2000+真实场景搬进仿真！一个导航模型零样本“通吃”四种机器人本体

< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400"> 2000+真实场景搬进仿真！一个导航模型零样本“通吃”四种机器人本体 允中 2026-09-13 15:38:20 来源： 量子位 亮源新创的Physical Al路线清晰了 允中 发自 凹非寺 量子位 | 公众号 QbitAI 过去一年，具身智能的技术迭代明显加快。VLA、世界模型持续演进，强化学习重新成为机器人学习的重要技术路径，Sim2Real加速从仿真走向真机，全身控制能力也在快速突破。 机器人会做的事情也越来越多：能走、能跑、能抓、能导航，甚至可以完成越来越复杂的长程任务。 但如果把这些能力放到真实世界里，一个更基础的问题正在浮现： 机器人“会做”一件事，和机器人能够在开放环境中长期、稳定、泛化地把事情做成，其实是两回事。 一个机器人能跨过固定高度的障碍，不意味着换一种障碍还能完成；能在一个房间里导航，不意味着换一个场景、换一种机器人本体仍然有效；正常状态下能稳定行走，也不意味着受到撞击、跌倒甚至关节损伤之后还能继续工作。 这也是为什么，随着具身智能从Demo走向真实世界，行业的评价标准正在发生变化。 如果说上一阶段关注的是机器人到底“会多少技能”，那么下一阶段更重要的问题是：这些能力能不能持续规模化扩展。 这里所说的Scaling，不只是模型参数量，也不只是机器人数据量，而是模型能否经历更多环境、覆盖更多任务、迁移到更多机器人本体，并在真正进入物理世界之后，继续适应那些训练阶段没有见过的状态。 过去一个多月，亮源新创连续发布了三项技术： LightParkour、LightNav-0和Light REACT 。 LightParkour从简短的人类动作片段出发，通过物理仿真与课程学习扩展复杂接触技能； LightNav-0基于Real2Sim2Real数据引擎，将 2,000+个 互联网来源的真实场景转化为可反复使用的仿真环境，生成 4,000+小时 视觉、语言和动作经验，并用于通用导航后训练； Light REACT则面向外力扰动、跌倒和硬件损伤条件下的全身韧性控制，研究机器人如何依据自身交互历史调整运动方式。 △ 亮源新创连续发布三项技术：LightParkour、LightNav-0和Light REACT 看起来，这是跑酷、导航和全身控制三个不同方向。 但把三项技术放在一起，会发现亮源新创实际上一直在回答同一个问题：如何让Physical AI从单点能力，逐步形成可以规模化训练、规模化对齐和规模化部署的基础模型体系。 三项技术方向不同，但都在围绕亮源新创“三段范式”所指向的核心问题展开：如何让Physical AI的能力持续规模化扩展，并最终形成 从训练、对齐到真实部署的学习闭环 。 具身智能真正要解决的，是能力如何持续规模化扩展 过去的机器人研发，大量建立在任务分解之上。导航解决导航，运动控制解决运动控制，机械臂操作解决机械臂操作。任务和环境越明确，工程系统往往越容易针对性优化。 这套方法并没有问题。工业机器人能够在高度结构化的环境中稳定工作，本身已经证明了它的价值。 但通用机器人面对的是另一种问题。现实世界不是一个固定Benchmark，环境会变，任务会变，机器人本体会变，甚至机器人自己的身体状态也会变。 如果每增加一个任务就重新训练一个模型，每换一个机器人就重新适配一次，每出现一种异常状态就重新设计一套控制规则，那么系统能力虽然在增加，开发和部署成本也会同步增长。 最终，能力没有真正实现规模化扩展，工程复杂度反而先增长起来。这也是基础模型给机器人行业带来的真正启发。 大语言模型的重要意义，并不只是把某一个NLP任务做得更好，而是通过统一模型、统一表示和规模化训练，让越来越多能力进入同一个模型体系。 如果Physical AI也要沿着类似方向发展，那么需要解决的核心问题，同样不是不断增加孤立技能，而是 建立一套可以持续扩展能力边界的学习机制 。 亮源新创将这套机制概括为三个阶段： 规模化预训练（Scalable Pre-Training）、规模化对齐（Scalable Alignment）和规模化部署（Scalable Deployment） 。 规模化预训练通过大规模数据训练建立基础能力；规模化对齐通过强化学习等方式进一步提升模型能力；规模化部署则推动基础模型进入真实世界，并持续产生高质量真实世界数据，形成驱动模型持续优化的数据飞轮。 三个阶段并非彼此割裂，而是共同构成一个持续迭代的学习闭环。亮源新创过去一个多月连续发布的三项技术，则从不同方向展现了他们围绕这套技术路径展开的研发进展。 LightParkour：先解决一个动作如何变成一类能力 先从LightParkour开始。跑酷是全身运动学习中涉及复杂接触的典型任务之一。普通行走主要依赖双腿和地面形成支撑，但当机器人需要攀爬、撑越或跨越较高障碍物时，环境本身会成为身体支撑的一部分。 手应该在哪里接触，什么时候承重，身体重心如何移动，障碍物高度变化之后动作如何跟着变化，这些都会直接决定任务能否完成。 传统动作模仿在这里会遇到一个明显问题：动作视频记录了“人怎么动”，却没有完整记录“这个动作为什么在这个环境里成立”。 如果直接通过动作重定向（Motion Retargeting）将人类动作映射到机器人本体上，可能出现手掌悬空、身体穿过障碍物，甚至整个轨迹超出机器人动力学能力的问题。 另一种办法是针对每一种障碍重新采集动作。但这样一来，数据成本会随着技能、地形和接触方式线性增长。 LightParkour选择的方式是： 只给机器人一个起点，然后让技能自己生长 。 具体来说，LightParkour首先从真实人类动作中恢复一段简短的动作种子，再把动作和对应的障碍物一起放入物理仿真。仿真负责重新建立动作、障碍物、接触力和机器人执行器约束之间的关系。机器人成功完成当前动作之后，系统继续提高障碍物难度，并把成功轨迹作为下一轮训练的参考。 于是，从一段针对 45厘米 障碍物的初始动作出发，可以逐步生成覆盖至 75厘米 障碍的参考轨迹，对应90厘米高的Lightbot 0约83%的身高。 整个扩展过程中，只有最初的动作和障碍物需要人工对齐，之后的能力增长主要由物理仿真和课程学习完成。 这件事真正重要的地方，不是机器人跨得更高了，而是一个动作样本开始变成一个技能分布。 过去需要针对不同障碍重新采集示范，现在模型开始利用物理世界本身的规律，自动生成新的有效经验。 △ LightParkour完整训练流程 这已经出现了基础模型实现Scaling的一个关键特征： 能力不再和人工数据一一绑定 。 会很多动作还不够，要把它们放进同一个模型 技能扩展之后，第二个问题随之出现。 如果行走是一个模型，攀爬是一个模型，快速撑越又是一个模型，那么技能数量增加之后，机器人仍然需要一个上层系统决定什么时候调用哪个模型。 LightParkour进一步使用多专家蒸馏，把行走和三项复杂接触技能整合到一个统一策略中。 更关键的是，技