物理人工智能

物理人工智能（Physical AI）是指通过机器人、自动驾驶汽车和无人机等具身机器，在物理世界中进行感知、推理并采取行动的人工智能系统。与处理文本或图像的纯软件模型不同，这些系统与传感器和执行器相耦合，因此其决策会直接改变真实物体、机器与人类的状态。尽管该概念的思想根基可追溯至控制论和早期移动机器人技术，但该术语直到2024至2026年前后才在产业界和政策讨论中广为流行。

这一领域之所以重要，是因为长期以来，机器人学一直受制于脆弱的手工工程控制器，这类控制器仅能在特定且狭窄的环境下工作。融合了视觉、语言和动作的大模型在日益丰富的机器人数据上进行训练，已开始展现出跨任务和跨硬件平台的泛化能力。物理人工智能处于机器学习、控制理论与物理学的交叉点，并在算法试错可能引发不可逆伤害的现实场景中，带来了关于体力劳动自动化、伦理学及安全性等诸多实际问题。

本词条首先界定该术语并厘清其与相关概念的边界，随后追溯其历史并介绍其核心技术构件：感知与世界模型、动作模型、学习方法、融合物理规律的方法以及硬件。接着探讨其应用领域、产业与投资现状、安全性与治理、对劳动力及社会的影响，以及当前面临的开放性研究课题。

定义与术语

物理人工智能是指能够感知周围环境、自主决策，并通过机器人、车辆、无人机或工业机械等物理实体采取行动的人工智能系统。在本文采用的工作定义中，其决定性特征在于系统的输出是物理运动、作用力或控制信号，而非单纯的信息。这使其区别于纯软件人工智能（包括大多数大语言模型和诸多生成式系统）；后者的错误通常停留在信息层面，可通过重写回答来修正。语言模型能够描述如何拿起一个水杯，而物理系统则必须定位该水杯，施加适当的抓取力，并在搬运过程中确保其不掉落。许多从业者将其核心描述为感知、建模、决策与行动的持续闭环，每次行动产生的结果都会反馈至下一次观测中。

该术语还需要与传统自动化区分开来。例如，一台遵循固定规则的扫地机器人（如碰撞传感器触发时自动后退）虽能感知并移动，但并不能自主生成行为。业界常用的一条分界线是控制策略是预先硬编码编写的，还是从数据中习得的。从这个角度看，人工编写规则的终点即是物理人工智能的起点；不过在实践中，由于许多实际部署的系统都将学习型组件与基于规则的安全层相结合，两者之间的界限往往较为模糊。

领域内存在多个相互重叠且界限并不固定的术语。“具身智能”（Embodied AI）是出现更早的名称，源于20世纪80年代的学术研究传统，该学派认为智能依赖于身体以及与外部世界的感知运动交互。“物理AI”（Physical AI）则是较新的提法，约从2024年起在工业界广泛流行，常被作为一个宽泛的统称概念。某些观点将具身智能视为一个侧重于“通过身体进行学习的智能体”的较窄子集，另一些观点则认为二者高度重合。世界模型是习得的内部表征，用于预测环境如何随行动发生变化；与其将其视为同义词，不如将其理解为构建物理人工智能所采用的一项技术组件。“物理智能”（Physical intelligence）既用作通用表述，也是某些特定研究项目和公司名称，这进一步增加了概念上的混淆。

一个核心的未决问题在于：仿真模拟中的智能体是否算作具备“具身性”。一种立场坚持必须具有真实的物理实体，即只有配备传感器和执行器并与物质世界发生交互的机器才符合条件。另一种相反的立场则接纳虚拟或仿真躯体，认为物理引擎中的数字化角色或智能体同样是通过躯体进行感知与行动，其行为也受到躯体约束的塑造。本词条将“物理约束”而非“真实世界”作为判别标准。只要一个系统的决策受制于惯性、摩擦力、材料属性、延迟、磨损及能量预算等物理定律与限制，且其犯错的后果会通过这些定律向后传导，该系统便符合这一范畴。本文避免使用“真实世界”这一表述，是因为许多系统都是在仿真环境中训练并最终部署于现实之中，而且只要仿真器忠实地执行了物理动力学，即便没有硬件实体，它也在处理物理层面的工作。相比之下，一个无视物理规律的游戏角色，无论其表现得多么栩栩如生，都不符合这一定义。

物理环境为何改变了问题本质

物理动作会与环境交换能量与动量。机械臂在推动物体时会改变其位置并可能造成损坏，而相同的反作用力也会施加在机械臂自身上。这种耦合意味着动作并非孤立的输出：每一次行动都会改变系统接下来所面对的状态，而由此产生的反馈构成了学习信号的一部分。经典机器学习通常假定训练样本彼此独立且数据分布保持固定，然而当智能体自身的行为决定了它所能收集的数据时，这一假设便不复存在。

物理动作还具有持久且往往不可逆的影响。文本模型如果给出了糟糕的回答，重新提问的成本微乎其微；但机器人如果撞上货架、掉落易碎零件或导致电机过热，则无法简单地“倒带重来”。这排除了在游戏和仿真领域促成许多强化学习成功的海量试错机制，并使探索行为本身演变为一个安全问题。这同样提高了获取每个数据点的成本，也是相较于文本和图像，真实机器人数据始终极为稀缺的原因之一。

时间特性带来了进一步的限制。物理控制往往要求在毫秒级别内做出决策，因为遇到障碍物紧急刹车的车辆或防止物体滑脱而补偿夹持力的夹爪都无法承受迟缓的响应。因此，推理速度、传感器同步以及通信链路的可靠性不再只是工程实现层面的细节，而是直接成为了学习问题本身的一部分。综合来看，这些特性意味着专为纯软件AI开发的方法无法直接迁移：系统必须在物理极限下接受评估，从高昂且部分不可逆的经验中学习，并在随着自身动作而不断变化的世界中保持稳定。

历史渊源

物理人工智能主要汲取了两大知识谱系的营养：一是控制工程与控制论，它将机器视为与其周围环境构成闭环的一部分；二是20世纪60年代以来的机器人学研究，旨在赋予机器在物理空间中进行推理与行动的能力。两大流派的早期探索，奠定了后来基于学习的系统所继承的内在张力。

控制论与反馈

诺伯特·维纳在战时对高射炮火控的研究是这一思想的起点。第二次世界大战期间，维纳受命解决一个关键难题：如何更有效地击落敌机。直接瞄准敌机预测位置的火炮往往会被进行规避机动的飞行员甩开，于是维纳将瞄准重新表述为一个持续修正的任务，火炮在此过程中不断比对预期轨迹与实测轨迹并自我调整。他从电气工程中汲取了灵感——该领域中的放大器正是利用负反馈来稳定信号的。

维纳在1948年出版的著作中将这一思想推广为控制论。1948年，他将控制论定义为“关于动物和机器中的控制与通信的科学”。其核心模型将测量与行动分离开来：监控器将系统的当前状态与预设标准进行对比，控制器则据此调整系统的行为。对物理人工智能而言，这一理论的核心主张在于：控制取决于系统与环境之间反复的信息交换，因此智能无法脱离与外部世界的交互而孤立存在。控制论的影响十分深远，维纳的研究纲领启发了整整一代知名科学家，包括沃伦·麦卡洛克（Warren McCulloch）、沃尔特·皮茨（Walter Pitts）、克劳德·香农（Claude Shannon）、约翰·冯·诺伊曼（John von Neumann）和艾伦·图灵（Alan Turing）。

Shakey 与“感知–规划–执行”流水线

早期尝试将感知、推理和行动整合于单台机器中的最著名代表，是由斯坦福研究所（SRI）研制的 Shakey 机器人。作为 SRI 人工智能中心在 1966 年至 1972 年间的研究课题，Shakey 能够执行需要规划、路径寻找和重新排列简单物体的任务。这是一台配备了摄像头和触觉传感器的移动机器人，由一台大型远程计算机控制。操作人员可以用日常语言描述目标（例如将积木推下平台），系统随后会自主规划出一连串动作。尽管 Shakey 并非实用的生产工具，但它推动了包括视觉分析、寻路和物体操纵在内的诸多人工智能技术的发展。

Shakey 的架构通常被称为“感知–规划–执行”（sense–plan–act）流水线：传感器构建外部世界的模型，规划器基于该模型搜索可行的行动序列，随后执行器负责执行。规划功能依赖于 STRIPS，这是一种形式化的规划器，能够利用感知信息更新其世界模型。该项目的设想非常宏大：SRI 首次试图在一个系统中整合知识表示与推理、规划、机器学习、计算机视觉、自然语言理解乃至语音理解。项目由高级研究计划局（ARPA）资助，于 1972 年终止；其终止并非因为缺乏值得探索的设想，而是因为资助环境发生了变化。该项目所确立的流水线模式在此后主导了约二十年的机器人设计。

