刚刚，清北天团甩王炸！正面叫板Figure

新智元报道

刚刚，国产人形机器人「大小脑」， 和Figure杠上了！

它就是国内初创公司德塔智能新发布的双足人形机器人基础模型，Delta 0。

比速度、比长程，它都不输Figure Helix，任务花样甚至更多。

国内能做到这一步的，目前只有它。

只见，装上Delta 0的人形机器人，优雅地给自己放了张黑胶唱片，跟着音乐摇摆。

也一口气把一屋子的脏活累活挨个干了一遍。

它先走到床边，一只手轻轻攥住被角往外一抖，被子瞬间平平整整。

地上躺着一只玩偶。它膝盖一弯，直接「丝滑下跪」，把玩偶捡起来后单脚一蹬利落起身，顺手一放，玩偶又回到了床上。

椅子上搭着的脏衣服，被它一把抄起，塞进了洗衣机。

洗碗机的门关得死紧，它一把拽开，把刚从餐桌上拿来的杯子稳稳放进碗架。

最后，它拉开冰箱拎出一个快烂掉的苹果，走到脚踏垃圾桶前一脚踩开桶盖，把苹果精准丢了进去。

活儿全干完，它一转身，结结实实瘫进了沙发。

前后3分钟全自主完成，行云流水，中间连一次磕巴都没打。

这台机器人的身体是市面上就能买到的通用款，所以看着轻松的每个动作，难度全压在了Delta 0身上。

手上力气不够，它就全身一起使劲

刚才它一把拽开的那扇洗碗机门，其实比你想象的沉得多。

德塔团队拿拉力计实测过，想拽开它，得用上大约5公斤的力。可这台机器人手臂的力气只有1.5公斤左右，门要的力是它的3倍还多。

力气不够，那就借力。

它压根没打算只靠胳膊硬拽。一只手撑住柜子，给身体找个支点，另一只手握住门把手，同时腰和腿猛地往后一坐，把全身的重量压了上去。门顺着铰链转开，它拉的方向也跟着一点点转。

踩垃圾桶的时候，它得先把全身重心压在一条腿上，再抬起另一只脚，精准踩下踏板。劲儿小了桶盖弹不开，劲儿大了身子就容易晃倒。

前一秒还在走路的脚，这一秒成了开盖的工具。

Delta 0分成大脑和小脑两层。大脑看画面、听指令，决定接下来做什么，小脑再把这些决定翻译成全身每个关节的动作。

刚才借力拉门、单脚踩桶的时候，手脚怎么配合、怎么保证不摔跤，全是小脑在实时微操。

它也没把身体拆成上下两半来管。从手指到脚尖，全身被放进同一个动作空间，一共69个自由度，身体占29个，两只手留了40个。上下半身一起学，所以胳膊没劲儿的时候，它懂得调动腰和腿来帮忙。

会使劲还不够，还得知道自己使了多大劲，拉门、踩踏板时才拿捏得住分寸。

Delta 0的办法是直接算，德塔管这叫力的「内生」。它想把手伸到A点，却被门挡在了B点，差得越远，关节往A点使的劲就越大，所以看这段差距，就能算出这股力有多大。

