從春晚舞台到馬拉鬆賽場，人形機器人頻頻出圈，具身智能技術迎來快速迭代風口。

政策利好持續釋放。日前，工業和信息化部、國務院國資委聯合印發《關於聯合開展2026年度人形機器人與具身智能實景實訓專項行動的通知》，明確2026年底實現重點產品常態部署、萬台級規模落地的目標。

市場預期也不斷走高。行業報告預判，2026年有望成為人形機器人“量產元年”，中國具身智能機器人市場規模將突破110億美元，佔全球超三分之一的市場份額。多重紅利加持下，具身智能產業步入發展黃金期。

但聚光燈下藏著尷尬：大量人形機器人能流暢完成跑跳、舞蹈、特技等高難度動作，可一旦走進真實家庭場景，不免頻頻露怯。

從“明星樣機”到“量產落地”，具身智能機器人進家門，究竟還要闖幾道難關？

聽懂與做到之間，“理解”很難

家庭環境是一個相對開放、不斷變化的物理環境。同樣一張桌子，今天放著水杯，明天可能放著水果、玩具或者藥品﹔老人、小孩、寵物都會不斷改變環境狀態。

家庭是典型的非結構化環境，不固定的環境、不固定的任務、不固定的家庭成員習慣，正是它區別於標准化工業場景的本質。極佳視界合伙人、研發副總裁葉雲對記者這樣解釋。

這意味著機器人在家庭中，面對的是一個時時變化的開放世界。

中國科學院自動化研究所研究員陳盈盈說，具身智能機器人在“非結構化開放世界”中的泛化能力不足，是其進入家庭場景最大的技術障礙。

她舉了一個簡單的例子：“桌子邊緣放著一個半滿的玻璃杯，機器人不僅要識別‘這是杯子’，還應推斷出它是易碎的、裡面有液體、輕微碰撞就可能掉落。”

葉雲也用“那杯水”解釋道，對機器人說“把桌上那杯水遞給我”，它在語言層面完全能理解。但真要動手，它得知道什麼是桌子和杯子，以及杯子在三維空間中的確切位置，該用多大的力握持杯子，水滿時移動要平穩，遞到人手裡時要等對方握住才能鬆手。

“但這些都不是寫在指令裡，而是刻在物理世界的規律裡。機器人能‘聽懂’指令，但距離‘做到’，還需要它對三維空間、物理因果、動力學規律有深刻的‘理解’”。

目前，很多機器人通過訓練已經能夠認出一個杯子，但認出杯子和“理解什麼是杯子、像人一樣識別杯子”完全是兩回事。仝人智能科技（西安）有限公司創始人、總經理吳易明說，“理解”是最核心的關鍵詞。

“當前行業討論最多的是模型、算法和參數規模，但機器人想要進入家庭，真正需要突破的，是像人一樣理解物理世界、理解空間關系、理解事物共性的能力，這需要智能科學底層理論的突破。”吳易明認為，“隻有真正具有了‘理解能力’，像人類一樣理解自己與整個物理世界之間的關系，機器人才能服務家庭真實需求，在復雜多變環境中應對各種挑戰，乃至像人類一樣使用傳統工具來服務人類。”

“那麼，人類是怎樣理解真實世界的？”面對記者的追問，吳易明提到了圖式理論（Schema Theory）中“理解”的定義，就是用頭腦中已有的圖式（結構、框架、認知程序）去解讀一個事物。

“我們希望機器人能直接理解真實世界，這首先來源於它對傳感信息的獲取，以及參照人類認知過程，建構的與其外部世界的映射關系。其中，理解的核心是‘識別’，這種能力讓機器人能夠舉一反三且區分更具體的差異。”

還是以“那杯水”為例。吳易明希望，具有“理解”能力的具身智能，不需要通過認識一萬個杯子，只要看到一個新杯子，就能知道它是杯子﹔在知道它們都是杯子的基礎上，還能分辨出哪個是你的杯子，哪個是我的杯子。

“機器人擁有了像人類一樣的理解能力，就能理解空間關系、遠近關系以及一些最基本的物理常識，例如物體為什麼會掉落、為什麼會反彈……而這些都是人類成長過程中天然具備的能力，也是機器人真正具備智能的重要基礎。”吳易明進一步解釋。