批评与基于行为的机器人学

到了 20 世纪 80 年代，试图在实体机器人上运行基于符号和重度依赖规划的系统的研究人员遭遇了严重阻碍。经典的规划器通常预设传感器数据干净、完备，且外部世界仅会因机器人自身的行动而发生改变。现实环境违背了这两项假设，导致构建出的系统脆弱不堪。

麻省理工学院（MIT）的罗德尼·布鲁克斯（Rodney Brooks）成为了最著名的批评者。布鲁克斯指出，早期自主机器人所采用的“感知–规划–执行”范式对于构建真正可用的机器人实际上是有害的。他还认为，构建世界模型以及利用显式符号表示知识进行推理，充其量只会妨碍机器人做出及时的响应。他在 1986 年提出的包容式架构正是针对传统符号人工智能的反叛。该架构的各层大致保持独立并并行运作，较高层级依赖较低层级的成功运转，同时较高层级可以改变较低层级的行为。布鲁克斯的核心前提是：感知与行动的紧密耦合孕育了智能的全部威力。这种方法将学界的注意力从高阶抽象问题求解转移到了低阶扎根智能上。该技术随后也走向了市场：1990 年，布鲁克斯创立了 iRobot 公司，开发并销售了 Roomba 扫地机器人。

从手工编码到基于学习的感知

在 20 世纪 90 年代和 21 世纪初，机器人的感知在很大程度上仍依赖手工设计的特征和校准的几何模型，这些模型需要专家针对具体传感器和具体环境进行精细调校。计算机视觉领域的转折点出现在 2012 年，当时 AlexNet 凭借在大规模标注数据集上训练的深度学习模型赢得了 ImageNet 数据集竞赛。随后，基于学习的视觉表示逐渐扩展到机器人领域，广泛应用于抓取、姿态估计和物体操作，取代了许多手工构建的传统流水线。

然而，单纯依靠基于学习的视觉并未彻底解决根本问题。评测基准所使用的都是静态图像，而机器人必须将其感知内容与下一步行动形成闭环。这一差距催生了针对强化学习、基于演示的模仿学习，以及最终将感知与行动直接链接的模型的研究。2024 年前后，“物理智能”（physical intelligence）成为主流概念，诸多企业与科研人员开始用它来指代通用机器人模型。同年成立的初创公司 Physical Intelligence 便代表了这一趋势的典型范例。

感知与世界模型

物理人工智能系统必须首先将原始传感器数据流转化为对周围环境及其自身躯体的可用描述，进而预测其行动带来的后果。因此，感知承担着两项紧密关联的任务：估计当前状态，以及对该状态的演变方式进行建模。以下四个主题涵盖了传感硬件、基于硬件构建的空间与物理推理、被称为“世界模型”的预测性学习模型，以及应对不确定性的概率方法。

机器人结合了多种传感方式。外感受传感器（如照相机、深度传感器和激光雷达）用于观测外部场景；本体感受传感器则测量机器自身的状态，例如惯性测量单元、关节编码器以及力或力矩传感器。触觉传感器提供了视觉无法可靠提供的接触信息。传感器融合技术将这些数据流整合为单一的状态估计。例如在足式机器人中，本体感受数据的采样频率很高但会累积漂移，而频率较低的外部传感器能够校正这种漂移；一种常用的方法是采用扩展卡尔曼滤波，将惯性、运动学以及双目立体视觉或激光雷达的测量数据融合为位姿估计。近期关于附带人工皮肤的机械臂在触觉-本体感受融合方面的研究，将用于指示接触位置的气动触觉衬垫与用于估计作用力的电机电流测量相结合，并使用时间卷积网络来校正运动过程中的摩擦效应。

物理环境中的感知还需要三维空间理解能力。机器人必须从深度和多视角数据中推断几何结构，在物体被其他物体部分遮挡时识别其表面位置，并估计接触点和相互作用力。有研究表明，通过因子图推理将视觉跟踪与力和力矩数据相融合，可以在严重遮挡的情况下保持状态估计的鲁棒性。机器人学习中采用的场景表征越来越多样化，包括 RGB-D 输入、三维场景流以及基于高斯分布的动态场景模型，这些表征使机器人能够在三维空间中预测未来状态，而不仅限于图像平面。

在机器人学语境中，世界模型是一种通过学习构建的预测模型，用于模拟环境以及与其交互的智能体随时间演变的过程。该概念最早可追溯至于尔根·施密德胡伯（Jürgen Schmidhuber）于 1990 年在机器学习领域对该术语的使用，并在戴维·哈（David Ha）与施密德胡伯 2018 年关于生成式学习环境的研究中重新受到广泛关注。形式上，该模型将当前状态和动作映射到预测的下一状态；但真实机器人在现实中极少能直接观测到真实状态，因此现代系统通常根据历史观测和动作记录来预测下一时刻的观测结果（例如图像或深度图）。在具身控制中，最有价值的变体是动作条件化模型，因为若预测出的未来虽然看起来合理、却未能对候选动作做出正确响应，就很难为闭环决策提供实质帮助。预测可以在像素空间、学习到的隐空间或基于预训练视觉嵌入构建的特征空间中进行，相比逐像素预测，在特征或隐空间预测计算开销更低且对噪声不敏感。模型一旦训练完成，便可通过评估候选动作序列来辅助规划，并支持在无需物理试验的情况下通过“想象”中的展开来优化策略。一些架构还将这一过程解耦：由生成模型预测未来的视觉序列，再由单独的模块推断出能产生该序列的动作。

传感器数据总是存在噪声且并不完整，因此感知在本质上具有概率性。贝叶斯滤波器维护着关于系统状态的置信度分布，并在由运动模型驱动的预测步骤与由测量驱动的更新步骤之间交替进行。鲁道夫·卡尔曼（Rudolf Kalman）于 1960 年提出的卡尔曼滤波是高斯噪声线性系统的最优估计器。其扩展卡尔曼滤波和无迹卡尔曼滤波变体能够处理非线性传感器模型，但它们假设后验分布大致服从高斯分布，若运动模型存在严重偏差，估计结果可能会发散。当置信度呈多模态分布时（例如机器人迷路或地标存在歧义），粒子滤波和蒙特卡洛定位会使用带权样本来表示后验分布；这些方法在上述场景中更为鲁棒，但计算量也更大。在实际应用中，设计人员通常需要调节过程噪声和测量噪声：若假定测量噪声远大于模型误差，估计器会进行深度平滑；反之，估计器则会更信任传感器。基于学习的世界模型又引入了一层不确定性，其预测结果通常是结合估计出的置信度进行评估，而非被视作确定无误的事实。

动作模型与机器人基础模型

视觉-语言-动作模型

视觉-语言-动作（VLA）模型接收摄像头图像和自然语言指令作为输入，并通过单一网络直接输出机器人动作。得益于大规模预训练，空间推理、语言理解与动作预测都在统一的表征空间内被隐式学习。早期的机器人软件通常将感知、规划和运动控制拆分为独立的模块，高层推理系统与底层操作控制系统之间犹如在玩一场容易失真的“传话游戏”来操纵机器人，而 VLA 模型正试图消除这种多环节的交接。

这一概念通常最早追溯至 Google DeepMind 于 2023 年 7 月发布的 RT-2。RT-2 首次明确提出了视觉-语言-动作模型范式。其核心技术是将运动指令视为语言：机器人的动作被表征为一种“第二语言”，可以转换为文本词元（token），并与大规模视觉-语言数据集一同进行联合训练。该模型基于现有的视觉-语言主干网络构建，Google 现有的视觉-语言模型（如 PaLM-E 和 PaLI-X）充当了其主干网络。其机器人数据来自 RT-1 数据集，该数据集由 13 台机器人在办公厨房环境中历时 17 个月采集而成。据 DeepMind 称，借助网络数据的迁移，该模型展现出了超越其所接触的机器人数据之外的泛化能力以及语义和视觉理解能力。

代表性系统与设计选择

RT-2 开创了在网络数据和机器人轨迹数据上进行联合训练的模式，其输出为离散的动作词元。由于它既继承了网络规模的语义知识，又能输出可执行的末端执行器增量位移，因而常被引用以证明其对新物体和多步骤任务的泛化能力。RT-2 未开源模型权重。

OpenVLA 于 2024 年作为开源替代方案推出。它是一个拥有 70 亿参数（7B）的开源 VLA 模型，训练基于涵盖 97 万条真实世界机器人演示的多样化数据集。其视觉编码器融合了 DINOv2 和 SigLIP 两个预训练特征提取器，并构建于 Llama 2 语言模型之上。连续动作通过量化来处理：动作空间的每个维度都被离散化为 256 个分桶，从而为每个动作维度生成整数值词元。在相关对比报告中，OpenVLA 在 29 项任务和多个机器人本体上的绝对任务成功率比 RT-2-X（55B）等闭源模型高出 16.5%，而参数量仅为其七分之一。其作者还指出，在跨具身数据集上的联合训练能够实现高效的针对特定机器人的微调，每台机器人仅需 10 到 150 条轨迹即可优化性能。这些结果来自特定的基准测试，其向其他环境的迁移效果尚待进一步验证。

