工厂之外寻新路 具身智能“直奔”家庭场景

　　◎记者 孙小程

　　“机器人(14.850, -0.12, -0.80%)什么时候能真正进入家庭？”

　　自变量机器人创始人、CEO王潜站在台上，手里的纸写着这个问题的答案，但他没有照着念，而是揉成一团扔在一旁，谈论起了别的话题。谈话间，一款白色轮式双臂机器人悄悄上场，左手轻捏起废纸，掷进了右手拎着的垃圾桶里，整个过程全自主、无遥操。

　　这是具身智能机器人在家庭场景中的一场预演。现实中的家庭环境远比舞台复杂：明暗多变的光线、随处散落的物品，让机器人做家务仍然束手无策，更让主流厂商望而却步。但是，仍有少数企业选择“逆行”。例如，优理奇放出了机器人在家庭场景上岗的演示视频，自变量给出了明确的时间表。

　　不过，机器人在应对复杂家庭任务和隐私规范等方面，仍有较长的路要走。产业的进步既需要共识的凝聚，也离不开不同的思考与实践。机器人“入户”后的实际表现，将为行业落地路径的分歧提供新的注脚，值得观望。

　　家庭、工厂孰先孰后？

　　“早上七点，闹钟响了。你从床上爬起来，走到客厅。拖鞋不知踢到哪里去了，厨房的碗还没洗，孩子的书包扔在地上，猫打翻了一杯水。”王潜的这一描述，直观揭示了家庭环境的本质——随机、碎片、不断变化。

　　多位具身智能企业的创业者曾向上海证券报记者分析称，相较于任务多变、环境复杂的家庭场景，工业领域具有工序明确、可重复性强等特点，更适宜机器人现阶段推广应用。因此，机器人的产业落地应当是渐进式的，先融入工业场景、商业场景，最后才是在家庭普及。

　　智元机器人联合创始人、总裁兼CTO彭志辉近日在接受上海证券报等媒体采访时表示，每个家庭的环境都不一样，机器人要做的任务更是千奇百怪，还要涉及跟人的亲密交互，对于安全性的要求比工厂更高。机器人在工厂里最多做坏零件，但在家里出事故就可能伤到人。

　　“我们肯定还是要遵循客观的技术发展规律，先易后难，先找简单场景下的复杂任务，比如先在工厂做装配、分拣，未来再考虑推到家庭。”基于此，彭志辉预计，机器人在五年之后才可能逐步进入家庭。

　　为何有企业选择“逆势”进入家庭场景？王潜并不否认这一场景的复杂性，但他并不认为进家庭需要以进工厂为前提。在他看来，两者实际上是完全相反的场景，技术方向完全不同。

　　家庭场景追求极致的泛化性，极致的开放；工业场景相对固定，对于速度、准确率的要求极高。这也决定了二者在技术上的分野：家庭端，需要通过预训练，构建优质的具身智能基础模型；工厂端，更依靠强化学习后训练等手段，以提升机器人的准确率。

　　自变量认为，通过家庭这类最复杂的场景，能极大提升模型的通用能力，当具身模型能在家庭中处理各类复杂任务时，本质上已对其他垂类场景形成“降维打击”。而用相对简单的垂直场景逐步去覆盖，短期可以加速落地，长期对基模的提升作用有限。

　　让机器人边学边干

　　以当前的技术水平，机器人在家庭场景中显然不能胜任所有任务。

　　王潜对此并不避讳。他认为，当前模型仍处于“实习生”阶段，会犯错，需要远程协助，有时可能把拖鞋放到厨房，擦桌子也可能擦到一半停下来“思考”。

　　要让机器人越用越聪明，离不开更多有效数据。类似汽车需要学习海量多样化驾驶场景数据才能逐渐实现自动驾驶，人形机器人也需要大量涉及不同物体、操作和环境的数据，才能学会“干活”。

　　但行业面临严重的数据荒。觅蜂科技董事长兼CEO姚卯青介绍，物理AI真机交互数据量不足大语言模型的两万分之一，且存在标准缺失、质量参差不齐、供需错配等问题，直接制约具身智能从实验室走向产业落地。

　　家庭场景的高质量数据更为匮乏。自变量联合创始人兼CTO王昊称，大多数机器人的训练数据都来自实验室——干净稳定，没有猫、没有孩子、没有任何不可预测的东西，通过这样的数据训练出的具身模型就像让一个人在泳池里学游泳，丢到大海里就很危险。

　　因此，王昊认为，如果机器人能进入真实家庭，就能获取更多高价值、高真实度的交互数据，从而反哺模型训练。每工作一天，机器人边学边干，因新数据的产生而变得更“聪明”。

　　隐私风险如何回避？

　　近段时间，自变量已与58同城展开合作，一个机器人跟着一个保姆，为其“打下手”。王潜介绍，这一模式已经在上百个志愿者家庭中得到应用，目前现场已经不太需要自变量的员工实时支持，当机器人“搞不定”时，会发信号给远程人员接管，类似萝卜快跑的模式。

　　不过，一旦机器人走入更多真实家庭，其背后涉及的隐私与数据安全问题便浮出水面。

　　自变量的解决方案具备一定参考性：视觉脱敏，机器人在设备端对原始图像进行实时打码处理，原始图像不离开设备，机器人看到的已经是去除个人特征的场景数据；透明授权，用户主动按下同意键后方可开机，不存在“默认同意”，用户不同意则不开机；用途限定，绝不共享第三方，机器人只认一个主人，发现可疑指令立即锁定。

　　基于上述隐私保护考虑，其采用的数据策略是实验数据打底，真实场景提质。实验室数据用于建立基本能力——识别常见物体、执行基础动作；真实家庭数据用于让模型学会在不确定环境中生存。

　　“尽管进入家庭的机器人现在还很笨，走得很慢，经常犯错，但人类从婴儿时期迈出的第一步也是如此。每一个伟大的旅程，都是从踉踉跄跄第一步开始的。如今，机器人已经在最复杂的地方开始了它学习和进化的征程。”王潜说。