机器人如何走向通用？Arm技术负责人提到了“智能层”

机器人正以肉眼可见的速度进化，比如它们的奔跑速度远比去年更快。但一个始终存在的卡点是，它们如何实现真正的泛化能力，进入各类真实场景来完成真实任务。

在北京融科资讯中心，我们见到了Arm 物理 AI 机器人技术研究全球负责人 Federico Pecora。他有超过15年横跨产业与学术界的经验，曾领导亚马逊机器人的应用科学团队，更早则在瑞典厄勒布鲁大学任教。其研究，聚焦于打造稳健、通用的机器人智能系统。

针对机器人的通用性，Pecora提出了四个需要特别注意的问题。他告诉硅星人，这些问题不可以单独拆解，需要作为一个整体共同推进。在这四个问题之上，他还提出了名为“智能层”的概念，并指出，这是实现机器人泛化能力过程中尚未补齐的关键环节。

在Pecora看来，物理AI的天花板并不完全取决于AGI是否成熟，只要补齐“根据场景协调、编排、组合各项能力”的中间层，即便AGI没有完全落地，一个灵活的、可以自适应的物理AI智能体，也有机会实现。

机器人需要自由组合skill

Pecora用了一个简单的购物场景，来解释机器人能力泛化面临的真正挑战。

假设用户带着一台人形机器人进入一家陌生超市，并告诉机器人：“推辆购物车跟着我，我去挑选蔬菜，你去取一袋10公斤的大米，我们稍后在乳制品区会合。”虽然这个任务看似日常，却要求机器人同时理解用户意图、识别环境、规划路线、寻找目标物体、操作购物车，并在过程中不断调整自身行为。

今天的AI已经逐渐掌握了其中的单项能力。视觉模型能够识别物体，大语言模型能够理解语义和常识，机器人系统也已经能够完成导航、抓取等任务。但当进入真实世界，需要这些能力共同完成一个开放环境中的任务时，问题开始变得复杂了。

机器人推动购物车之后，要处理的不只是自身运动，而是“机器人+购物车”的整体状态；当购物车装上大米，重量增加会改变惯性和制动距离，机器人还需要实时调整运动策略；而在陌生超市中，它也不能依赖提前制作好的地图，更需要结合视觉感知和已有知识，来完成自主导航。

如何把不同技能组合起来，尤其是让机器人自主完成这种组合，难上加难。这也是物理AI与数字世界AI的重要区别。

数字世界中的Agent虽然也会通过工具改变任务状态，但这种变化通常发生在可控的软件环境中。机器人面对的则是真实物理世界，每一个动作都会改变后续决策条件：拿起一个东西会改变自身状态，移动到新的位置会改变空间关系，与人交互还会引入新的安全约束。

所以，即便机器人掌握越来越多Skill，并不等于已经具备了通用能力。

从产业发展趋势来看，机器人泛化能力可分为三个阶段。第一阶段是跨对象泛化，机器人能够在同一任务流程中处理不同类型的对象；第二阶段是多任务智能，统一智能平台能够根据任务需求切换不同能力组合；第三阶段则是系统级自适应，这时，机器人可以根据环境变化自主调整，而无需重新开发、训练或部署系统。

真正推动机器人规模化落地的，正是从多任务智能走向系统级自适应的过程。

过去，机器人进入一个新的工厂、新的仓库或者新的应用场景，往往需要工程团队重新采集数据、调整模型、优化控制策略、配置系统。未来，如果机器人能够理解任务，并自主组合已有能力完成适配，部署成本就可能显著下降。

“智能层”成关键缺口

把自适应能力拆开，出现了四个关键问题。

首先是能力如何实现。机器人无法依靠单一模型完成所有任务，而是需要为不同环节匹配合适的模型、策略、规划器和控制器。

其次是不同能力如何在运行过程中持续协同。真实世界中的工作负载具有不同时间尺度，机器人要根据不同的时序要求，对模型、策略、规划和控制进行系统化组合。

第三是能力如何映射到计算资源。响应能力、自主决策和安全性要求大量智能计算在机器人本地完成，而这需要将计算任务与共享状态合理部署在 CPU、AI 加速器、边缘端和云端。

最后则是能力如何管控。行业需要关注的不只是碰撞规避、速度限制和力控制等基础安全问题，还包括空间与时间规则、任务偏好以及特定场景下的行为规范等更高层次约束。

在Pecora看来，要回答以上问题，一个能够动态组装、调度、部署和管控机器人各项能力的智能层，必不可少。

这是Arm正在研究的方向。事实上，除了Arm，其他巨头也在展开类似的探索。

Google DeepMind近期推出的Gemini Robotics系列，体现了一种越来越明显的分层思路。他们让更高层的具身推理模型负责理解环境、拆解任务、调用工具，并判断任务是否完成，再由更具体的机器人模型来执行动作。

英伟达的路线则更加偏向完整机器人基础设施。在GR00T机器人基础模型之外，英伟达同时构建了包括仿真平台、数据生成、世界模型和端侧计算在内的完整技术体系。GR00T N1采用“双系统”设计，高层视觉语言模型负责理解环境和任务，低层模型负责生成实时动作。

虽然具体技术路线有所差异，但趋势一致：大家都在想办法更好地组织不同层级的智能。

而一旦“智能层”成为机器人系统的重要组成部分，它可能反过来影响底层计算架构。因为机器人软件架构的变化，会改变系统对算力、实时性、功耗和安全性的需求。

机器人需要同时运行持续性的视觉感知、高层推理、高频动作控制以及安全系统，计算架构必须能够应对更加复杂的任务调度，并满足计算开销更高的控制需求。

进一步来看，未来计算平台可能还要支持不同机器人之间能力的复用与组合。“无论是人形机器人、移动机器人，还是其他形态的机器人，开发者都希望能够基于同一套基础平台构建应用，而不必在每一代芯片、每一种计算架构或每一个新产品上重复投入大量适配工作。”

Arm过往在计算架构和生态上的积累，有机会在这一过程中体现价值。通过覆盖传感器、实时控制、AI计算、边缘计算到云基础设施的完整计算生态，Arm 可以为机器人提供统一的计算基础，帮开发者在不同硬件平台之间复用软件、高效调度工作负载，并支持机器人“大脑”与“小脑”的协同运行。

Federico提到，Arm通过提供 ISA 一致性（ISA parity）等能力，让开发者能够基于统一架构完成软件开发，并更容易将相关能力迁移到边缘侧和终端机器人平台。

不过如何真正实现智能层上的突破还要继续摸索。Arm目前并没有宣布一个具体的“智能层”产品，他们更多是在研究未来机器人能力如何组合，并与机器人制造商、传感器厂商、控制器厂商以及半导体企业合作，推动计算架构和工具链演进。

从这个角度看，智能层的实现需要物理AI产业各方协作。当它逐渐走向成熟，物理AI便更有机会从Demo，走向真正的规模化应用。