英伟达的 GR00T N1 于 2025 年 3 月发布，是英伟达所描述的完全可定制模型家族中的首个模型，由英伟达进行预训练并提供给全球机器人开发者。其主要设计采用双系统架构：“系统 1”是一个快速思考的动作模型，类似于人类的条件反射或直觉；“系统 2”则由视觉-语言模型驱动，负责对环境和接收到的指令进行推理以规划动作。其训练数据融合了第一人称视角的人类视频、真实和模拟的机器人轨迹以及合成数据。开发者表示，该模型支持多种机器人形态，具备从桌面机械臂到高灵巧度人形机器人的跨具身支持能力。

Physical Intelligence 的 π0 于 2024 年发布，它将预训练视觉-语言主干网络与一个独立的动作模块相结合，后者通过流匹配训练来生成连续动作序列。其设计旨在实现跨任务和机器人形态的通用操作能力。

动作生成：流匹配与扩散

离散动作词元是输出机器人运动的一种方式；连续生成方法则是另一种途径。基于扩散的策略通过迭代去噪将噪声转化为动作序列，这使得它们非常适合处理多模态的演示数据。在一组微调实验中，OpenVLA 据报道比 Diffusion Policy 等富有表现力的从头训练模仿学习方法高出 20.4%，这说明动作表征的选择会显著影响最终表现。流匹配是一种相关方法，它学习一个将样本从简单分布输送至目标动作的向量场，常用于以较少的积分步数生成平滑轨迹。许多近期的系统倾向于预测未来的短动作序列（称为动作块，action chunk）而非单步动作，从而减少了抖动并降低了模型调用的频率。因此，流匹配与扩散模型家族之间的竞争主要集中在平滑度、运行速度以及对多模态行为的处理能力上。

推理速度是一项现实约束。开源的 OpenVLA 代码库引入了一种新的动作分词器，允许将动作块压缩为更少的词元，在使用离散机器人动作时可将推理速度提升高达 15 倍。

跨具身训练与分层控制

跨具身训练将来自不同机械臂、夹爪和传感器的机器人演示汇集到单一模型中。OpenVLA 所依托的 Open X-Embodiment 数据集就是这种整合的大型范例。该方法旨在跨越不同物理形态迁移技能，但运动学差异、摄像头机位以及控制频率的不同仍需进行针对性适配。如前文 OpenVLA 的结果所述，使用适量轨迹在新平台上进行微调是弥合这一差距的常用方法。

分层设计则将问题拆分为较慢的规划器和较快的控制器。GR00T N1 的系统 1 和系统 2 便遵循了这一模式，由规划器解析指令，控制器以高频执行动作。分层架构使得系统更易于检查和替换组件，但层级之间的接口可能成为信息丢失的节点——而这恰恰是端到端 VLA 设计原本试图避免的失效模式。这两种方法均属于活跃的研究方向，对于在各类任务中哪一种更为优越，学界和工业界尚未达成共识。

从交互与数据中学习

基于演示的模仿学习

模仿学习通过拟合执行任务的记录样本（通常由人类完成）来训练策略。研究发现，遥操作演示能够缩小训练数据与部署环境之间的差距，并且其收集过程相对容易扩展。遥操作交互界面的形态多样，涵盖主从机械臂、虚拟现实设备以及外骨骼等，但这些方式各有其代价。操作员所获反馈受限、系统复杂度高以及延迟等问题，依然制约着遥操作技术。人形机器人平台更具挑战，因为人类操作员的指令很难直接映射到身体构型完全不同的机器人上。

该方法的主要缺陷在于策略的性能受限于其示教者。有监督的模仿学习使得演示数据的质量直接成为生成策略性能的上限，导致策略无法超越演示本身的水平。另一个相关的难题是协变量偏移（covariate shift）：微小的误差会使机器人陷入训练集中从未出现过的状态，而策略在这些状态下缺乏应对机制。因此，场景过于局限的演示（例如仅涉及单一物体或固定桌面布局）往往会导致策略的泛化能力极差。这类方法需要大量高质量数据，且泛化表现有限。

硬件与仿真中的强化学习

强化学习通过让智能体从自身的经验中不断提升，从而突破了模仿学习的性能上限。奖励函数提供有关表现的反馈，智能体利用该反馈来优化自身行为。这种方法对数据需求极大：它允许对状态-动作空间进行自由探索，但往往需要较长时间才能收敛。奖励机制的设计是其核心工程难题。过于稀疏的奖励无法提供足够的学习信号，而定义过于宽泛的奖励又可能被设计者意料之外的行为所满足。

在实体硬件上，每一次试错都需要付出代价。抓取失败会磨损齿轮、折断机械手指，甚至可能损毁工作台。无论是为了保障人机交互的安全性，还是为了评估学习成果，都离不开实体硬件，这也使灵巧操作成为一个研究成本极高的领域。因此，绝大多数用于运动控制与操作的大规模强化学习都会先在仿真环境中运行，随后再将成果迁移到真实机器上。

仿真到真实的迁移与域随机化

仿真能提供成本低廉、高度并行且安全的试验环境。由于在安全性、成本和数据获取上的优势，机器人操作任务极为受益于基于仿真的训练。然而，仿真与现实世界动力学之间的“真实差距”（reality gap）构成了关键阻碍，这为策略迁移带来了巨大挑战。

域随机化（domain randomization）是应对该问题最常用的方法。在训练过程中，仿真参数会在较宽的范围内进行采样，使真实世界看起来就像是无数种变体中的一种。通过对质量、摩擦力或相机角度等参数进行随机化处理，可以显著提高训练所得策略的鲁棒性。随机化可以应用于视觉表现、动力学特性，或两者兼顾；视觉随机化与动力学随机化正是最主要的两种形式。例如在一项研究中，研究人员对物体尺寸、连杆质量、表面摩擦系数、关节阻尼及执行器力增益进行了随机化处理，从而在实体五指机械手上成功学会了掌内操作。

该方法存在已知的局限性。参数范围通常依赖试错来设定。由于随机化通常需要根据经验进行调整，导致其效率偏低；此外，选取合理的范围也需要专业知识。对于仿真器完全未能建模的物理效应（如复杂的接触过程、柔性材料的形变以及某些类型的摩擦），随机化无法弥补这些缺陷，这也是下文将它们列为待解决问题的原因所在。

真实机器人数据的稀缺性与大型开源数据集

机器人学习缺乏推动语言和视觉模型发展的那种庞大语料库。真实的机器人轨迹必须在硬件上一条一条地采集，生成成本高昂。为了解决这一难题，Open X-Embodiment 项目汇集了多家实验室的数据。该数据集汇聚了来自 34 个机器人研究实验室的 60 个既有机器人数据集，包含跨越 22 种机器人形态的 100 多万条真实轨迹，涵盖 500 多种技能和 15 万项任务。该项目由社区驱动，贡献者们希望借此扩大参与度，并使数据集随着时间推移不断壮大。

大型数据集并不能完全消除对特定任务数据的需求。对在单一形态上微调通用模型所做的评估表明，广泛的预训练主要增强了模型执行更复杂任务的能力，但在减少有效微调所需的数据量或多样性方面作用有限。上下文学习（in-context learning）允许模型在推理阶段仅凭单次演示即适应新任务，而无需进行梯度更新，这是减少此类依赖的一项前沿探索。然而，它在各种任务和硬件平台上的可靠性仍是一个尚未解决的课题。

物理信息融合与生成式物理智能

物理信息人工智能

物理信息融合方法将已知的物理知识引入学习过程，而不是期望模型单凭样本去推断所有规律。其中最著名的形式是物理信息神经网络（PINN），这类人工神经网络将由微分方程描述的物理定律写入损失函数，从而引导学习过程偏向与底层物理规律相符的解。网络输出相对于输入的导数通过自动微分获得，而控制方程（例如偏微分方程）则与各类测量数据一同在采样点上强制施加约束。

由于方程提供了原本需要标注测量数据才能提供的信息，这类模型对数据的需求量可以显著减少。一篇关于 PINN 在生理信号分析中应用的综述指出，与传统的数据驱动方法相比，PINN 学习所需的数据点和标签更少。约束也可以直接构建到网络架构本身中，而非仅仅作为惩罚项引入。2025 年提出的一种变体 Ψ-NN 首先训练一个教师 PINN，然后提取权重对称性等参数关系，并重建一个将物理特性硬编码其中的学生网络，从而自动发现对称性、质量守恒等物理结构并直接嵌入网络架构中。

