作者 / Soren
一条更慢，但更稳的路
在具身智能最喧嚣的两年里，一个 00 后博士生的名字，悄悄在开源机器人社区流行起来。王高天，中科大出身，目前在美国读博士。他做的不是又一个 Demo，也不是一个融资故事，而是一个被开发者称为“可能是下一个 ROS”的开源项目——XLeRobot。
没有公司、没有预算、没有团队常驻全职写代码，但这个项目短时间内在 Github 上积累了几千颗 star，并出现在越来越多的开发者 Slack 群和论文实验复现里。它甚至已经开始影响海外一些硬件企业的设计方向，因为他们发现，这是少数能在真实世界跑起来、成本又足够低的软硬件一体方案。
王高天并没有主动站到舞台中央，但行业的动能正在把他推到那里。
他对行业的判断极为冷静，甚至是“叛逆”。在这两年里，VLA（Vision-Language-Action）大模型几乎成为机器人公司创业的标配，“堆数据能带来通用智能”成为资本愿意相信的方向。
但他几乎在所有场合都表达一个观点：VLA （端到端）是条死路，至少在未来三到五年内，它无法带来真正的通用能力。
他解释得不急不躁，却足够清晰。“自动驾驶只有两个控制维度，机械臂是六自由度，加上三维感知，数据量需求是指数级增长。”
如果自动驾驶用了全球几十万辆车跑三年，才积累“可用”的数据量，那机器人呢？“光靠堆数据，是不可能堆出通用能力的。”
他在Hackathon上见过太多 Demo，与那些行业会议上播放的视频没有本质区别：在固定场景内训练、在固定条件下复现。“它们很好看，但不能泛化。”他说。
真正的难度，是理解世界、规划行为，而不是语言描述。
“我更相信世界模型和分层结构的路线。”他说。他提到 Yann LeCun 的思路，也强调行业现在把“JEPA世界模型”理解成视频生成，是误读。“生成视频不是理解世界的方式，它只是看起来像而已。”
相比算法，他更清楚落地的第一性原则是：低成本、可复现、易使用。
这促使他设计了 XLeRobot 的核心路线：轮式底盘 + 双臂 + 简单抓手，用最朴素、最易扩展的硬件形态，跑通从遥操作、共享控制到自主操作的能力链路。
“我不认为机器人一定需要很大的端侧算力。”他的观点同样反主流。他认为轻量端侧 + 云端能力共享更可能让机器人进入家庭，“不是每一台机器人都要像一台 GPU 服务器。”
从这点看，XLeRobot 更像一种“入门级通用机器人平台”，先跑起来，再采集真实场景数据，再逐步提升算法能力。比起“直接从模型推导世界”，他更相信“先让机器人活起来”。
与此同时，他也在构建另一个生态：社区。开源不仅让更多人能用，也让更多人参与修改、复现、补全能力。这是一条更慢的路，却可能更稳。他反复提到一句话：“机器人真正难的是重复、稳定、可扩展，而不是一次性的 Demo。”
他的表达并没有创业者式的煽动，但你能感受到一种更深的野心：他想建一个基础设施，而非一个 Demo。
当我们问到未来规划时，他笑了一下，说目前的优先级很简单——先把手上那篇博士论文收尾。距离预计毕业还有一年半时间，他对未来方向并没有仓促定论，但他说：“我还在探索。可能会继续研究，也可能会创业，但一定会继续做 XLeRobot 相关的事情。”
长线、耐心、反主流，是他身上最突出的三个特点。一个没有过度设计未来的年轻研究者，却在做一件极难、极长周期、极需要 conviction 的事。
在一个被资本和 Demo 推着快跑的时代，他选择了一条更慢、更稳的路。
01. 低成本革命XLeRobot项目
硅基新物种：从萌生想做 XLeRobot，到开源发布，整个过程用了多久？
王高天：第一版开源其实很快。我最初只是买了一台机械臂，做了些简单任务测试，发现其性能比预期更稳定，例如能稳稳拿起水瓶，逆运动学调起来也不错，我判断它具备承担基础任务的能力。
基于此，我加了一个底盘——底盘本身已有开源项目，我主要是重组了硬件。第一次公开发布距我接触这款机械臂大概只有两三周。发布后大家对这个结构和概念的兴趣超出预期，尤其在小红书上获得了很多关注。
