機器人，為什么開始集體練習“抓東西”

過去兩年，如果要在機器人展會上選出一個最擁擠的賽道，大概是“運動能力”。跑步、跳舞、后空翻，從雙足行走到全身控制，機器人公司不斷用更復雜的動作證明，一臺機器已經越來越像一個能夠自由活動的人。

但到了今年的 WAIC，一種不那么具有視覺沖擊力的動作，正在變得越來越重要：

抓東西。

我們以三家非常典型的企業DEMO為例，試圖揭開這一奇特轉向背后的技術趨勢。

今年，蘇度科技的機器人站在工作臺前，連續抓取陌生物體、操作柔性材料，圍觀人群不少，視頻看了至今依然覺得非常驚艷：

零次方更是干脆把展臺變成一場公開挑戰，邀請現場觀眾拿出各種東西讓機器人直接抓，從常規商品，到巧克力豆，再到細軟透明的系帶，機器人都能順利抓起來：

原力靈機則用6臺不同構型的機器人，抓取積木連續15小時拼裝一座由81920塊微型積木組成的長城：

它們看起來都在做 Picking這件事，但機器人大講堂觀察到，這三家企業本質上卻在回答三個不同的問題，也走出了三條不同的路徑。

先說結論，我們認為，蘇度科技試圖回答的是，機器人的能力能否像大模型一樣，通過仿真數據和 Scaling 不斷增長；零次方把問題放到了真實物理世界，試圖探尋能否依靠海量真實交互數據，找到屬于 Action 的 Scaling Law并實現萬物皆可抓，推動具身智能物理抓取API化；原力靈機則試圖回答，一套模型能否在一個足夠長、足夠復雜的真實任務里一直工作下去。

這三個問題背后，都指向了具身智能正在發生的一次重心遷移。今年WAIC一個共識在于，過去，行業首先要證明機器人“能動”；現在，越來越多公司開始證明機器人“能干活”。而從“能動”到“能干活”，最先需要跨過去的一道落地技術門檻，很可能就是最簡單、也最基礎的 Pick & Place。

01.

Pick & Place，為什么突然成了一場硬仗？

抓取當然不是機器人行業的新問題。汽車工廠里的機械臂抓車門，3C工廠里的機器人抓零件，物流倉庫里的機器人抓包裹。過去幾十年的工業自動化，本質上已經解決了大量抓取問題。但傳統機器人解決的是確定世界里的確定任務。機器人提前知道要抓什么、東西在哪里、應該從哪里下手。為了保證成功率，工程師可以重新設計工位、夾具和物料擺放方式，甚至直接改造整個生產環境。

真正困難的是反過來——不再讓世界適應機器人，而是讓機器人適應變化的世界。例如一個杯子可能正著放，也可能倒著放；一件衣服每次出現都有不同形態；透明玻璃、反光金屬、柔性線纜可能直接讓傳統視覺方案失效；同一個物體被旁邊的人碰了一下，原本規劃好的軌跡就可能全部作廢。

因此，今天具身智能公司重新討論 Pick & Place，討論的其實已經不是“機械臂能不能夾住一個東西”，而是機器人能不能面對一個不斷變化的開放世界，自己完成感知、判斷和執行。

這也是為什么，這項看起來已經存在幾十年的機器人能力，正在重新成為具身智能落地的一塊試金石。因為它足夠簡單，觀眾一眼就能看懂成功還是失?。挥肿銐驈碗s，一個看似簡單的“拿起、放下”，背后同時考驗視覺感知、空間理解、抓取點預測、運動規劃、實時控制以及失敗后的重新決策。

更重要的是，它離商業價值足夠近。物流需要抓包裹，制造需要抓零件，零售需要拿商品，家庭服務更繞不開杯子、衣服、餐具和各種雜物。

如果說行走解決的是機器人如何抵達工作現場，那么 Picking 解決的，就是機器人到了之后究竟能做什么。于是，今年 WAIC 上值得觀察的，不只是機器人開始集體“練習抓東西”。更重要的變化是，大家開始用完全不同的方法，試圖把抓取從一個 Demo 變成一種落地能力。

02.