软惩罚并不能保证严格符合物理定律。即使将控制偏微分方程作为软约束包含在损失函数中，黑盒模型仍可能违背质量守恒，这也是为什么部分研究致力于探索硬约束或混合设计的原因。混合“灰盒”设计将第一性原理方程与机器学习组件相结合，依靠其物理结构确保外推结果在物理上具备合理性。

纯数据驱动模型的局限性

缺乏约束的学习模型经常会生成与已知物理规律相矛盾的输出。在没有显式约束的情况下，它们容易做出不符合物理常理的预测，违背支配系统的物理定律。外推能力是其核心软肋所在。绝大多数深度学习模型在训练期间见过的参数范围内能够可靠地进行内插，但超出该范围时往往表现不佳。在电池寿命预测领域，数据驱动的预测可能会出现研究人员所谓的“物理幻觉”——例如在超出训练数据外推时，预测出热力学上不可能出现的自发容量恢复或温度依赖性反转等现象。针对物理系统的生成模型也存在类似的失效情况：生成的样本在统计上可能看似合理，但在长时间轨迹中会出现相位漂移，或者违反不变量与边界条件。

这种缺陷的弥补并非轻而易举，它依赖于对相关物理机制的认知。在自动驾驶中，纯数据驱动模型在鲁棒性和分布外场景下表现挣扎，尤其是对于训练数据中占比极少的边缘特例。据报道，融入物理信息的变体模型具有更准确的外推能力，但由于复杂的人类驾驶模式缺乏可靠的物理模型，将此类网络应用于自动驾驶场景的研究仍然很少。

生成式物理智能

生成式物理智能利用生成模型来生成符合物理规律的状态、轨迹、环境与场景，主要用于构建训练和测试数据。来自仿真环境或数字孪生的合成数据提供了可扩展且无风险的训练机会，能够覆盖多种边缘情况。这种物理真实性通常源于仿真器。得益于 PyBullet、MuJoCo、CoppeliaSim、NVIDIA Omniverse 以及 Unity 等高保真物理引擎，现代仿真平台能够精确建模摩擦、接触和碰撞等物理相互作用。

生成模型提供了另一种途径。与仿真不同，生成模型可以在不依赖物理引擎的情况下生成逼真数据。这种灵活性意味着物理合理性取决于模型学到的知识，而非显式的定律，因此实际流程往往将两种方法结合起来。例如，NVIDIA 的工作流程首先渲染随机化的仿真场景，随后利用生成模型对生成的数据进行增强、筛选与标注，从而将单一场景扩展为数百个场景。向真实硬件迁移仍是真正的考验。仿真环境与现实环境之间存在差异，研究人员开发了域随机化等技术来应对这一问题，在视觉与物理特性中引入可变性。在一项辅助机器人任务的流程报告中，学习到的策略成功率超过 80%，并在零样本迁移中展现了对未经编排的人体动作的适应弹性。

科学应用与一致性方法

这一方法体系同样广泛应用于科学研究。PINN 已被应用于流体力学、结构力学、传热学、生物医学建模、材料科学和地球物理学等多个工程领域。气候建模是另一个在新工况下对精度要求极高的领域，因为该领域的纯数据驱动方法同样饱受分布外场景的困扰，面临与工程领域相似的短板。

有多种技术可用于确保学习到的预测结果符合物理定律。残差建模将物理模型作为基线，让网络仅学习修正项；从这个意义上说，残差模型利用物理方程提高了泛化能力。惩罚约束、架构约束和混合灰盒模型是另外几种主要方法。向长时间跨度、未知参数或新几何形状的外推仍然十分困难，对于数据驱动的方法而言，这种物理外推始终是一项核心挑战，尤其是在目标状态涉及长时间演化、未知系统参数或训练集中未出现过的几何形状时。

硬件与机载计算

硬件决定了物理人工智能系统能力的上限，而决定商业化落地的许多约束往往来自机体及其动力供应，而非模型本身。首先面临的是平台形式的选择。轮式底盘机械结构简单，在平整地面上运行稳定，非常适合仓库和多种服务场景。人形机器人平台则专为适应人类尺度空间而设计，能够应对楼梯、货架以及专供人类使用的工具，但它们需要更多的关节、更复杂的平衡控制和更高的能量消耗。

执行器与灵巧手

大多数关节由通过减速器传动的电动机驱动，或在某些较新的设计中采用直驱或准直驱方案。每种方案都在力量、速度和顺应性之间进行取舍。高减速比可以提供充沛的扭矩，但会引入摩擦与背隙，并使关节难以被外力反向驱动，导致机器人难以通过自身关节感知外力。波士顿动力公司在2026年为其Atlas机器人推出的手部结构体现了这种新思路：四指构型、13个自由度、采用单一类型的执行器，并将执行器完全封装以避免线缆跨越关节。该公司强调反向驱动能力，这使得控制器能够充分利用本体感受，同时在指尖和手掌上配备了密集的高精度压力传感器。

人手依然是难以逾越的标杆。人手拥有超过20个自由度，且能在约0.4千克的自重下输出超过400牛的抓握力，目前尚无任何商用灵巧手能达到这一综合性能。因此，设计人员通常将笨重的电机移出手部，布置在前臂或躯干内，通过肌腱线缆或连杆机构驱动手指。这种方案降低了肢体末端质量，却引入了线缆摩擦、磨损及维护难题。许多灵巧手在设计时还要对手指数量进行权衡：手指较少可简化机械结构并提高耐用性，而手指较多则能带来更好的手内操作能力。

能量与续航时间

电池容量是移动机器人和车辆最严苛的限制之一。电池供电设备的运行时间可通过下式估算：

其中 $E_{\text{usable}}$ 为可用储能，$P_{\text{avg}}$ 为平均功耗，包括执行器、传感器和计算单元的能耗。在2026年，大多数人形机器人单次充电的续航时间在两到四小时之间，而工业班次通常长达八到十二小时。例如，宇树科技的H1配备了约0.864千瓦时的电池；而据报道，Figure 03配备了2.3千瓦时的电池组，在特定工况下续航可达五小时，但这一数据很大程度上取决于行走、搬运和操作等具体动作的强度。

单纯增加电芯数量并不能彻底解决问题。更重的电池组必须由同样的执行器来承载和驱动，从而在一定程度上抵消了新增电量带来的优势。主流人形机器人电芯采用高镍NMC（镍锰钴）或NCA（镍钴铝）材料，能量密度约为250–300瓦时/千克；成本更低的LFP（磷酸铁锂）电芯能量密度约为160–200瓦时/千克，主要用于对续航要求不高的场合。固态电池常被视作下一阶段的方向，但其宣称的能量密度多为预测值和厂商目标，尚未成为成熟的商用指标。移动机器人与车辆面临着同样的算术题：计算负载同样要从电池中汲取电能，因此机载推理方案的选取本质上也是对能耗的权衡。

机载计算与边云权衡

机器人所能承载的算力十分有限。重量、成本和功耗的限制，使其通常只能搭载Jetson级别的嵌入式GPU，而非数据中心级加速卡。必须在数毫秒内响应的控制回路无法承受网络通信带来的延迟，但规模庞大的视觉-语言-动作模型往往又无法完全装入小型机载计算板中。近期的实测数据清楚地揭示了这一取舍：一项针对视觉-语言-动作模型推理的研究显示，即便计入网络传输开销，配备高端GPU的服务器的端到端延迟仍可比机器人机载嵌入式GPU低最多约三倍；而完全依赖机载推理，可能会使电池寿命和作业时间减少多达约45%。另一项针对导航模型的对比发现，远程服务器的处理速度略快于机载Jetson Thor（约196毫秒对比204毫秒）。不过，这些结果高度依赖网络质量。在蜂窝网络信号较差或连接较远数据中心的情况下，本地端侧计算仍然是首选方案。因此，实际系统通常采用分工架构：反射动作、平衡控制和避障等任务在机载端实时运行，而更繁重的长远规划和多机协同任务则分配给附近的边缘服务器，并配备本地降级备用逻辑，以保证连接中断时机器人的安全。

协同设计与经济性

硬件与软件必须协同设计，因为每个层级都会对其他层级构成制约。计算预算限制了模型规模，功耗预算限制了可用算力，而电池容量又决定了功耗预算的上限。传感器的选型同样遵循这一逻辑。摄像头、深度传感器、触觉阵列和关节编码器各自具有特定的单件成本、失效模式以及对灰尘、降雨或光照等环境条件的耐受限制。廉价但故障率高的传感器，因停机造成的损失可能远超采购昂贵但更可靠传感器的花费。因此，某项应用在经济上是否可行，取决于设备单价、正常运行时间、单次充电续航以及所替代任务的人力成本等多重因素的综合平衡。