之后我决定把它做成更完整的项目，用了约一到两个月完善 3D 设计、遥操作算法和视觉识别等模块。期间导师也支持，一位来自 NTU 的实习生协助我做部分代码工作。
时间线大概是：4 月初第一次接触机械臂，5 月发布首版 Demo；再经过两三个月，到 8 月完成代码、仿真、VR tracking、遥操作等能力，并通过遥操作实现多种家务任务 Demo。这个 Demo 发布后，XLeRobot 才真正“火”起来。
硅基新物种：项目走红的速度很快，GitHub 标星暴涨、国内讨论热度高。从突然爆火到现在，你对项目的期待有变化吗？
王高天：刚爆火时确实影响了我的心态。当时会产生一些“这可能就是未来能做出大事甚至能成立公司的东西”的想法，也有很多人来接触、讨论。但这段时间沉淀下来，再结合自身长期使用体验和大量外部反馈，我的判断更冷静了。
这个平台的最大优势很明确：足够便宜、足够容易上手，任何有兴趣的人都能快速入门，因此能形成非常大的用户基数，这对开源生态非常重要。
但它的局限也同样清晰。在现有电机与整体架构下，即便持续优化，它更适合作为开发者平台，而不是可以直接卖给消费者的成品产品。
因此我最近在调整规划，一方面考虑在硬件层面升级电机等关键部件，推动项目往产品化方向走；另一方面，利用现有生态继续扩展，为用户提供更完善的 VLA 训练代码，让他们能更好地训练机器人，实现多种任务。
硅基新物种：听起来你并不是将XLeRobot视为个人或小项目，而是更希望以开源社区体系的方式推动它？
王高天：是的。我认为它对初创团队、具身智能爱好者和研究者来说，都是目前最方便、成本最低的机器人平台之一。
过去两周我连续跑了两个湾区的 Hackathon，一个是 SEEED ×Hugging Face× NVIDIA 的家务机器人黑客松，另一个是 CalHacks，像 pi、Dyna Robotics、BitRobot、1X、OpenAI 的同学也都参加了。我本来是去做 mentor 的，但最大的感受其实是——我还太菜了（笑）。更重要的是，我第一次意识到：原来真的有这么多人在用 XLeRobot 做各种有意义的事情。
虽然活动主题叫 VLA，但大家做的远不止训练 VLA。本地同学在搞 VR 遥操 App、语音识别、触觉传感；有人把 XLeRobot 接到了李飞飞团队的 Behavior Challenge；也有人在做双臂家务任务：叠衣服、倒酒、做三明治、开抽屉、做抹茶……这些看似简单的细节，是我以前独自开发时没有想象过的生态画面。
我以前也会有点 emo，觉得自己做出来的这个平台成本低、性能也普通，技术含量算不上高，担心是不是没有价值。但这次看到那么多人愿意跟进、愿意基于它做新的东西，我反而更确定了。开源平台的意义从来不在于一个人能完成多少，而在于多少人愿意一起把它往前推。
所以未来我还是会坚持做下去。一方面把硬件继续打磨，另一方面把整个配套的算法与工具链都补上：VR 遥操、Web 端控制、手机 App、VLA 训练框架、Isaac 仿真环境……这些不是“锦上添花”，而是让开源机器人真正能走向大众开发者的基础设施。
硅基新物种：低成本是它最突出的优势。不到 4000 元就能组一台，而且模块化、上手快。但低成本必然伴随取舍，你当时是如何判断哪些功能该保留、哪些可以简化？
王高天：可以从两个角度理解。
第一，是生态优先。XLeRobot 的核心基于 Hugging Face 推出的 LeRobot 机械臂，要降低使用门槛，就应尽可能与其生态保持一致。这也是项目迅速传播的原因之一。Hugging Face 的联合创始人与 CSO 在 Twitter 上高度评价并转发了我的视频，带动了全球关注。因此，为了让开发者“一上手就顺畅”，系统的适配性优先级高于堆配置。
第二，是使用体验。比如底盘，很多人质疑为什么仍用舵机驱动，噪音大、扭矩小。但从开发便利性考虑，把接线、电机、驱动系统统一在同一生态下，对初学者和开发者更友好。
不过我也在做优化。最初使用全向轮底盘，灵活但用户反馈“不够稳、易晃”。我改为更简洁的双轮差速结构，牺牲一个自由度，却大幅提升稳定性，对入门开发平台而言是合理取舍。
