AGI 原野访谈回顾 Maggie X 薛宇斐
一个大脑，能不能控制多种身体？
如果你看到一群高矮胖瘦、来自不同厂商的人形机器人，跟着同一个节奏做动作，第一反应可能是：这是不是提前编排好的表演？
但在机器人研究者眼里，这背后真正有意思的问题是：同一个控制策略，能不能迁移到不同的机器人身体上？
这一期 AGI 原野，我们请到上海交通大学博士研究生薛宇斐。他的研究方向是具身智能与人形机器人全身运动控制，最近一项工作关注的是「跨本体」控制，也就是让已有控制器适配不同的人形机器人。更形象一点说，就是一脑多形。
薛宇斐团队与多款人形机器人演示视频
在普通人的直觉里，机器人完成一个动作，可能只是「听懂指令，然后去做」。
但宇斐在访谈里把这个过程拆成了三层。
第一层是语言和视觉感知。机器人要先理解人给出的任务，比如「走过去，把桌上的话筒拿起来，放到沙发上」；同时，它还要通过视觉理解周围环境。
第二层是 Planner，也就是规划器。它会决定机器人接下来怎么走、走到哪里、用哪只手抓取、如何放下。
第三层才是底层运动控制。它负责把规划器给出的轨迹，转化成电机该输出的扭矩、位置、速度，让机器人真的动起来。
如果把机器人类比成人，大脑负责理解和规划，小脑负责把规划变成身体动作，而身体本身决定了动作能不能做、怎么做。
这也是为什么「运动控制」听起来像一个很底层的问题，但它实际上决定了机器人能否稳定、自然、低成本地完成任务。
人形机器人看起来都差不多：一个头、两条腿、两只胳膊。
但从控制角度看，不同机器人之间的差异非常大。有的机器人只有 20 千克，有的接近 70 千克；有的腰部有三个自由度，可以俯身；有的腰部没有自由度，只能通过下蹲完成同样的任务。不同厂商的电机性能、关节排布、机械结构，也都会影响控制策略。
所以，同样是「拿起桌上的水杯」，一个机器人可能可以弯腰拿，另一个机器人必须蹲下来拿。
这就带来一个现实问题：过去很多控制器都是为某一台特定机器人设计的。一旦换了新的型号，算法往往不能直接部署，需要工程师重新调试。宇斐在节目里提到，对于有经验的工程师来说，一套新算法适配到新本体上，可能也需要一周左右；如果加上训练时间，周期还会更长。
他们把这个方向称为「跨本体」，或者「一脑多形」。一个控制策略向多种机器人本体泛化。
在这项工作中，团队在仿真环境中测试了 12 款机器人，在真实环境中测试了 7 台机器人，覆盖了多家厂商和不同类型的人形机器人。真实部署并不轻松。宇斐提到，整个 Sim-to-Real，也就是从仿真迁移到真实机器人的过程，团队花了大约三个月。
但一旦通用控制策略跑起来，新的意义就出现了：当一个新机器人本体出现时，工程师不再需要从头开始做适配，而是在已有控制策略基础上微调。按照宇斐的判断，熟练工程师可能用半天到一天，就能完成过去需要一周左右的工作。
这对机器人公司非常关键。因为整机研发本身就是一个长周期过程。一个新本体设计出来以后，公司需要尽快知道：这个结构合不合理？哪些动作能做？哪些地方有问题？如果控制适配周期被缩短，硬件迭代速度也会随之加快。
这期访谈里，一个反复出现的关键词是数据。
训练跨本体控制器，需要让模型见过不同机器人的本体信息。问题是，很多机器人厂商会把自己的 URDF 文件视为资产，并不会公开。宇斐提到，他们调研时看到海内外人形机器人类型已经有 50 多种，但最后真正能拿来测试的只有 12 款。
所以，他们的一个核心贡献，是在数据不足的情况下，想办法高效生成一部分具身数据。
访谈中还聊到机器人操作数据的三种来源：遥操作、UMI 和 Ego 数据。遥操作质量高，但成本高、效率低；UMI 介于两者之间；Ego 数据则更接近「人戴着设备正常工作，同时记录动作过程」，成本更低，也更容易大规模铺开。