应用领域

自动驾驶车辆与自动驾驶出租车

公路车辆是物理人工智能最引人瞩目的商业化应用。自动驾驶车辆必须将摄像头、激光雷达、毫米波雷达和卫星定位数据转化为持续更新的路况图像，并在实时环境中做出转向、制动和加速决策。已落地的技术栈在传统上被划分为感知、预测、规划和控制模块。一些较新的系统用单一的端到端学习网络替代了该链条中的部分环节，将传感器输入更直接地映射为驾驶指令；这种做法可以提升行驶平顺性，但也会让决策过程更难以审计。

自动驾驶出租车（Robotaxi）服务在美国增长迅猛。截至2026年3月，Waymo在全美10座城市每周提供50万次付费Robotaxi行程。到9月，开展付费无人驾驶客运的大都市区数量进一步增加：有报告指出，该公司将开始在丹佛、圣迭戈以及佛罗里达州坦帕向公众提供付费Robotaxi行程，使其开通无人驾驶网约车服务的美国城市增至14座；在拉斯维加斯开通后，后续追踪记录显示其服务范围已覆盖15座大都市区。该公司的公开目标是到2026年底实现每周100万次行程。部署中最艰难的挑战在于长尾罕见场景，例如罕见的道路使用者、施工区域和恶劣天气，而这正是决定该项服务能否快速进驻新城市的关键。

仓储与物流

仓储是机器人操作技术最成熟的场景之一，但耗费最多人工的任务依然最难实现自动化。长期以来，自动化系统在搬运托盘和规整集装箱方面表现出色，但从货架或料箱中分拣单件物品仍是一大难关。主要阻碍在于物品的多样性。单品（SKU）的尺寸、重量、表面材质和易碎程度各不相同，而单个订单中可能同时包含玻璃瓶、软包装商品和小巧的电子零件。吸盘机械臂处理的物品比例日益增加，但在面对不规则、易碎和易形变的物品时依然容易失效，这也是即便在自动化程度最高的仓库中，拣选和打包工位依然离不开人工的原因。

柔性易形变货物尤为棘手。真空吸盘适用于许多箱子和袋子，但面对多孔、穿孔或严重起皱的表面时往往难以发挥作用。表面看似刚性的物体也可能带来麻烦：例如鞋盒边缘规整，但在搬运过程中，其松动的盒盖可能由于重叠量、朝向或摩擦力的细微差异而发生移位。在此领域取得成功的系统综合利用了机器视觉、抓取规划和工具选择技术，并且通常需要配合人工操作员来处理残次品和设备卡滞等异常情况。

制造业

工厂环境的结构化程度高于户外现场，这使其成为物理人工智能的早期落地目标，但各类任务的难度差异显著。上下料（机器人从固定工装夹具中为固定机床装卸工件）在相对意义上较为容易实现。装配则要困难得多，因为它涉及大量富接触操作，例如插入连接器、紧固零部件以及维持严苛的公差，细微的受力误差都可能导致装配失败。质检受益于计算机视觉技术，可以循序渐进地部署。多品种、小批量生产是要求最为严苛的场景，因为频繁更换产品需要重新设计工装、重新编程并采集新的训练数据，其经济可行性在很大程度上取决于产线换线的速度。

农业

农业是难以实现自动化的典型环境。与工厂不同，农田环境是非结构化、杂乱且存在严重遮挡的。果蔬植株形态各异，光照随一天中的时间推移不断变化，叶片还会遮挡目标。劳动力短缺和季节性需求使得采收在经济上极具吸引力，但根据2023年的一项调查，市场上仍无商用自主采收机销售。科研原型揭示了这一问题的严峻程度：一台基于300次示范训练的模仿学习辣椒采收机报告的采收成功率仅为28.95%，单次采摘周期耗时31.71秒；这证明了该技术的可行性，但距离商业化所需的速度和可靠性仍相去甚远。针对娇嫩的农产品，人们经常提议采用软体夹爪。

建筑、采矿与服务机器人

建筑工地每天都在发生变化，现场遍布未完工的结构、崎岖的地面、移动的设备以及频繁变更的规划。打孔、砌砖或安装石膏板等任务在原理上具有重复性，但每一次操作的具体几何形状都不尽相同，而且机器人在室内缺乏可靠卫星定位的情况下必须完成自主定位。井下采矿也面临类似的定位和通信难题，还伴有粉尘、微弱照明以及对传感器和执行器极为严酷的工作环境。露天矿运输的自动化程度高于地下作业，因为其环境空间更开阔且更可预测。

服务机器人与社交机器人在家庭、医院和公共建筑中穿梭于人群之间。它们所处的环境杂乱、多变，且专为人类使用而非机器运行而设计，因此楼梯、家具和走动的人群都构成危险源。家庭环境中的操作任务（包括拿取衣物或洗刷碗碟）涉及柔性及易碎物体，而在人类周围活动时的安全要求也限制了机器人的运动速度与施加力量。此外，在这些私人或敏感空间中安装摄像头还会引发隐私担忧，从而限制了此类系统的部署范围。

产业、市场与投资

市场规模预测

各方对物理人工智能的市场规模预测存在巨大分歧，这种差距主要源于各研究机构对该领域边界界定的不同。若采用狭义定义，估值则相对温和：一项将硬件和软件综合计算的AI机器人预测显示，其市场规模将从2025年的61.1亿美元增长至2030年的333.9亿美元，年复合增长率（CAGR）达40.4%；另一项仅针对具身智能细分领域的分析则预计，该市场将从2025年的44.4亿美元增长至2030年的230.6亿美元。若采用更宽泛的定义（涵盖自动驾驶汽车、智能基础设施及半导体），得出的总量则庞大得多：一份报告对2025年的市场估值为301亿美元，并预计到2035年将达到6416亿美元；另一份报告则给出2025年814亿美元、到2035年达11450亿美元的预测；还有一项预测认为该市场将从2026年的约3830亿美元增长至2040年的3.26万亿美元。

专门针对人形机器人的预测同样波动极大。高盛预计，人形机器人作为一个独立细分市场，到2035年规模将达到380亿美元；而其他投资银行则预测，未来几十年全球人形机器人市场规模可能突破5万亿美元。这些数据由不同的研究机构受托调研或发布，其覆盖范围、基准年份和测算假设各不相同，因此更应被视为情景预估，而非实际营收统计。

资本向基础模型与世界模型开发者集中

风险投资高度集中于构建物理世界通用模型的企业，这类模型通常被称为世界模型。2026年，六家业务相对纯粹的世界模型公司公布了总计约30.5亿美元的重大融资，其中仅World Labs和AMI Labs两家就占了总额的约三分之二。AMI Labs由杨立昆（Yann LeCun）离开Meta后联合创立，以35亿美元的投前估值筹集了10.3亿美元。其投资方包括Headline、英伟达（NVIDIA）、淡马锡控股（Temasek Holdings）、凯辉创新基金（Cathay Innovation）和三星电子（Samsung Electronics），体现了该赛道典型的财务与战略投资方相结合的格局。该公司的首席执行官也警告称，这一概念正演变成一种融资手段：“六个月内，每家公司都会自称世界模型公司来寻求融资。”

这种融资模式更接近前沿人工智能实验室，而非普通的软件初创公司：高额的种子轮与早期轮次、与里程碑绑定的分期拨付以及高算力需求的规划十分普遍。若算上Wayve的12亿美元D轮融资、Waabi的7.5亿美元C轮融资以及Runway的3.15亿美元E轮融资，在未计入未来基于里程碑的承诺出资前，融资总额就已超过53亿美元。芯片及平台供应商也直接下场投资。英伟达旗下风投机构与蓝宝石创投（Sapphire Ventures）参与了Reactor的股东名册，该公司总融资额达7400万美元；该投资使英伟达获得了运行交互式模型所需基础设施的股权布局。

分层的产业结构

该行业呈现出分层结构。处于顶层的是模型与平台提供商，供应预训练感知模型、世界模型、控制系统、仿真器以及车载/机载算力。位于其下的是应用型公司，它们通过整合硬件、软件与系统集成，将机器人部署到具体场所。英伟达是平台层的典型代表，该公司不仅开发了自有的Cosmos世界模型，还推出了用于机器人仿真的Isaac工具链以及用于在机器人上运行AI的Jetson计算平台。向硬件制造商授权预训练模型，使应用型企业无需自行构建全套模型架构，从而降低了准入门槛，但这也将议价能力集中在了模型层。运营模式亦有所不同：“机器人即服务”（RaaS）模式使中小企业（SME）无需对机器人机队进行大规模资本投入即可使用机器人技术。分析师还指出了其中的区域分工格局：美国长于软件，中国长于制造，日本长于现场部署，欧洲长于工业物理学。这种划分虽有争议，但反映了供应链跨国分布的成因。

