2025年是具身智能极速狂飙的一年。从展会到论坛，人形机器人随处可见：礼宾引导、搬运料箱、分拣快递、折叠衣服、整理冰箱……热闹背后却藏着一个尴尬现实：落地难——具身智能展现出的相当部分技能尚属于按部就班的“表演”，难以应对意外。 “现实世界从来不是 demo（演示）。”智元机器人合伙人、首席科学家罗剑岚指出，真实环境充满了不可控因素，决定机器人能否真正落地的，不是它会不会做，而是它是否足够可靠、能否随机应变。 在这一背景下，智元机器人最新推出面向真实世界部署的在线后训练系统sop。sop重构了机器人的学习范式，将其从封闭的实验室训练，推向真实世界的“实战练兵”。 长期以来，具身智能的学习进化主要仰仗vla技术路线，即视觉-语言-动作模型。该模型通过将人类指令与外界声音、图像、视频等信息转化为计算机可理解的语言，进而控制机器人的行为。简单来说，就是让机器人看着图片、听着声音、跟着视频来学习，是一种“离线学习”模式，往往在数采厂内进行。 早期，这套训练方法确实很有效，能够教会机器人许多“基本功”，但却难以支持机器人应对复杂且不可控的真实物理世界。罗剑岚将其比作“照着武功秘籍在山洞里练功”，等到真正下山比武，才发现对手招式千变万化，秘籍里的“套路”不够用。想要进步，只能回到山洞复盘、修改秘籍，进化效率较低。 如果说vla让机器人第一次具备通用理解与行动能力，那么sop的目标，则是让机器人在“集体在线学习”中快速成长。罗剑岚解释，sop模型的核心在于构建一个学习闭环：这就好比将一群练就基本功的机器人弟子送去江湖历练，无论输赢成败，经验都会实时汇总并反馈给门派“宗师”（即云端算法模型）进行分析、总结，待师父补全招式漏洞、即时更新秘籍后，再统一传授给在外历练的弟子。如此循环往复，整个机器人群体即可在真实世界和真实任务中快速、持续进化，越用越聪明。 罗剑岚强调，干中学“踩过的坑”在这一过程中至关重要。根据智元发表的sop相关论文实验结果，经过3小时在线经验训练，机器人性能可提升约30%；而额外引入80小时人类专家标注数据，性能仅提升4%。“这3个小时的数据正是来自真实场景的失败经验。”罗剑岚解释，当一个机器人犯错，所有机器人都能快速学会如何避免。这种高效的在线互学，显然胜过数采厂“填鸭式教学”。 从智元公布的数据来看，在商超整理、叠衣服、纸盒装配等测试场景中，引入sop后，机器人整体性能显著提升。比如，在物品繁杂的商超场景中，综合性能提升约33%；在叠衣服任务中，操作吞吐量提升114%。此外，经sop训练后的机器人，在长达36小时连续运行中展现出卓越的稳定性和适应性，可有效应对真实世界中的各种“突如其来”。 目前，智元已在真实世界中部署了数十台机器人用于sop开发。“今年预计将在真实场景中增加几个量级的部署规模。”罗剑岚说，这是具身智能迈向真实世界的第一步，机器人不应是性能固定的标品，而应成为持续进化的生命体。 在他看来，人形机器人产业未来可能从一次性交付硬件，转向软硬件一体的持续服务模式。就像自动驾驶系统，车辆售出后，软件仍在不断更新升级，机器人进厂打工、走进家庭后也将持续进化，不断优化用户体验。当然，这一进化过程仍需解决安全、隐私等问题。 据罗剑岚判断，2026年将是机器人从“能做事”到“把事情做好并真正落地”的关键节点。未来，谁在真实世界部署的机器人越多，谁就能获取更多高价值数据，训练出更好的模型，从而形成正向循环。 智元公司表示，sop将率先推动人形机器人在工业场景中的长期稳定运行，将任务成功率提升至可规模化上线的水平。至于家庭场景，则需在预训练模型基础上，结合sop逐步扩展任务能力。 罗剑岚透露，工业场景之外，商超、文娱及部分家庭场景，今年也在逐步布局。他希望能在上海的便利店和超市，看到机器人在真正干活。就在几天前，智元灵犀x2机器人已通过机器人租赁平台“擎天租”，进入位于上海漕河泾的美宜佳便利店，成为该门店的长期机器人员工。