三種企業，三類能力

（1）蘇度科技：仿真能讓機器人 Scaling起來

今年4月，蘇度首次公開全棧自研具身智能平臺sudo R1，在一段60分鐘視頻演示中實現了不同類型物品抓取演示；到了 WAIC，其展示能力已經進一步擴展到精準放置、柔性物體操作、雙手協同、移動抓取和自主導航等十余項技能。

蘇度把機器人在物理世界中的基礎能力拆解為“原子能力”。抓取是一種，放置是一種，移動是一種，雙手協同也是一種。復雜任務不是一個個孤立訓練出來的技能包，而應該是這些基礎能力不斷積累、組合之后形成的結果。

這背后是一種典型的 Scaling 思維。其認為當數據、模型和算力持續擴張時，模型可能出現超出單一訓練任務的能力增長。因此，蘇度選擇的辦法，是大規模仿真。它試圖通過更高效率的數據生產，讓機器人在虛擬世界中經歷更多物體、更多材質和更多任務，再將這些經驗遷移到真實世界。因此，在抓取背后，蘇度試圖解決的，不是某一次抓取，而是機器人能力增長的速度問題。

（2）零次方：在真實世界里尋找 Action 的 Scaling Law

與蘇度不同，零次方選擇的方向幾乎位于另一端——讓機器人直接在真實世界中，以多樣化的物理交互尋找屬于Action 的 Scaling Law。其圍繞 Action構建一個更加貼近物理操作本身的“具身原生動作模型ZERITH V2”。

Picking 尤其如此。抓取不是靠“看懂”就能解決的問題，物體被接觸后發生滑動、旋轉、形變，機器人需面對的是一連串密集物理接觸中的連續動作。這也是零次方把重點放在真實交互數據上的原因，但真實數據的問題是貴且慢。零次方的解法，是從真實商業場景里尋找另一種數據生產方式。

WAIC現場的“真實世界泛化抓取挑戰賽”，就是零次方這一技術路線的公開壓力測試。連續4天，現場觀眾可以直接參與，拿出機器人未見過的物品，讓機器人完成抓取。挑戰累計穩定運行24小時，完成超過8600次真實抓取，吸引超過2800名觀眾參與，多次抓取綜合成功率達到99%。

機器人大講堂在現場還注意到兩個頗具代表性的物品：一顆巧克力豆和一根透明系帶。巧克力豆足夠小，對視覺定位、抓取點判斷和末端控制提出更高要求；透明系帶則同時具備細、軟、透明、容易形變等特征。它們代表的，正是現實世界里永遠無法被窮舉的長尾。

換句話說，“萬物皆可抓”真正需要證明的只是當一個沒有被提前定義的東西出現時，模型還能找到行動的方法。從這個意義上看，零次方進一步提出的“物理抓取 API”，更像是這套能力未來可能的交付方式。它想標準化的不是某一款機器人的某一動作，而是將抓取能力沉淀為可調用、可遷移、可復用的抓取 API，讓機器人能夠快速適配不同本體與應用場景。但 API化并不是這條路線最重要的終點，它的前提仍然是：先在真實世界里找到屬于 Action 的 Scaling 路徑。

（3）原力靈機：比完成一個任務更難的，是一直完成下去

如果說蘇度科技關心的是能力增長的速度，零次方關心的是能力在真實世界中的 Scaling 與泛化，那么原力靈機測試的則是，能力能否在時間里持續成立。

WAIC現場，6臺不同類型的機器人連續15小時，協同拼裝一座由81920塊微型積木組成的長城模型。機器人大講堂認為，真正困難的不是抓起第一塊積木，而是當任務進行到第5個小時、第10個小時甚至第14個小時之后，機器人還能不能繼續工作。

因為原力靈機看到，真實商業場景以及工廠不會因為機器人成功了九次，就接受第十次突然停機。因此，原力靈機這次展示真正有意思的地方，不只是把任務做得復雜，而是主動把時間變成了壓力測試工具。原力靈機通過 DM0.5 與 DW0.5 的協同，讓執行模型 DM0.5負責真實世界操作，世界模型DW0.5 則在虛擬空間中預演不同動作可能產生的結果，為執行模型提供反饋，從而形成了一種技術閉環。

這條路線背后對應的是具身智能另一個正在被重新定義的指標：穩定性不應該只是一次成功率，還應該包含時間。一個機器人連續工作15分鐘和15小時，是完全不同的系統。過去大家證明的是“我能做到”。下一階段，更重要的可能是“我能否一直做到”。

03.

三條路線之后，最終都要回答“泛化”的大問題

當三家公司從仿真數據、真實 Action 和長程穩定性三個方向同時向前推進時，一個更根本的問題也逐漸浮出水面。

蘇度科技用大規模仿真解決能力增長速度問題。但仿真與真實之間存在Gap，摩擦力、形變、光照、碰撞很難完全模擬，能力能否無損遷移仍需驗證。

零次方則試圖在真實世界中，通過海量物理交互數據，解決能力的泛化問題。它的核心假設是：當機器人在足夠多樣的真實場景中積累足夠多的物理交互數據，模型將逐漸獲得面對陌生物體時自主尋找解決方案的能力，該路線需要更長期的驗證。

原力靈機用長時任務測試解決穩定性問題。但長時穩定的前提是任務已被定義，面對完全未知的物體時，穩定性是否還能保持，是另一回事。

三條路線各有側重，但最終都會撞上同一道墻：真實世界無法被窮舉。

這是具身智能和傳統自動化之間最根本的分界線。過去，新的零件進入生產線，工程師可以重新設計夾具；新商品進入倉庫，可以重新采集數據、設置新的抓取策略。但具身智能面對的是開放世界，當第101種、第10001種沒有被提前定義的物體出現時，它還能不能抓？這也是為什么，“泛化”才是 Picking 能力背后的分水嶺。因為技術的里程碑不是窮舉世界，而是讓機器人跨過“見過”與“沒見過”之間的邊界。

04.