中国的公开市场扩张与制造基地

中国人形机器人制造商正迅速迈向公开上市。中国已加速批准人形机器人企业宇树科技（Unitree）在上海上市，与此同时，香港正在处理来自各行各业500多家公司的上市申请。宇树科技上市首日表现亮眼：股价首日收盘暴涨460%，NBC的报道将其归因于投资者对本土AI受益企业的热情。据报道，智元机器人（AgiBot）正寻求400亿至500亿港元的估值，预计发行15%至25%的股份。规模较小的公司也在积极寻求资本：逐际动力（LimX Dynamics）在一轮IPO前融资中筹集了2亿美元，公司估值达到22.1亿美元；星动纪元（Robotera）在2026年筹集了超过3.4亿美元，并计划赴港上市。上市已成为企业融资序列中的一个环节，而非终点，分析师预计行业竞争将进一步加剧。摩根士丹利指出，更多工业机器人和协作机器人企业可能会启动IPO，因此竞争压力大概率将持续存在。

这一本土制造基地同样也是全球供应链的核心枢纽。例如，众擎机器人（EngineAI）在深圳建立了一座占地1.2万平方米的工厂，称其生产线每15分钟即可组装下线一台人形机器人，产能规划为1万台。与此同时，政策摩擦也在加剧。华盛顿以国家安全为由禁止进口新型外国制造的机器人，这可能会迫使采购方转向构建各自独立的供应链。

演示能力与商业化规模之间的差距

已公布的产能、融资金额和企业估值远超实际得到验证的商业部署规模。目前仓储和手术系统已被视为技术成熟可靠，而通用人形机器人尚未做好大规模落地的准备。各企业公布的往往是试点部署数量和目标规划，而非经审计的实际营业收入或出货量。例如，星动纪元报告称已在10多个物流中心完成了机器人入驻，并预计在2026年第二季度交付超过1000台，但这些数据属于远期预测，并非既定成果。一份关于众擎机器人上市的行业报告对此直言不讳：“供给是真实的，但需求尚未得到证实。”

世界模型融资领域同样存在这种落差。Wayve和Waabi已经能够展示世界模型在严谨自动驾驶方案中的实际应用；然而更为广泛的实验室仍需证明，其仿真技术能为机器人或智能体在互不相关的各色环境中带来显著且可重复的优势。在部署数量、复购订单和买方业务成效形成持续稳定的公开披露之前，相较于高额的融资数字，企业估值与市场预测对商业化规模的证明力依然偏弱。

安全、评估与治理

物理人工智能的安全风险源于学习系统的演进方式。依靠试错获取技能的策略，在其错误被发现之前可能会做出不安全的动作。在仿真环境中，抓取失败毫无代价；但在工厂车间或家庭环境中，同样的失误可能会夹伤工人、损坏设备或导致跌落。有些动作一旦发生就无法撤销，而且单次误判可能引发连锁反应：物体的移位改变了传感器输入，进而触发错误的纠偏动作。传统机器人学主要通过物理防护手段来应对此类风险。2016年发布的ISO/TS 15066技术规范旨在协助从业者确保人机协作中的安全性。2025年修订的ISO 10218-2将关注重点从机器人转移到了应用层面：只有具体应用才能被设计、验证并确认为具备协作性，而非机器人本体。针对人形机器人及其他动态稳定机械的标准目前仍在制定中。一份实践指南指出，针对动态稳定机器人的ISO/CD 25785-1目前仍处于草案阶段，而针对服务机器人的ISO 13482:2025则强调传感器可靠性、不确定性管理规程以及通过多种传感模态进行的决策验证。

评估是另一个薄弱环节。仿真中的基准测试结果虽然因可复现性高而广受欢迎，但往往无法准确预测物理实体的实际表现。仿真测试的优势在于评估过程的可复现性有保证，且能够运行大量任务。然而，由于仿真到现实差距（sim-to-real gap）的存在，仿真环境中的性能表现无法简单照搬到现实世界中。视觉保真度尤为棘手：许多广泛使用的仿真框架缺乏高保真视觉渲染，由此产生的分布偏移会导致基于真实数据训练的视觉策略遭遇分布外泛化问题。实机测试是替代方案，但成本高昂。在硬件上测量泛化能力可能需要数百次测试，难以长期维持且难以重复。较新的基准测试试图通过固定物理实验环境来缩小这一差距。例如，RoboDojo对硬件设置、场景重置流程、评估规程以及部署接口进行了标准化，从而让不同策略能够在一致的条件下接受测试。而在不同机器人本体、光照和物体之间的复现性仍是一个悬而未决的问题，在一个平台上获得的结果往往无法与另一个平台进行比较。

验证与可解释性针对的是另一个问题：如何证明训练得到的控制器在面对各类工况时都能表现合格。经典控制能够提供解析保证，而神经策略通常缺乏这种保证。目前提出的应对途径包括：在有限工况下对控制器行为进行形式验证、覆盖不安全指令的运行时监视器，以及协助审计人员理解策略为何做出某项决策的可解释人工智能方法。认证体系往往更侧重于规定必须记录哪些内容，而非模型具体必须如何进行推理。根据《欧盟人工智能法案》，高风险系统必须符合多项要求，包括风险管理、数据治理、技术文档、透明度、人工监督、准确性、鲁棒性、网络安全以及上市后监测。具体某台机器人是否归入该类别仍存在争议。截至最新公开消息，欧盟委员会正在起草第6条下的分类规则；公众意见征询截止日期已延至2026年7月23日，最终版本预计将于2026年底出台。

法律责任与立法规范目前主要在欧盟发展演进。经修订的《产品责任指令》将软件和人工智能视为产品，这意味着受害者无须证明过错即可申请赔偿；欧盟成员国有义务在2026年12月9日之前将该指令转化为国内法，其适用于该日期之后投放市场或投入使用的产品。相比之下，此前专门设立人工智能侵权责任规则的提议已被放弃：欧盟委员会于2025年10月6日正式撤回了拟议的《人工智能责任指令》（COM(2022) 496）。机械领域的立法框架也正在调整。《机械法规》将于2027年1月20日取代原有的《机械指令》，并首次针对人工智能/自学习功能、网络安全、人机协作和自主移动机械提出了明确要求。监管义务的重叠也带来了摩擦：自主巡检机器人的研发人员表示，其导航系统可能需要同时通过《机械法规》和《人工智能法案》的认证，从而导致重复评估并推高成本。网络安全也是整体治理的一环，联网机器人和赋能人工智能的控制器必须遵守《网络韧性法案》，其截止日期为2026年9月。其他司法管辖区的责任问题通常依据既有的产品安全和侵权法规处理；在制造商、集成商、软件提供商和运营商之间如何分配责任，以及其背后的伦理原则，在大多数法律体系中仍然是一个悬而未决的议题。

劳工与社会影响

岗位替代与任务暴露

关于岗位流失最详尽的实证证据主要涉及工业机器人，而非人形机器人或基于学习的控制器。达龙·阿西莫格鲁与帕斯夸尔·雷斯特雷波对美国劳动力市场的研究估计，在1990年至2007年期间，每千名工人增加一台机器人，就业人口比率就会降低0.2个百分点，工资水平下降0.42%。其模型将失业工人所承受的负面替代效应，与整体经济中产生的正面生产力效应区分开来。其他环境下的研究则得出了不同结果。一项针对机器人的元分析发现，在行业层面，机器人安装量每增加20%，就业人数就会减少约3.2%，而在企业层面数据中则呈现微弱的积极效应。在德国，达乌特及其同事发现工业机器人对总就业没有负面影响，因为制造业中被替代的工人重新分流到了服务业。

这种负面冲击主要集中在常规性工作上。机器人最适合从事焊接、装配、物料搬运和包装等常规体力任务，因此，相较于职业层面，从任务层面评估暴露程度更为准确。元分析研究还提醒道，总量数据可能会掩盖深层的动态变化——即采用机器人的行业内部发生的岗位替代，以及经济其他领域的补偿性劳动力再配置。

工作条件

岗位替代并非唯一的劳工影响。一项关于仓储机器人的研究指出，严重工伤事故减少了40%，但扭伤、拉伤和重复性劳损等非严重损伤却增加了77%。该研究同时指出，自动化有时伴随着拣货速率提升两到三倍，从而增加了员工出现身心倦怠的风险。研究作者认为，推进自动化必须配合更合理的工作设计、轮岗机制以及切实可行的绩效目标。因此，自动化往往只是在不同工伤类别之间转移了风险，而非彻底消除风险。

