界面新闻记者 |
界面新闻编辑 | 文姝琪
过去几年，随着大模型与VLA（视觉-语言-动作模型）技术的爆发，机器人已具备了处理多任务与多指令的泛化能力。然而，当机器人试图从“实验室Demo”真正走进工厂与商超等复杂真实场景时，挑战随之而来：通用的基座模型虽认知广泛，但在面对叠衣服、处理非标品等高精度长尾任务时，往往面对懂但难做的困境。
1月7日，智元机器人合伙人、首席科学家罗剑岚在接受界面新闻等媒体采访时表示，在具身智能的真实世界部署中，在预训练出现边际效应递减的情况下，在线后训练能够高效突破VLA性能瓶颈。
智元提供的实验数据显示，在机器人学习中，3小时的真实世界在线后训练SOP（Scalable Online Post-training）带来的能力提升约为30%。相比之下，单纯增加80小时的离线专家数据，仅能带来4%的提升。
界面新闻记者了解到，智元机器人具身研究中心于近期提出SOP，这是一套面向真实世界部署的在线后训练系统，目的是让通用机器人从实验室走向规模化部署与智能化运行。
“预训练模型的能力等于出厂设置的能力。”罗剑岚在接受媒体采访时如此比喻称。他表示，现有的数采中心离线数据中心未来将更多承担“冷启动”的角色，就像汽车发电机启动发动机的那一瞬间，“但在真实世界中，机器人不可能以零成功率直接部署，也不能永远停留在出厂状态。”
按照罗剑岚的表述，智元SOP的核心逻辑是将执行与学习深度耦合。
SOP是让机器人在真实世界中实现分布式、持续的在线学习，将VLA后训练从“离线、单机、顺序”重构为“在线、集群、并行”，形成一个低延迟的闭环系统，多机器人并行执行-云端集中在线更新-模型参数即时回流。
与此同时，SOP允许机器人集群在作业过程中实时回传成功或失败的经验，包括人类接管数据。云端利用这些在线数据进行模型更新，更新后的模型参数在分钟级别内同步回所有机器人，实现集群一致进化，维持在线训练的稳定性。
从技术角度看，SOP不仅是算法层面的优化，也是对具身智能基础设施的“补课”。
罗剑岚举例称，特斯拉在自动驾驶领域之所以能跑通端到端大模型，是因为汽车行业已经拥有了标准化硬件和路网数据回流体系。相比之下，机器人行业缺乏这种社会层面的基础设施，SOP就是在软件层面构建系统框架，来支持机器人的并发数据回流与在线进化。
在具体的商业落地路径上，罗剑岚透露，智元2026年的一个重点目标，是实现真实世界的大规模部署，不仅限于结构化的工业场景，还将在今年铺开商超、便利店等商业场景，甚至部分家庭。
当然，SOP系统的落地并非没有挑战，带宽成本、算力消耗以及安全性都是非常大的挑战，当数百台机器人同时回传视频流数据时，对基础设施的压力是巨大的。
对此，罗剑岚解释称，SOP可通过动态重采样策略更高效地利用真实世界经验，“简单来说，如果集群中有100台机器人，即便其中1台噪声很大，在其余99台机器人的数据对冲下，该噪声的影响也可以忽略不计。”
此外，为了防止机器人“学坏”，系统引入了强化学习和人类干预等机制，确保负面数据和失败案例能被正确地转化为价值，通过降低错误行为的权重来引导模型优化。
值得注意的是，SOP模式可能会一定程度影响机器人的商业模式。
按照罗剑岚的说法，机器人过去被视为一次性交付的硬件产品，具备在线进化能力后转变为持续服务，可以简单类比智能汽车通过付费的软件升级提升驾驶体验，“（机器人）会从卖硬件一次性交付，到软硬件一体的持续服务，”罗剑岚预判。