跨越邊界的路徑，究竟該如何構建？

蘇度的路徑蘇是“用計算的廣度，換取現實的泛化”。當仿真數據量達到某個臨界點，模型會發生質變。它不再僅僅記住“杯子是這樣抓的”，而是開始理解“圓柱體+光滑表面”這類抽象特征與抓取策略之間的關系。當在真實世界遇到一個從未見過的、類似圓柱體的保溫杯時，它就能調用這個抽象知識，自主生成抓取方案。這就是從“做過的事”（訓練集里的特定物體）到“沒見過的事”（新物體）的跨越。

仿真是完美的，現實是混亂的。蘇度必須解決“Sim-to-Real”的遷移問題。他們的方法通常包括：在仿真中故意加入隨機噪音（如紋理、摩擦力、重力的小幅波動），讓模型學會在各種“不完美”條件下工作，從而對真實世界的偏差更具魯棒性。 當模型部署到真實機器人后，利用真實環境中的少量交互數據進行快速微調，校準仿真帶來的誤差?？傮w來說，蘇度相信當虛擬世界足夠豐富時，真實世界的一切都只是這個巨大集合的一個子集。

零次方的路徑是“用商業的密度，換取泛化的寬度”。他們的底層基石ZERITH-V2圍繞Action構建了具身原生模型，處理密集物理接觸中的連續決策與控制。它學習的不是“這是什么物體”，而是“對這個物體，我的手該怎么動”。這種設計從一開始就放棄了依賴預定義的物體庫，轉而擁抱物理交互本身的連續性。

往上一層，是海量真實物理交互數據。例如機器人每天處理數百筆訂單的零售小店，能讓模型在真實運行中持續遇到新的商品和長尾問題。零次方用商業價值對沖了數據成本。

再往外是更多場景，形成“能力提升→進入更多場景→產生更多數據→推動模型進化”的循環。最終要驗證的是一種屬于Action的Scaling Law：隨著真實交互數據持續增加，泛化能力能否持續增長。

WAIC上那8600多次抓取，是對這條路線的一次集中檢驗。巧克力豆和透明系帶之所以值得被反復提起，不是因為它們特殊，恰恰因為它們足夠普通。真實世界不會提前告訴機器人，下一個出現的是什么。未來，零次方要做的可能就是快速拓展更多場景（如智慧零售、家庭整理），讓數據飛輪的半徑不斷擴大。

原力靈機的路徑構建，是“用時間的厚度，換取系統的韌性”。傳統的抓取目標是“成功抓取一次”。原力靈機的目標則是“在15小時內，每一次抓取的成功率都保持在高水平”。這意味著，模型必須學會在動態變化的環境中（如積木堆的高度逐漸降低、自身電量逐漸減少），持續維持一個穩定的操作狀態。這種“狀態維持”能力，本身就是一種更高階的泛化。

但對應世界模型的每一次推演都需要消耗算力。如何在毫秒級的決策周期內，完成對未來狀態的預測并給出最優指令，是巨大的工程挑戰。這需要極其高效的模型設計和強大的邊緣計算能力。原力靈機地通過構建能自我模擬、自我校驗的DM0.5與DW0.5，讓機器人在漫長的任務周期中，擁有應對未知變數的能力。

總體而言，三種路線目前很難說對錯，因為“抓取”的技術門檻本質上是面對構想外的物品，仍然能夠繼續行動。

如果這件事情最終能夠成立，它才可能具備類似物理抓取API的屬性。

因為只有當能力不再依附于某一個固定物體、固定場景和固定本體，它才可能被封裝、調用和規?；瘡椭?，真正成為行業的“iPhone”時刻，也才能面對真正的現實環境。

05.

解決Picking之后，真正的能力競爭才開始

過去幾年，行業一直在努力把機器人造得更像人。更靈活的身體、更高的自由度、更強的運動控制。

但當機器人真正伸出手，它面對的就不再只是自己，而是一個幾乎無限復雜的現實世界。

蘇度科技、零次方和原力靈機的三種探索，共同說明機器人行業正在進入一個新的階段。過去比的是誰能夠把機器人造出來?，F在開始比的是，誰能夠更高效地生產機器人的能力。

這種能力需要更快地增長，也需要在長時間里穩定成立。

但最終，它還必須回答一個更加根本的問題：面對沒有見過的東西，機器人怎么辦？