遥操作：质量更直接
每一条轨迹都需要机器人参与，数据目标明确，但采集周期和成本更高。
UMI：折中方案
不一定需要整台机器人参与，但仍会影响人的操作效率和动作自由度。
Ego 数据：更容易铺开
让人在真实工作中正常操作，同时记录动作过程，更接近低成本、大范围采集。
这解释了为什么今天很多具身智能公司和研究团队，都在寻找低成本、可规模化的数据采集方式。机器人不是只缺模型，也缺足够好的身体经验。
实验室里的机器人演示，和工厂里的长期运行，是两件事。
在实验室里，研究者可以为一个任务做很多调试，环境也相对可控。但一旦进入真实场景，机器人需要面对更复杂的地面、更长时间的运行、更少的人为干预。
宇斐提到，真正走向工厂，至少有三个问题要解决。
第一是能耗。算法不只是要让机器人完成任务，还要让它以更低能耗完成任务。否则机器人可能工作一小时就没电，而不是连续运行三小时。
第二是硬件稳定性。电机、控制器、整机结构，都要经得起长时间运行，不能频繁下线。
第三是自主能力。未来机器人要在各种环境中完成操作任务，这对算法提出了更高要求。
所以短期来看，宇斐更看好人形机器人先进入工厂、物流等相对标准化的场景。家庭当然是更令人期待的方向，但家庭环境变量更多，难度也更高。
一个很有意思的问题是：未来人形机器人会走向统一，还是越来越多元？
宇斐的判断是，两件事会同时发生。
一方面，机器人产业会出现一定程度的标准化。就像智能手机时代，很多内部元器件、接口会逐渐变得标准化。
另一方面，不同厂商仍然会有不同的系统、形态和产品路线。机器人不会只有一种形态，也不会只有一种操作系统。
在这个类比里，控制器有点像机器人上的 App。一个好的控制策略，不应该只能运行在某一台机器人上，而应该能适配不同型号、不同形态的机器人。
通用控制适合那些大众都会需要的能力，比如行走、搬运、洗衣、做饭；专用控制则适合更具体的场景，比如护理、特定工厂工序、特定家庭需求。它们不是互相替代，而是互补。
过去一年，很多人形机器人演示集中在跳舞、翻跟头、表演性动作上。它们让大众第一次感受到机器人运动能力的进步。
但宇斐认为，未来 12 个月，实验室场景中机器人的自主能力会继续增强；在现实生活的展示中，机器人可能会更多进入带交互的运动场景，比如拳击、羽毛球、乒乓球。他希望证明，在某些场景下，人形机器人相比轮式双臂机器人，确实有它不可替代的价值。
当一个控制器可以跨过不同的身体，机器人产业真正获得的，是一种更快迭代、更快部署的能力。
这也是我们觉得这期访谈很值得记录下来的原因。
人形机器人不是单纯的硬件竞赛，也不是单纯的模型竞赛。它是在数据、模型、机器人学、硬件和工程落地之间不断对齐的一整套系统工程。
更完整的访谈内容，已经上传在视频号/小红书/B站/搜狐视频/YouTube。
在完整访谈里，我们还聊到了 Sony AI 打乒乓球的进展、机器人未来进入家庭的可能路径，以及未来 12 个月人形机器人可能出现的变化。本文篇幅有限，这些内容没有全部展开。
感兴趣的朋友可以去看完整视频。节目已经发布在 AGI 原野的微信视频号、B站、小红书和、YouTube和搜狐视频。
欢迎加入 AGI 原野的讨论
如果你正在做人形机器人、具身智能、工厂自动化，或者你手里有真实场景，希望加入技术、产品、产业和投资视角的交叉讨论，欢迎通过 AGI 原野社群和我们联系。
AGI 原野社群里有很多来自 AI、机器人、产业、投资和内容领域的伙伴。长期来看，我们想做的是让真实需求和真实能力更高效地匹配：有人知道问题在哪里，有人知道怎么把它做
