扔掉遥控器，是具身智能的终极关卡

文｜巨潮WAVE，作者 | 谢泽锋，编辑｜杨旭然 细心的观众能发现，无论是赛跑、障碍赛、跳高还是举重和跳远，机器人背后总是会站着一两个操作员，他们手里拿着遥控器，给机器人下达指令。 去年的机器人马拉松大赛上，几乎都需要人拿着遥控器在后面跟着跑，每台机器人甚至需要三名工程师“陪跑”，一度被诟病为“遥控车大赛”。 “人为遥控”的真实存在，会打破机器人公司漂亮demo带来的完美滤镜，也可以让人们看到更多关于中国具身机器人的真实情况。 但如果因此就将机器人完全等同于遥控玩具——很多人在网络上也是这样玩梗或者评论的，显然是对于机器人产业的理解有些过于简单化了。 理解机器人的“遥控”争议之后，人们才能对具身智能产生更多了解。 进化 竞技赛事是推动AI技术进步的重要平台。 无论是和柯洁对战的AlphaGo，还是美国国防部高级研究计划局（DARPA）主办的DARPA自动驾驶挑战赛，人工智能和智能驾驶都起到了重要作用。 国内的机器人体育赛事也有类似作用。这种大型活动不仅能产生热搜话题、吸引国内外众多厂商参与，更可在极限环境中验证机器人的性能、算法、续航等能力。 以机器人半程马拉松赛为例，第一届20支人形机器人队伍角逐，但最终只有6支队伍完赛。“天工Ultra”以2小时40分夺冠。这个成绩并不算优秀，而且“天工Ultra”还需要一名领跑员，以及工程师背着“电池”为其护航。 第一届机器人半程马拉松，天工夺冠。 第二届马拉松，荣耀齐天大圣队自主人形机器人选手“闪电”在比赛中冲线。 到了今年第二届机器人半程马拉松，赛事分为自主导航与遥控赛队，两组成绩分别按1.0与1.2的加权系数进行核算，并统一排名。 最终，荣耀绝影赤兔队遥控机器人“闪电”以48分19秒率先冲线，但由于1.2倍的加权规则，成绩相应“加长”。来自荣耀的齐天大圣队自主导航机器人“闪电”随后以50分26秒（净用时）的成绩夺得桂冠。 这一成绩不仅相比上一届的冠军缩短了将近1小时50分钟，还打破了人类57分20秒的半程纪录。 今年机器人半马比赛中，40%的机器人都是自主导航、自主奔跑，前三名（齐天大圣队、雷霆闪电队、星火燎原队）也都是机器人自主完成。 赛制设置的1.2倍加权时长，目的就是鼓励参赛队伍使用真正的自主机器人。 遥控组的拐弯、避坑、绕障碍全部是人来操作，机器人只负责执行，速度上更快；自主导航组，机器人要独立识别坡道、弯道、坑洼，自己规划路线、躲避障碍。 毫无疑问，自主机器人才是产业希望看到的终局。 同样，在第二届世界人形机器人运动会，30个竞技赛项中，23项明确要求“全自主”，而去年，多数赛项允许“遥控、半自主、全自主”三选一。 变化的背后，是产业技术的进步。过去一年，人形机器人最大的进步集中在感知与定位，去年机器人靠摄像头识别跑道，容易串道；今年，参赛队伍在头部加装激光雷达，赛前建立“冰丝带”的三维地图，通过雷达与地图匹配实现厘米级全局定位，帮助机器人自主完赛。 100米障碍、400米障碍赛由于难度大，可以允许使用遥控，但最终成绩要乘以1.2的时长加权，也可以报全自主组，系数为1.0。 从这两项备受关注的机器人大赛来看，“遥控”的戏份已经有所降低，机器人的自主能力已经在肉眼可见地提升。 过渡 虽然一年来机器人加速进化，但那些自主参加比赛的机器人，也需要操作员用遥控发出启动指令。 即便使用遥控的400米障碍赛，因为跨栏、过弯涉及对未知空间的实时判断，机器人在复杂环境中遭遇干扰，就可能立刻导致宕机“思考人生”。 这同时也是机器人运动会最大的反差——成绩单上可以超越人类，产品的真正落地却还无法很快同步。 