机器科学发布Visics通用具身大模型 实现跨本体跨物体跨任务
6月24日，通用具身智能领域的科技企业RoboScience机器科学正式推出旗下通用具身大模型Visics，并首次完整公开了其自主研发的VLOA技术架构。与此同时，该模型在家具组装、灵巧抓取、动态流水线等多个真实场景中的应用成果也同步亮相展示。 让我们深入探讨这样一个问题：大语言模型拥有标准化的文本
6月24日，通用具身智能领域的科技企业RoboScience机器科学正式推出旗下通用具身大模型Visics，并首次完整公开了其自主研发的VLOA技术架构。与此同时，该模型在家具组装、灵巧抓取、动态流水线等多个真实场景中的应用成果也同步亮相展示。
让我们深入探讨这样一个问题：大语言模型拥有标准化的文本Token，自动驾驶算法则具备统一的视觉或点云表征形式。这些基础数据格式的明确，使得数据和模型能够在不同应用场景之间高效复用。然而，具身智能领域至今仍缺乏一个被行业广泛认可的基础表征单元。这直接决定了数据的采集方式、模型的学习起点，以及学习成果能否成功迁移到全新的场景。
过去两年间，行业中最主流的做法是让模型直接学习机器人的关节运动轨迹。这种方式看似直观，实则存在根本性问题——它本质上只是在复制特定硬件在特定任务中的动作坐标。一旦更换机器人本体、操作物体或应用场景，模型之前习得的能力便无法直接迁移复用。它学会的是“某个夹爪如何抓取某个特定杯子”，而非真正理解“抓取”这一动作的本质——什么是抓取、需要施加多大的力、物体受力后会如何反应。
RoboScience机器科学创始人兼CEO田野指出，当前机器人操作技术面临三大核心挑战：泛化能力不足、精细操作困难、长程任务中误差持续累积。为解决这些问题，团队决定从底层技术出发，构建一套全新的具身智能基础表征单元。
RoboScience机器科学创始人兼CEO田野（图源/企业）
作为整套技术体系的核心基石，RoboScience机器科学自主研发了Visics通用具身大模型，并提出以Object Trajectory（物体3D点云轨迹）作为统一中间表征标准。基于此，团队搭建了分层解耦的VLOA架构，以物体为中心重新定义机器人的认知与执行逻辑。
田野解释称，“Object这个词汇同时包含物体与目标两层含义，能够精准刻画机器人与物件的交互关系，以及操作完成后物体所需要达成的运动变化状态。”
Visics通用具身大模型采用双引擎架构，由具身世界模型和通用操作模型各自独立运行，独立进行预训练和迭代更新，彼此互不干扰。其中，具身世界模型以海量互联网视频作为预训练数据，专注于物体状态、三维轨迹、接触力与物理因果关系建模，从而学习物体在真实世界中的运动规律。
Visics通用具身大模型，VLOA架构（图源/企业）
通用操作模型则负责将“物体运动轨迹”转化为“机器人应如何执行动作”。它借助物理引擎生成大规模仿真数据，并持续迭代优化，能够操作刚体、铰链件、软质可形变体等多种物体类型。该模型支持跨本体部署与闭环控制，同时兼容视觉、触觉、力觉等多模态感知输入。
两大引擎通过VLOA架构实现分层协同，将Object Trajectory作为统一的中间接口。上层的具身世界模型负责预判和推演物体的合理运动轨迹；下层的通用操作模型则生成适配各类机器人本体的硬件控制指令，最终完成轨迹的执行落地。
这种分层解耦的设计，最终实现了三大维度的全域泛化能力：适配任意机器人本体、操作任意类型物体、自主完成多样化任务。以抓取动作为例，相比传统方案中绑定单一机械臂和单一物件的训练方式，基于VLOA架构的模型在抓取成功率、操作姿态丰富度以及运算响应速度方面均展现出显著提升。
搭载Visics通用具身大模型的机械臂执行拼家具任务（图源/企业）
在具身智能领域，数据是模型能力的根本保障，但传统的数据采集路线正面临成本与产能的双重瓶颈。
RoboScience机器科学以自研的高精度仿真引擎RoboMirage为核心，结合全自动视频数据标注与清洗管线，构建了一套“仿真+视频”双数据飞轮体系。该体系能将单条数据的获取成本压缩至传统方案的1/20到1/200，并以每周数十万小时的速度持续扩张数据规模。预计到2026年，将构建超过1Tb的高质量操作轨迹数据集。
RoboScience机器科学联合创始人汪涛（图源/企业）
自成立以来，RoboScience机器科学已获得京东集团、商汤科技、达晨财智、招商局创投、零一创投、普华资本等多家CVC及财务机构的投资与产业支持，并在北京、深圳、苏州、杭州设有研发和生产中心。公司以大模型为核心，纵向打通自研本体、控制器与RobotOS，横向构建模型泛化、便捷开发与多层级生态，打造软硬一体、闭环协同的商业发展模式。
联合创始人汪涛指出，具身智能真正的规模化落地仍未到来，公司选择先从物体维度切入——解决对刚性、柔性以及各种属性物体的泛化操作能力，而非直接进入工业场景与现有自动化方案竞争。例如商超、电商物流等场景，天然面临海量SKU、多品类的拣选与补货需求，正是验证物体维度泛化能力的最佳试验场。
目前，RoboScience机器科学已与多家零售、物流、康养服务企业，以及机器人本体和灵巧手公司开展试点合作，计划于今年实现面向工业与商业场景的标准化机器人本体产品量产。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：机器科学发布Visics通用具身大模型 实现跨本体跨物体跨任务要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点面壁智能聚焦端侧AI，不拼参数大小，而是通过知识密度提升与模型风洞技术，将大模型压缩至手机、汽车等设备。其MiniCPM以2B参数超越同期8B对手。CTO曾国洋22岁主导训练中国首个大语言模型CPM-1。端侧AI追求“默契系统”，在用户开口前预判需求，已在吉利、上汽大众等车型落地应用。
印度IT巨头HCLTech投资最高350亿卢比建设AI数据中心，容量可扩展至50MW，提供从设计到运营的端到端服务，旨在满足政府及企业日益增长的算力需求，抢占印度快速增长的数据中心市场，并推动AI基础设施布局。
小米具身机器人在汽车工厂自攻螺母上件工站实现双侧作业成功率98%，接近人工水平。同时在新工站分别达到90%成功率，从单一操作拓展至多工站协同，验证了具身智能在复杂工业环境的落地能力。
全球AI行业正迎来新的财富格局，DeepSeek创始人梁文锋凭借其公司的迅猛发展，个人财富急剧膨胀，一举超越多位硅谷知名人物，成为全球AI公司领域的新首富。以下将详细解析其身价飙升背后的关键因素及公司发展历程。 一、身价飙升至360亿美元，超越多位AI大佬 根据最新彭博亿万富豪指数，DeepSeek
- 日榜
- 周榜
- 月榜
热点快看