硅基新物种：如果把预算从 660 美元提高到 1500 美元，你会优先把钱加在哪？
王高天：电机。机器人本质上就是多个电机的组合。如果能用尽量少的电机规格完成整机设计，是最优解。
我现在正在与高擎机电合作，探索一种成本略提升但仍能把整机价格控制在2000–3000 美元左右的方案，形成可面向家庭消费场景的产品化版本，而不是只停留在开发者社区。后续即使做产品化升级，我仍希望保持开源，真正的成本主要就是电机成本。
硅基新物种：所以下一代 XLeRobot 的定位，会是电机升级、价格更可控、并从极客开发者扩大到面向 C 端消费者？
王高天：对。形态上会延续现在的结构，但电机的负载、精度和柔顺性都会显著提升。这样一来，现有 XLeRobot 上训练得到的数据和策略（policy）可以直接迁移到更高性能的版本上。
02. 硬件收敛，软件定义
硅基新物种：你之前提过“硬件形态基本定型”，是什么让你做出这个判断？这也直接影响了 XLeRobot 的设计理念？
王高天：是的。我看过很多机器人 Demo，也对比了不同公司的路径。真正能执行家务任务、且不是围绕“人形噱头”做营销的团队，大多采用最基础的六自由度机械臂。反而是强调人形形态的机器人，目前鲜少能在线下真正完成实用任务。
这让我认为，第一批能落地家庭场景的机器人，其硬件形态基本已经确定：双臂 + 轮式底盘 + 头部摄像头 + 手部双摄。在这个配置下，大部分家务任务已足够覆盖。这也是我当前依然坚持的认知。
硅基新物种：既然形态确定，那硬件后续就是零部件迭代？
王高天：对。我本职是做算法，从算法视角看，现有多数机械臂已经够用。用松灵或方舟的机械臂做遥操作，已经覆盖绝大部分家务场景。关键问题不再是“硬件能不能做”，而是“如何让机器人学会像人一样操作”。因此核心不在硬件突破，而在操作智能的训练与迁移。
硅基新物种：如果硬件已收敛、软件成为核心，那是否意味着机器人正进入“软件定义阶段”？
王高天：我认为很大程度上是。比如 Dyna Robotics，他们专注软件，硬件直接采购现成机械臂。我也观察到中美已有大量团队在用关节电机搭六轴机械臂，这说明硬件门槛正在显著下降。
如果在现有机械臂形态上，软件能力能突破，机器人应用就能快速规模化落地，不论是 B 端还是 C 端，无需等“双足平衡”等更复杂形态成熟。我比较乐观：如果算法足够好，三到五年内，机器人有可能真正走进普通家庭。
硅基新物种：软件的开放标准，会不会成为下一阶段竞争的焦点？
王高天：这是我做 XLeRobot 的目的之一。我认为下一波竞争一定围绕生态与软件展开，而 Hugging Face 的 LeRobot 系统已经形成了很大的先发社区基础。LeRobot 本身 Star 已超过 1.5–1.6 万，而 XLeRobot 最近也突破了 4000 Star。这说明生态效应已显现。
我的计划是：先在几个月内推出一套开源、但具备更强产品性能的硬件平台，随后与 XLeRobot 生态结合，在其上持续开发更多算法。
硅基新物种：具体指产品的哪些能力提升？
王高天：主要是机械臂的负载能力与精度。目前舵机负载只有几百克，但换成关节电机后，可实现 3–4kg 的稳定作业能力，场景覆盖会大幅提升。此外会考虑加入升降机构等增强结构。整体形态与一些成熟厂商类似，但我的目标是提供一个开源、可低成本获取的版本。
目前行业内一台同类硬件要三四十万人民币，我希望真正能进入家庭的机器人成本最多 3–4 万元就足够。这也是我认同的一点：硬件已不再是主要瓶颈，真正的难题是如何让机器人长期稳定地运行在真实生活中。从稳定性来看，轮式机器人会比双足更先落地。
硅基新物种：你是软件背景，硬件与生态结合更多依托合作伙伴。既然你更专注软件与 LeRobot 生态，那在开源项目的技术栈中，哪些环节最需要社区共建？
王高天：虽然 Star 很多，但目前整个技术栈仍偏有限。现在大家主要做的仍是把主流 VLA 模型（如 Pi0.5、RT-1/RT-2 等）直接部署到机器人上，本质还是在做 Behavior Cloning：为单一任务采集一百多条数据，让模型学会重复。但一旦换场景或条件变化，效果大幅衰减。