技能重塑与转岗过渡

关于工人如何转向新角色的证据相对较少。美国政府问责局的一份评估报告描述了一家加利福尼亚农业公司的案例：该公司将水果包装环节自动化，并通过内部培训保留了约90%受影响的员工，让他们学习操作、清洁和维护新设备。该报告引用的另一项研究警告称，如果没有进行技能重塑，四分之一面临风险的工人可能会遭遇收入下降。对葡萄牙四家汽车企业开展的小型案例研究发现，自动化对就业没有负面影响，因为部分岗位的消失被新岗位的诞生所弥补。尽管这一样本规模过小而无法推而广之，但它表明技能重塑计划对最终结果起着决定性作用。

生产力与部署条件

生产力收益的实现取决于部署速度、成本以及任务匹配度。近期发表在 arXiv 上的一篇综述指出，在高度重复、可预测、可衡量、体力强度大、作业批量大且处于受控环境中的工作，发生直接岗位替代的风险最高；而在需要不规则动作、默会知识、对模糊结果承担责任、社会信任或需要频繁应对突发例外的任务中，替代风险则较低。该综述同时指出，即使是表面上完全自主的系统，也依赖于安装、远程监督、清洁、维修、数据标注、软件更新、能源供应和人工干预。因此，自动化带来的生产力提升伴随着新型人类劳动的出现，这会影响实际中有多少收益能够转化为经济增长。

隐私与监控

依赖摄像头和深度传感器的机器人所采集的数据往往远超任务本身的需要。在工作场所，用于导航或质检的传感设备同样能记录下个人的工作节奏和肢体动作，从而引发监视隐忧。在家庭环境中，传感器可能会拍下室内布局、家庭成员及访客。在公共场所，未明确表示同意的旁观者也可能被记录下来。核心问题在于哪些数据会被留存、谁有权访问这些数据，以及数据是否会被挪作他用。这些问题通常通过数据隐私法规和行业专属立法来加以规范，但各司法管辖区的规定存在巨大差异。

信任与拟人化设计

拟人化设计是否有所助益目前尚存争议。一项关于协作工业机器人的研究发现，基于属性的信任度衡量显示，拟人化并未带来任何积极效果，反而对人们所感知的机器人可靠性产生了负面影响。在该项研究中，当参与者经历机器人故障后，其信任行为出现了更为急剧的滑坡，且该研究清晰地揭示了拟人化机器人设计会分散使用者的注意力。相反，在自动导引车上增设拟人化虚拟驾驶员的实验中，参与者在与该平台交互时所报告的信任度却有所上升。对人机机器人交互文献的更广泛综述指出，部分研究认为拟人化能够建立信任，而另一些研究则发现它会分散用户在主要任务上的注意力。在工作场所部署方面，现有证据表明，对外观设计的抉择应当结合安全指标和注意力表现进行检验，而不能仅凭用户的个人偏好。

开放性问题与研究方向

物理人工智能中的绝大多数开放性问题都可以归结为一个核心限制：与推动语言模型发展的文本和图像语料相比，物理交互产生的训练数据要少得多，且采集每单位机器人数据都要耗费大量时间和资金。这一限制深刻影响着有关数据效率、泛化能力、仿真保真度及算力等方向的研究议程。

数据效率是最直接的瓶颈。机器人数据必须通过劳动密集型的流程来采集，一项调查估计，Open X-Embodiment 语料库所包含的 token 数量大约只有大型语言模型训练集的二十万分之一。与语言和视觉数据不同，机器人数据无法直接从互联网上抓取，必须人工采集。遥操作作为主要的采集手段，不仅成本高昂，且采集到的轨迹通常仅覆盖有限的环境和任务范围。因此，研究人员正致力于探索从每次演示中挖掘更多价值的方法，例如利用非结构化游玩数据、通过图像修复进行数据增强，以及从未标注的人类视频中学习（参见数据增强与自监督学习）。

数据异质性进一步加剧了数据短缺的问题。Open X-Embodiment 数据集汇总了来自 21 家机构的素材，然而其大部分子数据集都绑定在固定环境下的单一机器人上，存在过拟合于特定“机器人-场景”组合的风险。此外其数据分布也极不均衡：超过 85% 的真实轨迹仅来自四款机器人。由于不同机器人平台在运动学、传感器和动作空间上存在差异，由此产生的“具身鸿沟”阻碍了数据迁移，因此跨具身迁移始终是一项核心研究目标。已有证据表明这种迁移确有成效：在一次对比测试中，RT-2-X 在泛化测试中的表现大约是 RT-2 的三倍，这表明即使对于已有充足数据的机器人，汇集多源数据也能扩展其可执行任务的范围。而在面对未见过的物体、环境以及长动作序列时，系统的泛化表现仍明显逊于分布内表现；将规划器与控制器结合的分层架构设计，以及世界模型方法，常被视作缓解这一问题的重要途径。

仿真到现实的差距（sim-to-real gap）是第二个主要难题。大多数仿真器主要围绕刚体动力学构建，这限制了其精确模拟接触的能力。为了将计算量控制在可承受的范围内，仿真引擎往往要在多点接触建模、软材料形变、摩擦力变化以及执行器刚度等方面的保真度之间做出妥协。高精度的触觉仿真尤其昂贵，迫使系统必须在仿真速度与精度之间权衡，往往导致学到的策略较为脆弱。电机回隙、静摩擦与动摩擦以及响应延迟进一步放大了这种失配（参见摩擦）。域随机化可以缩小这一差距，但策略在实际部署中仍可能遇到超出随机化范围的材料或几何形貌。此外，衡量这一差距并不存在单一标准：通常需要参照同一物理系统不同实例之间的自然差异来进行评估，且具体情况取决于具体任务。在布料等可变形物体上的研究表明，摩擦力或顺应性的微小失配便足以显著改变力传感信号，从而导致迁移失效。

模型缩放仍是一个尚待实证检验的开放问题。一项涵盖 327 篇论文的元分析报告指出，机器人模型的性能会随着资源的增加而提升，并遵循幂律关系；而且机器人任务性能的提升速度明显快于语言任务，尽管目前取得的实际成果往往还处于中等甚至较差的水平。另一些分析人士则认为，由于数据质量良莠不齐，且缺乏带动作标注的富接触交互数据，在机器人领域每增加一个数据点所带来的性能增益要低于语言建模。还有观点指出，机器人缩放定律的评估维度很可能与语言模型并不相同。因此，神经网络缩放定律的特性是否能够迁移到物理动作领域，目前尚无定论。

能源与计算成本构成了最后一类关键问题。训练大型视觉-语言-动作模型需要庞大的图形处理器算力支持，而机载推理又必须满足严苛的延迟与功耗限制，这不断促使架构设计者在边缘计算与云计算之间做出权衡与划分。富接触场景的物理仿真本身就属于计算密集型任务，因此生成训练数据的成本有时甚至可以与训练策略本身的成本相当。关于每台部署机器人或每次训练运行所消耗能源的公开发表数据仍然很少，这使得人们难以评估扩大具身模型规模在环境层面所带来的利弊得失。