顺着这个思路，团队做出了纯算法的力位混合控制，控制手脚位置的同时，把接触时的受力一起管住，相关成果拿下了机器人顶会CoRL的最佳论文。

快，是从人身上「扒」下来的

拉门、踩踏板靠的是全身发力，到了铺床、放唱片这种活，比的就是手脚够不够快。

Delta 0干起活来一点不磨蹭，手脚连贯利索。

铺床的时候，被子又软又滑，一扯就变形。它脚下沿着床边挪，手上一刻没闲着。

放唱片也干净利落。它捏起唱片，掀开防尘盖，把唱片稳稳落到转盘上。

走向目标的路上，它的身体已经在调整姿势，手臂提前伸出去，到了地方直接开干。

从预训练开始，Delta 0吃的就是没有降过速的人类全身数据，人平时怎么干活，它就照葫芦画瓢怎么学。

人铺床时采下的全身数据

等到练具体活儿的阶段，数据改用遥操作来采。操作员直接拿自己的身体当遥控器，人弯腰它就跟着弯腰，所以人干活有多利索，采出来的数据就有多利索。

这是双足人形才有的便宜。它和人长得一样，人一边走一边干的数据，它能原汁原味地直接学。

光有猛料还不行，脑子也得跟得上。

Delta 0的大脑每秒刷新10到20次动作规划，每次都提前盘算好接下来的一串动作，边做边想，不会做完一步停下来发呆。

小脑每秒至少执行50次，过了100次就很顺滑，团队内部已经跑出了500次的版本。

德塔还放了句狠话，以后发出来的画面，得按0.5倍速放，不然人眼根本看不清动作细节。

超长程任务，靠提前预演和自己纠错

连着干一串家务，磨人的地方就在衔接。

上一件事做完时身子停在哪、手里攥着什么，直接决定了下一件事从哪起步。

它从餐桌上端起杯子走到洗碗机前，先把杯子搁在旁边的台面上，腾出手去拉那扇沉门，等门开了，再把杯子拿起来放进去。

要是死攥着杯子不放，门根本拉不开；杯子搁得太远，门开了又够不着。

这一镜里的活儿，拆开是一长串动作。假设要连做30步，就算每一步都有95%的把握，一口气全做对的概率也只有两成出头。

Delta 0能把这一长串动作丝滑地串起来，先靠一个会提前「脑补」的大脑。

这个大脑是一个隐式世界-动作模型。身体动起来之前，它会先在脑子里把接下来的画面预演一遍。预演发生在模型内部的特征里，并不真的把画面画出来，所以叫「隐式」。

模型内部分了三路，分别处理眼前的画面和指令、预测未来的画面、规划全身动作，三路随时互通消息。

整段任务的指令只给大方向，比如这一段铺床，下一段捡玩偶。两段之间怎么接，全靠Delta 0自己补上。

光会脑补还不够，现实里意外多得是，出了岔子还得自己兜得住。

一把没抓稳，它会自己再抓一次。有人故意使坏，把垃圾桶盖按了回去，它就再踩一次，而且这次踩得比上次还用力。

整个过程，不需要有人冲上去帮它复位。

这些临场应变，不少都没人专门教过。人拉不开门会下意识用身子顶一下，这种本能早就藏在海量的人类数据里，Delta 0在预训练时一并学了过来。

换一套从没见过的彩色灯光，它照样能把杯子放进洗碗机。

能做完还不够，还得每次都做得完。

这得靠在真机上反复练。双足人形的大脑和小脑是两套独立的网络，过去想一边让它跑、一边纠正它，一直是个老大难。

Delta 0想了个巧招，把大小脑之间的指令改成了「增量动作」，每次只告诉小脑，在现在的姿势上再挪一点点。

于是人随时可以插手，在它快出错的那一瞬间直接把动作掰正，这段被掰正的轨迹，当场就变成了训练数据。这就是人在回路学习（Human-in-the-loop）。

抓杯子快出错时，人接手纠正

再配上一个价值模型，随时估算离干完还差多远，进展大的动作多学，往回退的少学。

洗碗机抓杯子这件事，只用遥操作数据训练时，20次只能成4次。在真机上练了一轮，成功率飙到50%，再练一轮，直接干到了65%。

当然这还远远不够，德塔团队表示，最终的目标是接近完美的成功率。

价值曲线，失手时往下掉，纠正后又拉回来

学出来的小脑，没练过也做得准

人脑里，大约80%的神经元都长在管运动的小脑里。

所以德塔认为，人形机器人的小脑也不能靠手写规则死磕，得靠数据「喂」出来，还得能越长越大。

Delta 0的小脑，就是一个纯靠学习练出来的全身控制器。

大脑下发一组「运动关键点」，可以理解成对人体骨骼的一种抽象表达，小脑稳稳接住，瞬间拆成全身几十个关节的协同动作。人遥控它的时候，走的也是这同一套关键点和同一个小脑。