社区接下来更需要在不同模块上形成协同贡献，包括但不限于：
1、场景理解与导航（Navigation），例如只用 RGB-D 或双目摄像头完成居家 3D 重建、语义理解、高层任务规划，以及在家中自然流畅移动的导航策略。
2、视觉感知（Perception），包括 CV 算法、目标识别、数据预处理等底层能力。
3、操作智能（Manipulation），包括 Planning、World Models，以及在特定任务上有效的 VLA 策略。
目前各方向都有很多人在做，但缺少一个统一平台把成果沉淀、整合，并能在一台机器人上端到端跑起来。我认为 XLeRobot 可以成为那个平台。
硅基新物种：如果最终收敛到一台标准化机器人上，是否意味着所有算法都围绕同一构型统一？
王高天：可以理解为“统一运行载体”，而不是“统一形态”。我希望这个平台在硬件设计上保持尽量简化，不需要像人一样行走，也不需要五指灵巧手，用软夹爪即可满足大部分需求。核心目标是让各种智能算法能在同一平台上汇集、验证与迭代。
理想状态是：在这个开源、低成本的平台上，能够逐步实现“初步通用智能”。尽管硬件本身可能暂不支持复杂的手内操作，但现阶段更重要的是建立一个公共的、人人可用的实验与验证平台，让社区把算法、思路沉淀下来并共享。
硅基新物种：但 XLeRobot 的外形与人形机器人差别很大。如果大家都在这台平台上贡献数据，会不会与未来人形路线的割裂？数据能迁移吗？
王高天：这是一个常见误解。我的观点有两点。
首先，通用智能与人形外观无必然关系。机器人之所以模仿人形，主要是为了更好地进行可迁移的避障与姿态控制。但这些能力在机械臂领域已有成熟的 Motion Planning 算法，不依赖“长得像人”。
其次，大部分策略是“末端控制（End-effector Control）”层面，可跨形态迁移。当前无论是人形还是机械臂的研究，数据采集的核心都集中在末端位姿（手尖位置和方向），而非整条手臂的姿态轨迹。因此，只要是六自由度机械臂，就能满足末端控制策略的迁移。换句话说：训练出的策略不依赖具体关节结构，完全可以迁移到不同的机械臂，甚至未来的人形平台。
所以在我看来，机器人要真正落地，不需要与人类外形一致；而基于六自由度末端控制训练出的策略，也能较容易地部署到异构机械臂上。
03. 商业化边界取决于硬件性能
硅基新物种：xlerobot的讨论度和影响力都很高。你虽然暂不打算将它商业化，但有没有想过它的商业边界在哪里？什么阶段可能适合商业化？
王高天：商业化边界主要取决于硬件性能，我现在有两条路径。
第一条，现有 XLeRobot 形态（开源版）基于 Hugging Face 与 LeRobot，定位生态+开发者+教育平台。商业化方式会偏社区与教育，例如作为 STEM 和具身智能入门平台，我认为教育市场本身就有不小的商业空间。
第二条，升级硬件后的产品化版本在电机等硬件提升后，可覆盖更多场景。虽然仍是开源，但稍作产品化包装后，可直接落地应用。室内环境下，无论 ToB 还是ToC，都有较广泛机会：商场导购、超市理货、家庭家务等。只要不涉及楼梯、具备电梯，这类轮式机器人都能胜任许多实际任务。
换句话说，开源版偏生态与教育，升级版偏应用与产品化。
硅基新物种：说到落地应用，你们有一个视频很出圈，视频中XLeRobot 会浇花、和宠物互动，讨论度很高。
王高天：对。那段视频里很多动作实际是遥操作完成的。但这并非例外——包括近期讨论度很高的一些机器人公司，哪怕宣称“明年上市、明年开卖”，演示中往往仍主要是遥操作。本质上，无论是估值数十亿美元的公司，还是几万美元一台的机器人，真正要完成任务，当前仍高度依赖遥操作。
这也是我希望先把硬件平台搭出来并落地的原因：让机器人先在家庭场景里“用起来”。家庭陪伴、基础家务，这些都不需要人形形态。