“遺憾的是，到目前為止，我們還缺乏一個關於真實世界的動作模型，缺乏一個對時間、空間、物理規律乃至多模態、全模態進行理解、推理、規劃、決策的模型。”智源研究院院長王仲遠坦言，以語言為主導的基礎模型，並不是高效編碼三維空間、物理因果與動作信息的架構。

數據與算法之間，“融通”很難

5月31日起，極佳視界研發的第一代家庭通用人形機器人“拾光S1”正式進入武漢光谷之寓社區，開始進行真實家庭場景測試。它已經能在真實家庭裡分揀疊放衣物、取放餐具、整理廚房、桌面歸位、跨房間取送物品，還能做一些陪伴交互的長程任務。

但從一個社區“跑通”幾項任務，到適配千家萬戶，中間的路還很長。也就是說，具身智能機器人進入家庭面對“千變萬化”的情況時，能否真正完成細致而微的任務？

葉雲認為，基礎瓶頸有兩個：一是缺乏規模化的、能夠描述物理規律的數據體系﹔二是缺乏能夠高效學習物理規律的算法架構。

先說數據，成本居高不下不容忽視。大語言模型有海量互聯網文本“喂”著，但具身智能需要的真實家庭數據“極其稀缺、採集成本極高”。

清華大學副研究員、浙江清華柔性電子技術研究院工業具身智能實訓中心主任陳毅豪給記者算了筆賬，真實家務場景中的觸覺、力控和交互數據極為稀缺，而如果讓真機挨個場景去採集，成本高得離譜。“按傳統採集速度，攢夠訓練通用家庭機器人的數據量可能需要上百年。”他說。

安徽科大硅谷片區企業如動科技創始人兼總經理朱寶認為：“物理世界存在機械臂阻力、光照變化、地面擾動等固有隨機變量，預訓練數據集無法覆蓋全部真實工況，導致具身智能機器人在家庭、戶外等開放環境中容易行動失靈。”

陳毅豪的團隊換了一條路——推出“無本體數據採集”模式：無需機器人到場，由人員穿戴輕量化柔性傳感設備完成家務，同步記錄動作與觸覺數據，再經算法映射為機器人可學習樣本。他所在的中心計劃以有償方式面向社會開放採集，預計今年完成60萬小時，2027年沖刺150萬小時，到2028年建成國家級高質量數據集。

數據採集解決的只是“燃料”問題，但用什麼“發動機”來驅動具身智能機器人？這涉及算法架構與技術路線的選擇。

當前業界探索具身智能主要有三條技術路徑：數據驅動、端到端和認知驅動。吳易明認為，“前兩種都推崇規模定律，信奉大力出奇跡，也都通俗易懂、容易出圈，吸引了大量資源加持。但到目前為止，還沒有顯示度較高的代表性突破和落地應用。”

葉雲對技術路線的三層架構是：基於大規模數據預訓練實現的世界模擬﹔基於真機數據、真人數據、仿真合成數據實現的動作對齊﹔基於真機數據、仿真合成數據的持續強化。他認為，“這幾條路徑不是非此即彼的單選題，這正是我們提出‘雙金字塔’體系的出發點：用世界模型（World Model）把互聯網視頻、真人數據、仿真合成數據、真機數據全部打通利用起來，理解基礎的物理規律，獲得動作生成的能力。用在線強化學習，讓機器人在真實環境中實現持續的自我進化。”

“數據金字塔”由互聯網視頻數據、真人數據、世界模型模擬器、仿真合成數據、真機數據五層構成﹔“算法金字塔”由世界模擬、動作對齊、經驗強化三層構成。兩座“金字塔”相互咬合，讓機器人先從海量數據中學會“世界是怎麼運轉的”，再學會“怎麼把事做對”，最后在真實使用中持續強化、越用越聰明。

回到家庭場景最具挑戰的“三個不固定”難題，葉雲的解決方案是，“不靠為每個家庭場景單獨編程，要靠基礎模型具備的通用適應能力”。他所在的極佳視界公司，已對世界模型進行了多次迭代。僅在動作對齊層面，其世界動作模型（World Action Model，簡稱WAM）就能以約十分之一的實驗數據量，達到全量數據訓練的能力水平。

