量騎手配送過程中的上肢行為數據的深入分析發現，看似復雜多變的騎手遞送任務，實際上都由三個核心原子任務排列組合而成 ——按按鈕、推拉門以及拿放貨，就像是顏色里的「三原色」。值得注意的是，這三個原子任務通常僅需騎手使用右手進行單臂操作即可完成。

基于這一發現，推行科技成功定義了具備單臂操作能力的 Carri Flex 機器人，首次將具備上肢操作能力的機器人產品成功部署于真實開放的物理世界。在此基礎上，推行科技進一步對機器人在真實場景中的服務數據進行收集，以訓練可支持雙臂協同等更為復雜任務且可靠性能達到商用標準的具身模型。

能將機器人部署于真實服務場景的關鍵是他們構造的行為樹 VLA（Vision-Language-Action）模型。和很多 VLA 模型一樣，這個模型使用 VLM 結合實時感知信息和當前任務來生成具體原子任務，而后通過一個行動模型將原子任務轉化機器人的關節軌跡。

和傳統 VLA 結構不同的是，行為樹 VLA 使用 LLM 進行高層任務規劃，可將高級指令（如，前往某店取單）轉化為一個行為樹結構。行為樹將根據當前任務狀態向 VLA 模型發布子任務（如，行進至某店，開門，于柜臺上取貨等）。行為樹將接收 VLM 任務狀態解碼器通過回環反饋邏輯輸出的任務狀態信息，從而改變行為樹當前所處的子任務分支。

這個反饋使得 LLM 能夠了解到任務的實際執行情況。如果遇到問題或者環境發生變化，LLM 可以基于這個反饋調整或重新生成行為樹，從而解決 VLA 模型在追求局部最優的過程中忽略了具體任務可行性的問題，使得模型在泛化場景中保持對齊，提高了整個系統的適應性和可靠性。

以 Carri Flex 機器人為例，其典型任務之一是在電梯間的外賣桌上放置外賣袋。然而，當桌面已被其他外賣占滿這一特殊情況發生時，如果模型未經過類似場景的專門訓練，基于模仿學習的 VLA 模型可能因為出現分布外（Out-of- Distribution，OOD）場景而產生行為退化現象，進而可能陷入無法恢復的執行失敗，這在真實商業應用中是不可接受的。而在客戶實際需求中，理想應對方式通常涉及任務層級的反饋機制與策略調整，例如將外賣轉移至附近空曠區域，或通過電話通知收件人等。

推行科技針對這一類現實問題，在模型中構建了多層級反饋機制，使機器人能夠在不確定環境中做出更符合人類預期的靈活應對，確保任務的穩定交付與用戶體驗的一致性。

「一腦多形、一腦多棲」：具身智能的商業落地與全球視野

廉價、量大、質優的數據獲取方式和可靠的模型為推行科技實現一條可落地、可持續的具身智能發展路徑提供了可靠基礎。目前，他們已經和國內三家頭部全國性即時配送平臺同時達成業務合作，完成了近 10 萬單配送

而且，由于數據是從復雜、多元的人類活動場景中采集而來，推行科技訓練得到的模型具有較強的泛化能力，可以實現「?腦多形」和「?腦多棲」的部署。「?腦多形」指的是他們的模型不僅可以在自己的機器人身上部署，還可以泛化到四足機器狗平臺和傳統阿克曼底盤。「?腦多棲」指的是除了陸地環境，他們的模型還可以直接在靜水船只上發揮作用（不需要為水面訓練投入額外數據采集和調試成本），從而拿到了漁業養殖場景超百臺訂單（用于自動灑藥及投料）。

之所以能夠取得這些成果，除了路線的選擇，推行科技的人才儲備也發揮了重要作用。推行科技團隊曾于卡內基梅隆大學國家機器人工程中心負責研發 CHIMP 人形救援機器人，并獲美國國防高級研究計劃局 DARPA 機器人挑戰賽全球第二名。他們的機器人是當時將 8 個比賽任務全部完成并獲得 8 分滿分的三個機器人作品之一，也是唯一一個在失誤摔倒后，沒有借助人力自行恢復站立，繼續完成任務的。

除此之外，團隊還曾負責研發全球第二型獲批美國加州 OL318 「全無人」牌照的 L4 級自動駕駛乘用車，這一背景為團隊提供了搭建「騎手影子系統」的技術靈感和工程基礎。

推行科技團隊參與研發的 CHIMP 人形救援機器人

可以說，推行科技所選的具身智能路線，以及當前已經研發出的 Carri Flex 等機器人，在多年前就已經埋下了種子。

在海外，也有一些機器人公司在做和推行科技類似的事情，比如 Hinton 擔任顧問的 Vayu Robotics。他們所在的市場有著誘人的前景，人力成本、遞送費用高達國內的五到十倍，存在巨大的運力缺口。不過，盧鷹翔提到，和這些公司相比，推行科技的「國情優勢」更加明顯，因為我國有著龐大的騎手隊伍和更復雜的城市末端環境，能夠以更高的效率訓練出強泛化能力的機器人。在綜合考慮這些因素后，推行科技打算進軍海外，為全球用戶提供服務。

和機器人馬拉松一樣，具身智能的發展注定是一場持續多年的長跑。雖然在養老、家政等備受關注的場景中，機器人表現尚未達到預期，但在城市角落里，配送機器人已默默完成了數萬單真實訂單。推行科技的故事告訴我們，不必追求一步登天的技術突破，而是先在真實環境中找到商業閉環，再以此為基礎逐步迭代。這種務實的進化路徑，或許才是具身智能走向未來的最短捷徑。