路线可以参考一些已经验证过的模式：当硬件满足最低可用标准，就能直接部署到用户家中；用户授权后，机器人可支持远程操控。如今我正与一家名为 Bitrobot 的团队合作，他们在搭建基于开源生态的遥操作平台，让世界各地的用户可以远程操作其他人家的机器人完成任务，并获得奖励或 Token。
这个路径与有些公司的模式类似，但面向的是开源生态，成本、人力与硬件投入都更低。如果短期 3～5 年内通用智能框架还无法完全实现，我认为遥操作会是非常有效的过渡路径。
硅基新物种：但遥操作会有泛化性问题吧？
王高天：是的，因此我更看好“共享控制（Shared Control）”路线。不是让机器人完全自主，也不是完全依赖遥操作，而是人机协同。
举例来说：如果我出差在外，我可以通过手机 App 控制家中的机器人执行任务，例如关灯、开门、取物等。与传统 VR 遥操作不同，这需要机器人具备一定自主能力，而人类只需监督和补充控制。
目前最基础的 pick-and-place，按现有技术已能较稳定实现。因此从 shared control 切入，是一个更现实的折中方案。
硅基新物种：你刚才提到 Shared Control，这个愿景听起来有点像过去智能家居、智能音箱、扫地机们常提的“家庭智能终端”故事，只是主角变成了机器人？
王高天：确实有相似之处。但核心差异在于，机器人拥有末端执行器（夹爪）并能直接与物理世界交互，它的通用性远超智能家居设备。
Shared Control 更多是一种阶段性过渡方案。只要硬件具备形态和交互能力，落地方式可以有多条路线：用户自主遥操作、授权他人协助遥操作、在限定区域完成任务等。在这一过程中还能收集训练数据，提升策略，最终走向自主智能。
从落地路径看，这是一条从“能用”到“好用”再到“智能”的完整链路，而不是局限于某一个阶段。
硅基新物种：硬件上，你现在是与国内供应链合作？
王高天：是的。美国也有几家做机械臂的，但我观察下来，最终还是需要与中国供应链合作。尤其像我这样从底层做起的路线，和国内制造端、硬件供应端建立早期合作是最优解。
硅基新物种：为什么没有选择海外机械臂厂商？因为贵吗？
王高天：一方面确实成本高，另一方面他们的开源精神不够强，更多是为了卖机械臂。我希望依托 Hugging Face 和 NVIDIA 的生态，以全开源方式推出平台，无论在设计还是使用上，都更贴近开源开发者，而不是以“成品心态”来做。我未来希望做到的是：性能上接近产品，但硬件与组装尽可能保持简洁和可复制性。
04. VLA退潮后，新技术路线接棒
硅基新物种：国内过去一年机器人创业非常火热，你在海外怎么看这一波浪潮？考虑回国创业吗？
王高天：国内确实出现了一批很值得关注的公司。我比较看好的是轮式双臂方向，比如银河通用、星尘智能这类做脚踏实地应用的企业。我认为他们路线务实，可能真正跑出来。
但也看到大量跟风型创业，尤其是在灵巧手、人形机器人上做“秀肌肉式展示”的团队很多——能跳舞、能做花活，但与真实应用距离大。我不太看好这类方向。宇树是例外，他们走的是“研究机构与全球教学平台”路线，不同赛道。
我和业内人士也讨论过，目前很多公司押注的是“大模型+堆数据+端到端VLA”路线。我认为两三年内行业会意识到，这条路径无法直接通向通用智能。因此，与之绑定的一大批公司会在未来 2～3 年快速退潮。
硅基新物种：你判断“两三年内会有大量 VLA 端到端路线的公司倒下”。对具身智能未来的几年，你是偏悲观吗？
王高天：我对技术趋势本身是乐观的，包括硬件成熟度、各个方向的研究进展。我相对悲观的是某些具体路线的可行性预期：
- 三到五年内，用“堆数据”堆出通用智能不现实；
- 人形双足、灵巧手这类路线短期内很难出现真正可规模落地的产品。
反而是轮式+双臂+夹爪的简化形态，叠加智能算法，会更快进入真实应用。
硅基新物种：能否集中讲讲你们认为 VLA 端到端路线最大的问题在哪里？最“不买账”的点是什么？
王高天：主要有三个原因。
首先，类比自动驾驶并不成立：维度差异带来数据量指数爆炸。业界常用“自动驾驶靠堆数据成功”类比机器人操控，但两者本质不同：特斯拉用了数百万辆车、数年时间，才积累够自动驾驶训练数据。而机器人世界比道路世界复杂太多。不同形态、不同任务、不同环境，会让“堆数据”变得极其低效甚至不可行。