为了验证小脑的效果，团队找来四个公开的全身控制器，其中就有英伟达开源的SONIC，拉着它们做了一场零样本「裸考」。501段日常动作、约3.5小时，全都没练过，直接上场。

全局位置误差（米，越低越好）。零样本测试，各家仿真配置不同。

身体位置误差（毫米，越低越好）。零样本测试，各家仿真配置不同。

Delta 0的全局位置误差只有0.106米，SONIC是0.165米；身体各部位的位置误差上，Delta 0是16.73毫米，SONIC是22.58毫米，两项都是五家里最低。

为了喂饱大小脑，德塔干脆自己下场采数据。

他们自研了头戴式全身全景数采设备D1，人戴上它正常走路干活，第一人称画面、全身骨骼动作连同手指上的细节，都能一样不落地记下来。

按团队的计划，年底前要攒够10万小时这样的全身数据。

清北UCLA王牌组合

补上AGI的物理拼图

做出Delta 0的，是一支清华加UCLA背景的王牌团队。

德塔智能今年1月才成立，由北京通用人工智能研究院孵化。

创始人兼CEO马晓健，本科毕业于清华计算机系，在UCLA拿到计算机科学博士。

回国前，他在Google DeepMind、英伟达研究院做机器人学习研究，之后又在通研院主导具身基础模型等项目。

联合创始人兼首席科学家黄思远，本科读的是清华自动化系，博士毕业于UCLA统计学专业。

他曾在DeepMind和Meta做前沿研究，现在还兼任通研院具身机器人中心主任。前面那套纯算法的力位混合控制，就出自他提出的理论。

联合创始人刘航欣，本科毕业于美国弗吉尼亚理工大学，在UCLA拿到机械工程硕士和计算机科学博士，现在是北京大学智能学院助理教授。

他曾任通研院研究员、机器人实验室主任，牵头完成过多个人形机器人在工业和特种场景里的应用交付，还主导研发了全手视触觉灵巧手F-TAC。

他的论文登上过《Science Robotics》《Nature Machine Intelligence》等顶刊。

成立半年，德塔就完成了六轮融资，最新一轮天使++轮近5亿元。

乐聚、智元、星海图几家机器人本体厂商，也成了它的战略投资方。

在马晓健看来，能源、基建这类高危场景，未来一两年就会迎来一波集中落地。

这套逻辑，马斯克其实早就讲过。他一直想让Optimus比人类先登上火星。

让机器人打头阵，是因为火星太要命，送人上去风险和代价都高得吓人。机器人得自己深一脚浅一脚地走到地方，到了还得上手干活，所以最合适的就是人形。

德塔看来，不用扯那么远，地球上就有不少「火星」。

高压电站、井下巷道、海上平台都是，脚下到处是台阶，门口还有几十公分高的挡鼠板，里面的阀门和开关却全是照着人的身高和手型设计的。

这些活人也能干，但风险高、环境恶劣，交给一个能自己走进去、使得上劲的人形机器人最合适。

据报道，今年光是人形带电作业机器人，国家电网就计划采购500台。

One More Thing

德塔给自己的定位是，要做就做全栈。

在他们看来，大模型擅长的是数字世界里的符号推理，通往AGI，还差物理世界这一块拼图。

一个懂物理、能迁移到不同机器人身上的大脑，配上一个懂得借力和接触的小脑，再让两者深度协同，是物理AI基础模型的终极使命。

这也是德塔想亲手补上的那一块。

参考资料：

https://x.com/elonmusk/status/1900774290682683612

https://x.com/elonmusk/status/1953028261044187204

https://www.21jingji.com/article/20260429/herald/6bc0f3fbe48368de421f1a7c9d0659c7.html

https://www.figure.ai/news/helix-02

编辑：摩西 Aeneas