设置这样一个场景：洗衣机里刚洗完的衣服还没晾，床上还有一堆随意堆放的衣服。机器人需要从洗衣机里取出衣物，完成晾晒，同时还要处理床上随意堆放的衣服，叠好挂进柜子。这是第二届世界人形机器人运动会家庭场景赛的真实赛题，要求机器人全程必须自主连贯执行，一旦流程中断便无法得分。

26分钟，是冠军队伍完成全部流程的时间。去年，这样高难度的长流程自主作业几乎难以想象。工业场景中，机器人要完成搬运上架、拣选装配、打包入库等任务；酒店场景则搬进真实酒店，机器人需在地毯、门槛等真实环境中完成行李搬运、客房补货、客房整理等长流程作业，直面真实环境里的各类干扰。

从依赖人工遥控，到独立完成一整套任务，多场景赛事正在不断拓宽人形机器人的能力边界。

赛场之上可以完成多项任务，那么人形机器人究竟还要多久才能走进普通家庭？银河通用创始人兼CTO王鹤接受采访时，回应了大众普遍关心的问题：为何机器人已经具备作业能力，却迟迟无法走入寻常家庭。

泛化能力不足：不是“干不了”，而是“干不起”

“以银河通用G1机器人为例，人工遥控它能做的事，今天的模型都能做出来。”王鹤说。

但有人问，既然能做，为什么不能明天就到我家干活？

核心问题在于场景泛化能力不足。为了应对比赛，团队针对赛事特定场景专门采集适配数据训练，面对赛题中的牛仔裤、Polo衫，机器人可熟练处理，但面对连衣裙这类未适配数据的衣物，作业成功率就会大幅降低。“机器人能叠好这一件衣服，不等于能处理另一件款式；在这一套户型里运转顺畅，换到布局、杂物完全不一样的家庭，就很容易失效。”

“当下我们并非没有完成任务的能力，而是每适配一个新场景，都需要投入大量时间与研发资源采集适配数据，这份成本甚至高于任务本身的实际价值。”王鹤将这一行业现状总结为：不是“不能干”，而是“干不起”。

破解这一困局的关键，在于基座模型的持续进化。“现在完成一项任务，可能要采集两天的数据；半年之后，或许仅需要5小时；两年之后，机器人有望不用提前采集样本，做到一看就会、一说就懂。”与之相伴的是成本和效率的质变，“两年之后，同类任务的落地成本有望降至如今的千分之一，执行速度提升2至4倍。只有当成本足够低、效率足够高，它才会从实验室技术，转变为普通人买得起、用得顺手的产品。”

场景赛现场（央广网发 受访者供图）

银河通用自研的具身大模型“银河星脑”采用大脑—脑桥—小脑端到端架构，大脑负责感知与整体规划，输出粗粒度动作；小脑接收上层信号，高频转换为全身的控制动作。模型依靠一套五级金字塔数据体系，囊括互联网数据、人类操作数据、仿真合成数据、真机遥操数据、真机回流数据，从多个维度补充场景样本，以此提升模型的泛化与学习效率。

“同样是比赛现场两天采集到的数据，基座模型能力不同，最终效果天差地别，有的团队可以拿到满分，有的只能拿到10分。基座架构、数据规模、数据构成，直接划定了模型能力的上限。”王鹤介绍，计划到2028年，将训练数据规模从100万小时扩充至1000万小时，冲刺具身智能行业的“ChatGPT时刻”，实现更多任务的零样本处理。

人形是通用任务的最大公约数

市面上机器人形态丰富，既有搭载机械臂的移动底盘、轮式双臂机器人，也有双足人形机器人。既然轮式机器人G1、S1已经在工业、药房等场景落地，重载机型S1可承担百斤级作业，适配工厂的专业化工作，为什么行业还要持续投入研发双足人形本体？

在王鹤看来，选择人形，并不是单纯追求外观酷似人类，而是面向通用作业需求做出的技术选择。产业的迭代脉络十分清晰，从移动小车搭载机械臂，到轮式双臂机器人，再向全人形机器人演进。家庭赛道的家务任务就是最好的例证，取衣、抬手晾晒、弯腰收纳，住宅里的家具、柜体全部依照人体尺度设计，这类场景恰恰是人形本体能够充分发挥优势的地方。

机器人勇闯“轮胎阵”障碍（央广网记者 庞婷 摄）

“当具身大模型的大脑、小脑能力足够成熟，可以良好驾驭双足本体，全人形就会成为通用任务的最大公约数。”

同一处生活空间内，送餐、收拾桌面、打扫卫生等原本由人完成的繁杂工作，一台人形机器人就可以全部覆盖。“如果未来达成千万、上亿台的出货体量，双足人形的制造成本甚至会低于各类专用复合机器人。什么活都能处理，同时成本可控，自然会成为面向普通消费市场的优选形态。”

但人形机器人不会全盘取代现有自动化设备。“只有原本需要人亲手完成的工作，才是人形机器人的目标场景。成熟的大型工业机械臂不会被人形替代；像汽车这类专门载人的工具，也不需要人形机器人去复刻。”

赛事不是表演秀，是产业落地的真实大考

赛场上偶尔出现机器人摔倒、机身受损的画面，网络上也出现质疑声音：比赛是否只为冲成绩，不计机器损耗？机器人运动会对产业真实落地，究竟具备多大价值？

“赛事本质是整个行业的集体大考。”王鹤说。对比首届比赛，去年场景赛的任务难度整体偏低，而今年家庭赛道20多分钟的长流程全自主任务，放到全球范围都属于高难度的真实场景考题。赛事用贴近现实生活的赛题，摸清楚当下技术真实能力边界，筛选优质研发团队，倒逼技术补齐短板。

小型组400米决赛现场（央广网记者 庞婷 摄）

同时，他也毫不避讳地谈到，部分参赛方案现阶段优先保障任务完成，还没有兼顾完成动作之后的减速、抗损耗等工程细节，但这不代表技术路径上无法解决。已有参赛演示中，机器人完成上百次来回交互，整机保持完好，实现人机安全共处。“下一届赛事，安全、可持续运行会成为重要的演进方向。”

赛事暴露出来的问题，恰恰就是产业接下来要攻克的方向。比如家庭赛题中衣物形态多变、物体摆放位置随机，正是现实家庭环境的缩影，比赛暴露出的泛化短板，也反向指导企业在模型、数据采集上的迭代方向。

产学研协同，打通具身智能的长链条

具身智能是一条极长的产业链，覆盖电机材料、硬件制造、数据采集、大模型训练、边缘端算力部署等多个环节，单一机构很难完成全链条突破。

高校擅长前沿创新性研究，但很难覆盖完整工程落地链条；企业擅长产品落地，但颠覆性的学术创新未必诞生在产业端。王鹤认为，国内具身智能领域的产学研协同，相较于普通AI行业做得更好。

场景赛比赛现场（央广网记者 庞婷 摄）

王鹤本人同时担任北大计算机学院研究员，银河通用由北大知识产权入股孵化，还联合多家科研、医疗机构搭建联合实验室，打通学术研究、技术突破、产品落地的闭环。他判断，产学研联动将成为行业常态，也是主管部门正在推动的协作模式。

“今天不能说机器人已经大规模走进千家万户，只能说它正在走进一部分人的生活。”王鹤表示，距离大规模民用普及还有一段路程，但伴随着基座模型、数据集、硬件本体的同步迭代，成本持续下行，人形机器人改变普通人日常生活的未来，已经可以望见。

//