機器狗指揮人類用天平稱重！清華現場演示：無腳本，任務隨機，觀眾即興出題

黑板上隨手畫一筆，機器狗就能看懂，然后走出身后的三維迷宮。

這一幕，就發生在清華大學的一場現場演示中。

幾十位觀眾圍觀，任務隨機，環境開放，沒有預設腳本。

搭載了一念Unisonmind端側大腦的機器狗“哮天”，不僅能看圖走迷宮：

還能指揮人類用天平稱重：

甚至現場估算觀眾遞來的礦泉水瓶的剩余水量……

這個認知底座，還可以無縫遷移到人形機器人和電動輪椅上。

同一個大腦，不同的身體，正在真實世界里完成實時、持續的“感知—行動—反饋”閉環。

過去，行業對于Physical AGI的討論往往陷入路線之爭，或沉迷于虛擬Benchmark的刷榜。

而這場演示真正的價值在于，它以人類智能為天然標尺，提供了一套可逐項驗證的物理通用智能標準。

人類智能，定義Physical AGI的天然標尺

回到人類智能，我們可以稱之為Physical GI，它究竟是以何種方式運行于真實世界？

上世紀八十年代，哈佛發展心理學家霍華德·加德納提出：“智力的基本性質是多元的——不是一種能力而是一組能力，其基本結構也是多元的。”

它是同一個認知系統，在真實時空中持續運行，并面對不同對象與任務，形成人類的多元智能。

如果說人類智能是進化造就的物理通用智能，那么Physical AGI（物理通用人工智能）就是對這一形態的人工復刻：

一套以實體為載體、在真實世界中持續運行的“認知范式”。

它可以調度感知、表征、記憶、學習、推理、規劃、生成與反饋調節等基礎認知能力，理解適應復雜情境、并作用于環境，在語言、空間、物理、行動、社會與時間等多個維度形成泛化智能，最終通過實體與環境構成實時、持續、可自適應的“感知—行動—反饋”閉環。

當定義清晰，判斷便不再是口號與路線之爭，而是一套可逐項驗證的標準，問題也隨之而來：

Physical AGI究竟需要具備哪些能力？

這些能力能否在無預設的真實現場中被觀測、被復現？

帶著這一可驗證的標尺，回看一念Unisonmind在清華大學的現場演示，我們便能讀懂這場演示真正的參照價值。

先看現場。

這是一個有幾十位觀眾在場圍觀，任務隨機、環境開放，沒有預設腳本的真實現場。

一念Unisonmind：同一個大腦，涌現多項領域智能 機器狗“哮天”看圖走迷宮

黑板上隨手一幅簡筆畫，機器狗便理解是身后的三維迷宮。

主持人在圖上圈出一個位置，它便去場地里尋找對應物體。

最后，主持人隨手畫出一個“8”字。

哮天先問“能不能走捷徑”；走完捷徑，又按圖行進。

它蹭到迷宮板時，現場有觀眾“洞見真相”。看來不是它避障失誤，而是黑板上的路線本就與墻體相交。

這個任務不僅需要空間智能，還需要表征、抽象、規劃與反饋調節，來一起完成。

機器狗指揮人類使用天平

還是裝載Unisonmind大腦的機器狗“哮天”，讓人類助手使用天平秤，給隨機找的幾個物品稱重量。

物理智能、語言交流、行動規劃和社會協作，這些領域智能一并使用，才能解題。

觀眾臨時拿出兩瓶水

真實世界的問題，完全不像benchmark那樣規整，也無法每項任務都訓練過。

一位觀眾臨時拿出兩瓶喝過的礦泉水，問：瓶子里還剩多少水？

這不是預設題目。哮天看了一眼，說：“你先把礦泉水瓶標簽撕了。”