第二，VLA 论文和 Demo 多，真实泛化与落地少。虽然 VLA 端到端路线已经火了很久，但成果主要停留在论文 Demo 或短视频层面。能真正落地的场景依旧很有限，而且高度依赖特定环境训练。
现实情况是，即便一些知名团队发布 Demo，其本质和我在 Hackathon 看到的学生作品并无本质差别——都是在一个固定场景采数据，训练，再部署。
第三，是缺乏对“世界的可解释建模”。我更认同 Yann LeCun 强调的世界模型（World Model）思路：机器人必须理解物理世界的规律、因果与未来状态演化，才可能产生通用智能。然而现在很多自称“世界模型”的研究已经跑偏，变成了视频生成。仅靠生成视频无法支撑机器人对世界进行因果推理、预测与规划。
要达成通用智能，需要一种新的架构，而不仅是更大的模型或更多的数据。
VLA 是有价值的，但它更像是专项任务的加速器，而不是通往通用智能的主路径。真正通向通用智能的一定是具备可解释性、分层结构和世界建模能力的框架——而不是单一端到端堆数据。
硅基新物种：你不太看好端到端路线。你的观点有过改变吗？
王高天：不算“转变”，更像“取其所长”。我并不主张完全端到端的 VLA，但也不会拒绝主流模型和算法，关键是“怎么用”。我现在的做法是：使用扩散模型或视觉模型，但把它们放在更底层、可度量的状态空间上，做可解释、可控制的建模与部署，而不是把系统做成一个不可追溯的黑盒。
硅基新物种：你更倾向于基于物理的分层架构？
王高天：是的。
硅基新物种：你如何判断这条路更值得投入？
王高天：一方面来自与神经科学朋友的交流，大家普遍认可“世界模型”式的架构更接近人类认知；另一方面，我观察到不少 VLA 的做法仍停留在行为克隆（behavior cloning）与数据堆叠，即希望通过规模化数据获得“全能模型”。我不太认同：机器人需要先形成对物理过程的可靠认知，再基于此制定策略，才能实现真正的泛化。
硅基新物种：分层架构还有一个好处是可追溯、可替换。
王高天：对。这也是开源社区的价值。如果分层框架搭好了，每个部件都能独立更新与调试。比如视觉模块，之前用 SAM-2，后来有 SAM-3，就可以平滑替换，不必重训整个系统；同时整个数据与控制流也更透明，便于定位问题，不会被“端到端大模型”整体绑死。
硅基新物种：除了数据之外，在“算法、架构、算力”这三驾马车中，后两者也存在明显的提升空间？
王高天：我现在更关注的不是单点上的算力或模型规模，而是算法框架本身是否正确。如果框架选对了，其实未必需要堆很夸张的算力，也能以较低成本训练出具备通用能力的控制模型。
这一点可以参考最近我很认可的一篇工作——MT3（Multi-Task Trajectory Transfer）。它没有依赖大模型，也没有堆数据，而是把机器人操作拆成两个独立又通用的阶段：对齐（定位）和交互（执行）。前者依赖几何推理，后者复用历史经验。换句话说，它不是试图“学一个大而全的策略”，而是把问题拆开，让每一块都更可控、更稳定。
更重要的是，它完全不追求模型端的算力堆叠，而是用一种非常“工程化”的方式实现泛化：靠检索、靠经验复用、靠任务结构的分解。所以它才能做到“一条演示学会一个新任务”，在 24 小时里扩展到上千个任务。
我个人非常赞同这种思路，不是硬把智能压到模型规模里，而是重新组织任务与数据，让系统本身的结构变得高效。这比简单扩算力、扩参数更接近真正的通用机器人路径。
在架构层面，我倾向的路线是：机器人不必在端侧部署大型算力，而是以轻量端侧 + 云端协同的方式工作。本地负责实时控制、避障等时延敏感逻辑；云端负责长期规划、策略更新、认知模型。这比“每台机器人都塞一个大模型”更现实也更可扩展。
所以对我来说，算力不是最急迫的问题。框架选对了，算力才会用在对的地方。而一旦框架不对，算力越大，可能越偏离真正可落地的具身智能。
排版运营 /Teagan
- End -
热门跟贴