吳易明反復強調，“智能的本質不是記憶世界，而是理解世界。光靠數據訓練實現不了真正的智能。世界不是隨機樣本的集合，而是可被理解的關系結構。”

仝人智能科技（西安）有限公司的解決方案則是，用統一數學方法表征空間結構，進而表征物理世界規律，依托自主研發的具身智能操作系統，構建起直接與真實世界自主交互和執行任務的智能技術體系。

深化系統融合和打造通用智能，似乎是目前破解數據和算法雙重困局的有效之道。但業界深知，從“跑通一個社區”到“自主適應千萬家庭”，中間這道鴻溝並不窄，或許需要兩條腿同時向前邁進：一邊用海量數據訓練出泛化能力更強的模型，一邊在底層理論上尋求對物理世界表征的根本性突破。

安全與信任之間，“靠譜”很難

2025年11月，Figure AI公司前產品安全主管羅伯特·格倫德爾在提交給美國聯邦法院的訴狀中披露，一台Figure 02機器人在內部測試中故障，機械臂在不鏽鋼冰箱門上劃出了一道四分之一英寸深的凹痕。

“一台體重八九十斤的機器人一旦在家庭中傾倒，即使感知和決策系統再安全，也可能危及家庭成員。”天津大學講席教授、博士生導師孫濤提醒。

他對記者解釋了背后原因：現在多數人形機器人的機械臂採用高剛度位置控制模式，電機被強制驅動到預設坐標。在家庭雜亂光線中一旦視覺感知出現厘米級誤差，機械臂就會以幾十公斤的剛性沖擊力撞向目標以外的東西。

陳毅豪的解釋是：“大型人形機器人肢體活動范圍廣，僅靠預設軌跡運行，根本感知不到后方、側方靠近的人和寵物，很容易發生磕碰傷人事故。”

這需要進入家庭的具身智能操控更加細膩精准，畢竟機器人“手腳”的可靠程度，直接決定了它能否被迎進家門。

孫濤的團隊正在嘗試模仿人體的肌肉和筋腱，用更輕巧的驅動方式替代笨重的電機直驅。通過仿生設計，讓機器人在減輕自重的同時提升負載能力，從機械結構層面增強物理安全性。

陳毅豪透露，他所在的中心正研發全域避障防護系統，其中包括覆蓋機身的電子皮膚薄膜壓力傳感器，觸碰即刻停機，還包括分布式薄膜超聲波傳感器，類似汽車倒車雷達，可提前探測靠近的人或物體並主動減速，全方位保障人、機、物的安全。

此外，他們還基於柔性電子和電子皮膚技術，研發了搭載觸覺感知的末端執行器，讓機器人能識別物體冷熱、光滑、粗糙等物理屬性，自主判斷抓取力度和夾持角度，破解“想干活”卻“干不好”的核心痛點。

信息安全門檻同樣繞不開。今年第三季度起，“拾光S1”機器人將分批進入住戶家中，開啟規模化運營。這有可能是全球范圍內首例通用人形機器人在真實家庭場景實現規模化部署。家庭是私密空間，迎接一個機器人進門，不管它的身份是“保姆”“護工”還是“小時工”，都相當於接了一個24小時在線的數據採集終端。它採集數據時，是否有邊界？邊界在哪？

陳盈盈認為，“端側智能處理，能讓機器人的‘大腦’在不聯網的狀態下，在本地完成理解和決策，實現數據不出家門，從而守住家庭數據隱私。”

“把機器人安全地交到普通家庭手裡，需要在真實場景中長期驗証打磨，是一件需要心懷敬畏的事。”葉雲如是說。

許華哲是清華大學助理教授、破殼機器人創始人，此前曾任星海圖聯合創始人兼首席科學家。他很樂觀：“工廠中重復單一的作業數據無法支撐機器人理解真實世界的復雜性。家庭數據足夠混亂、足夠多元，這種非結構化環境，恰恰是孕育真正通用智能和促進技術快速迭代的最優土壤。”許華哲相信，家庭機器人將在不遠的未來真正到來，重新定義人類的生活方式。

採寫：本報記者 房琳琳 龍 雲 龔 茜 李林旭 江 耘 吳純新

策劃：馮衛東 房琳琳