同一個大腦，進入不同身體

同一個Unisonmind端側大腦，還運行在另一只機器狗、人形機器人和電動輪椅上。

這意味著，同一個端側認知底座可以進入不同本體。

比如，另一只機器狗：

人形機器人：

電動輪椅：

由它組織出的能力，也可以隨身體與場景變化被重新調用。

身體不同，認知底座相同。

Physical AGI的能力至少有哪些？

走迷宮、稱重量、估水量，這些任務彼此獨立，沒有經過針對性預訓練與后訓練，有題目是觀眾現場即興提出。

而完成所有任務的，是同一個一念Unisonmind大腦。

支撐這種泛化能力的，是同一組基礎認知能力：感知、表征、抽象、記憶、推理、規劃、生成與反饋調節。

當這些基礎能力面向不同的處理對象時，便自然呈現為不同維度的領域智能，共同構成了Physical AGI的基本能力結構。

Physical AGI從來不是語言、空間、物理等模塊的簡單拼接，而是同一套基礎認知體系面對不同對象時，自然分化出不同的能力面向，并在具體任務中動態組合，共同解決開放世界中的通用問題。

現場演示印證了這一點：所有能力都從同一個持續運行的認知系統中被統一調度、協同配合。

模型結構：能力統一涌現的底層邏輯

現場表現需要底層結構的解釋：為什么多種領域智能，能同時出現在同一個模型中？

這些案例有一個共通的本質：它們都不是一次輸入換一次輸出，本體需要在看、聽、說、行動之間持續切換，在環境的實時反饋中不斷更新判斷、調整行為。

Unisonmind一念團隊給出的答案，是一套“統一世界Token空間”的模型架構：

多模態輸入匯入同一個統一的狀態空間，世界的當前狀態在其中持續演化；

模型根據任務需求輸出語言、聲音、動作等多模態結果，而外部世界的反饋又成為下一輪輸入，形成閉環。

這套架構，可以概括為「3+1」的核心特征：

1｜全模態 Any-to-Any

視頻、圖像、聲音、文字和動作，輸入端多模態進，輸出端多模態出，在同一個模型。

2｜理解與生成統一

路線被看見、指令被理解、狀態被預判、行動被生成、聲音被輸出，在同一個模型。

3｜全鏈路 Runtime

模型常駐運行，持續接收信息、18毫秒一次對齊狀態、做出反應，再從結果中修正。

+1｜端側本體部署

整套模型運行在機器狗、人形機器人和輪椅端側，直接置于真實世界閉環。

身體可以變化，統一狀態空間和認知鏈路保持不變。

“3+1”讓現場現象有了結構上的解釋：語言、空間、物理、行動和協作，在同一個常駐運行的模型里，隨任務臨時組合、自然協同。

一念Unisonmind跨過了Physical AGI的門檻

回到文章最初的問題：一念Unisonmind是否已經跨過了Physical AGI的基本形態門檻？

按照我們從人類智能推導出的定義，Physical AGI的核心，是同一個通用認知系統，能夠以實體為載體進入真實世界，持續組織多維度智能，并在環境反饋中自主迭代。

而這些特征，都已經在這場開放現場中得到了驗證：

同一個Unisonmind大腦運行于不同形態的實體之上，在未經顯式訓練的任務中，完成了持續的感知、理解、推理、規劃與行動，與真實世界形成了完整的交互閉環。

現場給出了能力實證，模型結構解釋了能力統一的底層邏輯，跨本體運行則證明了這套認知體系的通用性——

它不綁定某一種身體，而是可以適配更多實體形態。

從這個定義出發，我們可以說：一念Unisonmind已經跨過了Physical AGI的基本形態門檻。

這不是一個終點式的宣告，而是一個起點式的確認。

它意味著一種新的智能存在方式已經真實出現：同一套“人類認知范式”，能夠以實體為載體，在真實世界中持續運行，并根據任務自主組織多元領域智能。

Physical AGI曾是遙遠的技術想象。此刻，它走出了定義的迷霧，踏上了真實世界的土地。

文章來源：量子位。