但所有的机器人企业、从业者都会告诉公众，遥控机器人不等于遥控玩具。 传统遥控车，手柄上有前进、后退、向左、向右、转弯等按钮，玩具车能作出怎样的动作，完全取决于操作者的手艺，它没有任何自主“智慧”，不会避障，更不会主动思考。 相比之下，人形机器人并不是“提线木偶”。首先，人类的手速、反应再快，也根本不可能同时操作几十个毫米级的瞬时动作。 其次，工程师只是通过遥控，发出前进、切换模式、指定目标等高层指令，至于怎么迈腿、怎么调整重心、怎么越过障碍，都完全由机器人自主完成。 操作员相当于“布置战术的主教练”，具体怎么踢球，还得球员自主思考和决策。 操作人形机器人的遥控动作，本质是在“任务层”布置任务。操作员相当于“大脑总指挥”的角色，决定去哪里、做什么动作，不会参与具体的运动执行。 目前人形机器人还不能完全摆脱遥控，甚至很多宣称自主的机器人，并非已经完全像人一样理解物理世界，而是提前预设动作脚本。一旦遇到突发事件和复杂环境，任务失败率会肉眼可见地提升。 遥控机器人并非“大号玩具”，绝非“产业骗局”，但机器人仍处于产业初级阶段也是不争的事实，其核心卡点就是王兴兴所说的泛化能力不足。 何小鹏把人形机器人的智能化水平按自动驾驶的方式分成L1—L5五个等级，这一观点被业内广泛引用。 如今市面上的人形机器人基本处于L2初期，要想进入真正的商业化阶段，必须要达到L3的能力，也就是手、脚、嘴、眼、大脑能够全项融合。进入2026年，机器人正迎来量产的关键节点（L3）。 有自媒体分享称，其联系宇树科技员工了解产品情况，被告知9.99万元的G1标准版不支持二次开发，只能用于展示和玩具，本质仍是遥控，处于L1-L2阶段。 真正面向科研、高校和开发者的G1 EDU版，价格跳到20万～40万元，如果想要拥有完整解决方案，定制开发成本极为昂贵。 相比DeepSeek、豆包等已经开始普及的AI应用，人形机器人如今还处于小学阶段。为了保证安全、避免突发意外情况，或在处理复杂任务时遥控不可或缺。 操作员手里的遥控器，完全可以不必回避，它恰恰是机器人迈向真正自主的必经之路，它是机器人智慧水平提升的过渡产物。 终局 无论是使用遥控器，还是类似于《环太平洋》里通过神经感知和脑机接口操作机甲，这些都还不是机器人的终局。 自主智能才是产业发展的最终形态，丢掉遥控器才是具身智能的成人礼。 如上文所述，当前具身智能卡在L2-L3的关键节点，最大瓶颈就在于泛化能力不足。多数机器人在固定场景中经过充足训练，任务成功率能接近100%，然而一旦进入新的环境，成功率就明显下跌。 王兴兴就此提出了“双80%”标准，即把机器人带到80%的陌生场景中，通过语音或文字指令，它能够顺利完成约80%的任务。那么具身智能就真正来到了通用化、产业大爆发的临界点。 他认为，“快的话2到3年，慢的话5到10年，机器人就可能来到ChatGPT时刻”。 在这条进化的路径上，有三个清晰的发展节点。 其一是从需要操作员，到操作员最终退场。 L1阶段需要操作员全权操控每一个动作，L2向L3过渡，则是操作员发出任务指令，机器人完成执行；模仿学习控制是L3到L4，操作员示范一次，机器人学会后即可独立执行；L4到L5则是终极形态，人们只要给出指令，比如说一句“把水端过来”，机器人自主完成细节。 当下的主要瓶颈是上层意图理解与下层运动执行之间的鸿沟。底层大模型能直接驱动几十个关节协同完成一个复杂动作，是未来3到5年最需要突破的技术攻关方向。 其二是数据驱动的自主学习循环正在形成。 遥控并非辅助手段，而是支撑自主能力演进的基础设施。每一次人为操控，其实都