機(jī)器人存在的意義是什么？

在北京人形機(jī)器人創(chuàng)新中心看來，答案始終明確而堅(jiān)定：機(jī)器人，最終是為了“能干活、會干活”——是為了走入工廠乃至千家萬戶，去完成那些重復(fù)、繁重、高危的實(shí)際任務(wù)，創(chuàng)造真實(shí)價(jià)值。

今天，我們離這個(gè)目標(biāo)又近了一大步。

在業(yè)界目光正逐步向?qū)嵱妙I(lǐng)域傾斜，大眾對于機(jī)器人“干活”的呼聲也日益強(qiáng)烈的背景下，北京人形機(jī)器人創(chuàng)新中心在18日的直播中，正式宣布開源其核心的具身智能跨本體視覺語言動(dòng)作（VLA）大模型XR-1，推動(dòng)具身智能機(jī)器人向“全自主、更好用”的目標(biāo)邁進(jìn)。

結(jié)合北京人形升級版大規(guī)模機(jī)器人數(shù)據(jù)集RoboMIND V2.0，以及高保真鉸接物體數(shù)字資產(chǎn)數(shù)據(jù)集ArtVIP，我們能夠發(fā)現(xiàn)，此次開源并非一次單純的技術(shù)共享，而是一套旨在系統(tǒng)性解決機(jī)器人如何“能干活、會干活”這一核心難題的完整方案。

▍XR-1：一個(gè)能跨場景、跨本體、多任務(wù)干活的VLA模型

要讓機(jī)器人像人一樣靈巧、智能地完成任務(wù)，關(guān)鍵在于“腦”的協(xié)同。北京人形將這一體系解構(gòu)為“具身大腦”與“具身小腦”。

“具身大腦”負(fù)責(zé)高層的認(rèn)知、規(guī)劃與決策，理解“要做什么”和“為什么做”。此前，北京人形已開源了世界模型WoW（我悟）和多模態(tài)具身通用模型Pelican-VL（天鶘），為機(jī)器人提供了理解物理世界和進(jìn)行復(fù)雜任務(wù)規(guī)劃的能力基礎(chǔ)?！熬呱硇∧X”則負(fù)責(zé)將大腦的指令轉(zhuǎn)化為精準(zhǔn)、流暢、適應(yīng)本體特性的動(dòng)作，解決“具體怎么做”的問題。

XR-1，正是北京人形為機(jī)器人打造的“超級具身小腦”的重要組成部分。

它不是一個(gè)停留實(shí)驗(yàn)室中的理論模型，剛剛在由中國電子技術(shù)標(biāo)準(zhǔn)化研究院組織的、基于國家標(biāo)準(zhǔn)的“求索”具身智能測評（EIBench）中，XR-1是首個(gè)且唯一通過全部測試的VLA模型，獲得了CESI-CTC-20251103具身智能測試證書權(quán)威認(rèn)證。

EIBench測評的核心目標(biāo)，正是直擊具身智能領(lǐng)域數(shù)據(jù)難復(fù)用、模型泛化性差、安全難保障等產(chǎn)業(yè)痛點(diǎn)。測評覆蓋取放、推拉、旋轉(zhuǎn)、插入等8類核心操作動(dòng)作，并從物體屬性、環(huán)境光照、背景干擾等七大維度開展泛化測試。其嚴(yán)苛的考核標(biāo)準(zhǔn)，恰恰印證了XR-1面向“實(shí)干”場景的硬核能力。

實(shí)際應(yīng)用中，XR-1在具身天工2.0人形機(jī)器人、UR、Franka等多種不同構(gòu)型的機(jī)器人本體上，均表現(xiàn)出了高成功率和強(qiáng)魯棒性。

具體來說，XR-1的性能，源于其三大技術(shù)創(chuàng)新。首先，它采用了獨(dú)創(chuàng)的UVMC（多模態(tài)視動(dòng)統(tǒng)一表征）技術(shù)，通過這項(xiàng)技術(shù)，可以將視覺觀察、語言指令和機(jī)器人動(dòng)作在統(tǒng)一的表征空間中進(jìn)行學(xué)習(xí)，讓機(jī)器人能夠利用海量人類視頻進(jìn)行訓(xùn)練，降低訓(xùn)練成本提升訓(xùn)練效率；同時(shí)，它能夠搭建起視覺與動(dòng)作的映射橋梁，讓模型能真正理解“看到什么”與“該如何動(dòng)”之間的內(nèi)在關(guān)聯(lián)。

其次，通過“多模態(tài)預(yù)訓(xùn)練→跨本體主網(wǎng)絡(luò)訓(xùn)練→特定場景微調(diào)”的三階段訓(xùn)練范式，先積累通用操作知識，再快速適配具體任務(wù)，實(shí)現(xiàn)了通用性與專用性的平衡。將XR-1與目前全球最先進(jìn)的具身VLA模型進(jìn)行對比可見，在各種復(fù)雜任務(wù)中，XR-1的成功率顯著領(lǐng)先。在某些高難度任務(wù)上，其表現(xiàn)甚至優(yōu)于頭部企業(yè)一倍。

最后，其性能根基來自于超百萬級自有數(shù)據(jù)驅(qū)動(dòng)，即北京人形積累的、超百萬條的多本體機(jī)器人操作數(shù)據(jù)。基于XR-1，北京人形構(gòu)建的“慧思開物”平臺，能夠快速生成面向物流分揀、精密裝配等場景的通用技能庫，大幅降低了為不同機(jī)器人開發(fā)新技能的成本和時(shí)間，打通了技術(shù)走向產(chǎn)業(yè)應(yīng)用的關(guān)鍵路徑。

▍RoboMIND V2.0：讓VLA模型變聰明的數(shù)據(jù)基石

XR-1出色的泛化與學(xué)習(xí)能力，離不開高質(zhì)量、大規(guī)模數(shù)據(jù)的喂養(yǎng)。本次同步開源的RoboMIND2.0數(shù)據(jù)集，正是其能力的重要源泉。目前RoboMind數(shù)據(jù)集下載量累計(jì)已超15w次。

數(shù)據(jù)集為何對具身智能如此關(guān)鍵？

其實(shí)在人工智能領(lǐng)域的“Scaling Law（縮放定律）”已經(jīng)證實(shí)，大模型性能隨數(shù)據(jù)量、模型規(guī)模和計(jì)算力增加而顯著提升，該法則也適用于人形機(jī)器人與具身智能領(lǐng)域。本次開源的RoboMIND2.0，正是針對上述痛點(diǎn)的一套系統(tǒng)性解決方案。其核心在于“真虛結(jié)合”的雙引擎數(shù)據(jù)構(gòu)成，“真機(jī)采集數(shù)據(jù)”在北京人形自建的真實(shí)機(jī)器人數(shù)據(jù)基地中，由多種機(jī)器人執(zhí)行海量任務(wù)采集而來，數(shù)據(jù)包含真實(shí)的物理交互反饋和視覺信息，是模型學(xué)習(xí)真實(shí)世界物理規(guī)律的“金標(biāo)準(zhǔn)”。

“虛擬仿真數(shù)據(jù)”則在仿真環(huán)境中，通過程序化或智能體自動(dòng)生成的大量操作軌跡。這部分?jǐn)?shù)據(jù)成本低、可規(guī)?；?，能快速覆蓋長尾、高危或難以在現(xiàn)實(shí)世界大量復(fù)現(xiàn)的任務(wù)場景。

而這兩部分?jǐn)?shù)據(jù)得以高效產(chǎn)生和利用，離不開一套強(qiáng)大的工具鏈。北京人形此前也發(fā)布并持續(xù)更新X-Humanoid training toolchain，它無縫銜接了RoboMIND數(shù)據(jù)格式與LeRobot等主流訓(xùn)練框架。開發(fā)者只需幾行命令，即可完成從數(shù)據(jù)準(zhǔn)備到模型訓(xùn)練的全流程，讓研發(fā)重心回歸算法創(chuàng)新本身。

▍在數(shù)字世界里復(fù)刻一個(gè)可“干活”的真實(shí)世界

RoboMIND中高質(zhì)量的虛擬仿真數(shù)據(jù)從何而來？答案是ArtVIP。

這個(gè)作為被英偉達(dá)Isaac Sim 5.1全球唯二官方引用的高保真數(shù)字資產(chǎn)數(shù)據(jù)集，致力于在仿真環(huán)境中復(fù)刻一個(gè)物理準(zhǔn)確、視覺真實(shí)的平行世界，也是目前已開源的全球最精細(xì)的復(fù)雜鉸接物體庫。

ArtVIP提供了涵蓋櫥柜、冰箱、筆記本電腦、腳踏式垃圾桶等數(shù)百種高精度鉸接物體。這些物品不僅外觀逼真，更內(nèi)置了精確的物理屬性（如質(zhì)量、摩擦力、鉸鏈阻尼）和符合因果的交互邏輯。在仿真中，機(jī)器人可以像在現(xiàn)實(shí)世界一樣拉開抽屜、按下開關(guān)、打開冰箱門，其受力反饋與真實(shí)情況高度一致。

這意味著，基于ArtVIP構(gòu)建的仿真場景，能夠生成與真實(shí)世界幾乎無異的機(jī)器人操作軌跡數(shù)據(jù)，直接用于訓(xùn)練像XR-1這樣的模型。它極大地彌補(bǔ)了Sim2Real的鴻溝，讓機(jī)器人在投入真實(shí)工作前，已在數(shù)字世界中經(jīng)歷了成千上萬次的“崗前培訓(xùn)”。

▍從技術(shù)開源到場景落地，機(jī)器人已在“真干活”

實(shí)際上，北京人形的這一套技術(shù)方案，早已走出實(shí)驗(yàn)室，在多個(gè)行業(yè)場景中開始“干活”。

在福田康明斯，機(jī)器人正在學(xué)習(xí)如何更智能、更柔性化地搬運(yùn)零部件箱體。在中國電科院的高壓電力場景，機(jī)器人代替人工進(jìn)行高危的電力設(shè)備巡檢作業(yè)。在李寧運(yùn)動(dòng)科學(xué)實(shí)驗(yàn)室，機(jī)器人輔助進(jìn)行運(yùn)動(dòng)裝備的人體運(yùn)動(dòng)數(shù)據(jù)采集與分析。

這一切都指向同一個(gè)核心目標(biāo)：讓機(jī)器人技術(shù)褪去炫技的光環(huán)，回歸解決實(shí)際問題的本質(zhì)。通過開源XR-1、RoboMIND V2.0和ArtVIP，北京人形不僅分享了自身的技術(shù)成果，更是為整個(gè)具身智能社區(qū)提供了一套從數(shù)據(jù)、訓(xùn)練工具到核心模型的“干活”工具箱。

我們有理由相信，當(dāng)開發(fā)者們能夠更便捷地獲取高質(zhì)量數(shù)據(jù)、訓(xùn)練出能跨本體泛化的模型、并在高保真仿真中驗(yàn)證想法時(shí)，機(jī)器人真正融入生產(chǎn)生活、成為可靠“勞動(dòng)者”的時(shí)代，才會加速到來。北京人形在該方向的持續(xù)聚焦，必然能夠與全球開發(fā)者一道，推動(dòng)具身智能邁向“全自主、更好用”的新高度。