参考来源

1. What is Physical AI — and why it matters nowey.com
2. What is Physical AI? Definition and Exampleswherobots.com
3. What Is Physical AI? - Ciscocisco.com
4. What Is Physical AI?coreweave.com
5. What is Physical AI? Definition, Examples, and Usesencord.com
6. Physical AI: What It Is and What It Is Nottowardsdatascience.com
7. Physical AI vs. Embodied AI — Futures Gardengarden.johanneskleske.com
8. The Three A’s of Embodied AI: Autonomy, Accuracy, Accountabilityxavor.com
9. Embodied AI vs. Physical AI: From Digital Humans to Real Worldmimicproductions.com
10. Cosmos-Reason1: From Physical Common Sense To Embodied Reasoningarxiv.org
11. Embodied AI: Emerging Risks and Opportunities for Policy Actionarxiv.org
12. Norbert Wiener and the Birth of Cybernetics: The Science of Feedbackmedium.com
13. Cyberneticsbritannica.com
14. Principles and Practice of Deep Representation Learning: or a Mathematical Theory of Memoryarxiv.org
15. Shakey the Robot - SRI Internationalsri.com
16. Shakey - CHM Revolution - Computer History Museumcomputerhistory.org
17. Shakey: From Conception to History - Stanford AI Labai.stanford.edu
18. A BRIEF INTRODUCTION TO BEHAVIOR-BASED ROBOTICSbaibook.epfl.ch
19. Subsumption architectureen.wikipedia.org
20. PCT and Beyond: Towards a Computational Framework for `Intelligent' Communicative Systemsarxiv.org
21. Cybernetics: Or Control and Communication in the Animal and the Machineen.wikipedia.org
22. SRI’s AI Center celebrates 60 years of AI impact - SRIsri.com
23. 12 AI Milestones: 1. Shakey The Robotforbes.com
24. World Model for Robot Learning: A Comprehensive Surveyarxiv.org
25. World Model for Robot Learning: A Comprehensive Surveyarxiv.org
26. World-Action Models for Robot Learning and Control: A Surveyarxiv.org
27. PlayWorld: Learning Robot World Models from Autonomous Playarxiv.org
28. Toward Unified Robot Learning: Bridging Representation, Vision-Language-Action, and World Modelsarxiv.org
29. DyWA: Dynamics-adaptive World Action Model for Generalizable Non-prehensile Manipulationarxiv.org
30. Foundation Models in Robotics: A Comprehensive Review of Methods, Models, Datasets, Challenges and Future Research Directionsarxiv.org
31. DSSP: Diffusion State Space Policy with Full-History Encodingarxiv.org
32. World model (artificial intelligence)en.wikipedia.org
33. Tactile-Proprioceptive Sensor Fusion for Contact Wrench Estimation in Whole-Body Physical Human-Robot Interactionarxiv.org
34. (PDF) Proprioceptive Sensor Fusion for Quadruped Robot State Estimationresearchgate.net
35. Multi-Sensor Fusion for Quadruped Robot State Estimation using Invariant Filtering and Smoothingarxiv.org
36. Artificial Intelligence-Enabled Space Robot Operations: Technologies, Challenges and Prospectsarxiv.org
37. Kalman Filter: Historical Overview and Review of Its Use in Robotics 60 Years after Its Creation - Urrea - 2021 - Journal of Sensors - Wiley Online Libraryonlinelibrary.wiley.com
38. A Review of Radio Frequency Based Localization for Aerial and Ground Robots with 5G Future Perspectivesarxiv.org
39. Map as The Hidden Sensor: Fast Odometry-Based Global Localizationarxiv.org
40. Mobile Robot Localization Using Fuzzy Neural Network Based Extended Kalman Filterarxiv.org
41. (PDF) Kalman Filters and Robot Localizationresearchgate.net
42. Building Ears for Robots: Machine Hearing in the Age of Autonomyarxiv.org
43. Vision-Language-Action Models: Experimental Insights from a Real-World UR5 Platformarxiv.org
44. What is RT-2? Google DeepMind’s vision-language-action model for roboticsblog.google
45. RT-2（A Vision-Language-Action model released by Google DeepMind in July 2023.）_Baiduwikibaike.baidu.com
46. Google DeepMind Researchers Introduce RT-2: A Novel Vision-Language-Action (VLA) Model that Learns from both Web and Robotics Data and Turns it into Action - MarkTechPostmarktechpost.com
47. RT-2: New model translates vision and language into action — Google DeepMinddeepmind.google
48. Google RT-2learn.engineering.vips.edu
49. [2406.09246] OpenVLA: An Open-Source Vision-Language-Action Modelarxiv.org
50. A Survey on Vision-Language-Action Models: An Action Tokenization Perspectivearxiv.org
51. NVIDIA Announces Isaac GR00T N1 — the World’s First Open Humanoid Robot Foundation Model — and Simulation Frameworks to Speed Robot Developmentnvidianews.nvidia.com
52. NVIDIA Isaac GR00T N1: An Open Foundation Model for Humanoid Robotsresearch.nvidia.com
53. GR00T N1: An Open Foundation Model for Generalist Humanoid Robotsarxiv.org
54. GitHub - openvla/openvla: OpenVLA: An open-source vision-language-action model for robotic manipulation. · GitHubgithub.com
55. Vision Language Action Models (VLA) & Policies for Robotslearnopencv.com
56. RT-2: Vision-Language-Action Models for Generalizable Robotic Control: A Comprehensive Reviewmadison-proceedings.com
57. OpenVLA: An Open-Source Vision-Language-Action Modelarxiv.org
58. Embodied Operators and Benchmarking: Toward Reusable and Deployable Embodied Intelligence Systemsarxiv.org
59. Deep Imitation Learning for Humanoid Loco-manipulation through Human Teleoperationarxiv.org
60. ExoStart: Efficient learning for dexterous manipulation with sensorized exoskeleton demonstrationsarxiv.org
61. Interactive Imitation Learning for Dexterous Robotic Manipulation: Challenges and Perspectives -- A Surveyarxiv.org
62. AI Robotics: A Field Report on Imitation Learning with LeRobotml6.eu
63. Robot learning by demonstration - Scholarpediascholarpedia.org
64. Frontiersfrontiersin.org
65. Sim-to-Real Transfer in Robotic Manipulation Using Domain Randomization and Meta-Learningresearchgate.net
66. ADR: Train Hard, Transfer Smart. Learned domain randomization selects…medium.com
67. Sim-to-Real Transfer in Deep Reinforcement Learning for Robotics: a Surveyarxiv.org
68. Markerless Camera-to-Robot Pose Estimation via Self-supervised Sim-to-Real Transferarxiv.org
69. Open X-Embodiment: Robotic Learning Datasets and RT-X Modelsrobotics-transformer-x.github.io
70. Scaling up learning across many different robot types — Google DeepMinddeepmind.google
71. Open X-Embodiment: Robotic Learning Datasets and RT-X Modelsarxiv.org
72. Domain Randomization in Sim-to-Real Transferemergentmind.com
73. What Are Physics-Informed Neural Networks (PINNs)? - MATLAB & Simulinkmathworks.com
74. Physics-informed neural networks for physiological signal processing and modeling: a narrative review - PMCpmc.ncbi.nlm.nih.gov
75. Physics Informed Neural Networks in Engineeringneuralconcept.com
76. Physical vs. Data-Driven Modeling for Industrial Process Optimization — PatSnap Insightspatsnap.com
77. Learning dynamical systems from data: An introduction to physics-guided deep learningpnas.org
78. Hybrid physics-informed machine learning framework for calibration-free degradation prediction of lithium-ion batteriesnature.com
79. Least-Action-Guided Diffusion for Physical Extrapolationarxiv.org
80. Physics-informed deep learning for robust trajectory prediction in automated drivingnature.com
81. A Comprehensive Review of Generative Physical Artificial Intelligencearxiv.org
82. Generative Artificial Intelligence in Robotic Manipulation: A Surveyarxiv.org
83. What is Physical AI?nvidia.com
84. Generative Simulation for Policy Learningin Physical Human-Robot Interactionarxiv.org
85. Blue Sky Ideas: Towards Physics-Guided Foundation Modelsarxiv.org
86. Physics-Informed Neural Network - an overviewsciencedirect.com
87. Physics-Informed Neural Networks and Extensionsarxiv.org
88. Physics-constrained machine learning for scientific computing - Amazon Scienceamazon.science
89. Scale Synthetic Data and Physical AI Reasoning with NVIDIA Cosmos World Foundation Modelsdeveloper.nvidia.com
90. Humanoid handen.wikipedia.org
91. Boston Dynamics unveils new dexterous hands for Atlas humanoid robot - Robotics 24/7robotics247.com
92. Boston Dynamics drops pinkie on new humanoid handtherobotreport.com
93. Antagonistic Bowden-Cable Actuation of a Lightweight Robotic Hand: Toward Dexterous Manipulation for Payload Constrained Humanoidsarxiv.org
94. Humanoid Robots Move Toward Commercialization; Solid-State Batteries Set to Break Through Power Bottlenecks, Says TrendForcetrendforce.com
95. Batteries for Humanoid Robots: Global Market 2027-2040 - Advanced and Emerging Technology Market Researchfuturemarketsinc.com
96. Humanoid Robot Battery Selection: Battery Life, Capacity, and Future Trendscmbatteries.com
97. Solid-State Batteries for Humanoid Robots: The Next Power Revolution - HYXinbatteryhyxinbattery.com
98. Why Are Humanoid Robots Becoming the First Major Market for Solid-State Batteries? - HYXinbatteryhyxinbattery.com
99. How Fast Can I Run My VLA? Demystifying VLA Inference Performance with VLA-Perfarxiv.org
100. Efficient Vision-Language-Action Management and Serving for Robot Factoriesarxiv.org
101. Qwen-RobotNav Technical Report: A Scalable Navigation Model Designed for an Agentic Navigation Systemarxiv.org
102. Microsoft tests when robots should think beyond the machineblackscarab.ai
103. Waymo’s skyrocketing ridership in one charttechcrunch.com
104. Waymo Expands Paid Robotaxi Rides to Denver, San Diego and Tampa - Bloombergbloomberg.com
105. Robotaxi Status October 2026 — Waymo, Tesla & Zooxthechargeport.com
106. What warehouse robots actually replace, and what they still cannot dowashingtontimes.com
107. Warehouse Picking Robots: A Practical Guidephysicalailab.io
108. Towards Active Robotic Vision in Agriculture: A Deep Learning Approach to Visual Servoing in Occluded and Unstructured Protected Cropping Environmentsarxiv.org
109. Advances in soft grasping in agriculturearxiv.org
110. Autonomous Robotic Pepper Harvesting: Imitation Learning in Unstructured Agricultural Environmentsarxiv.org
111. One of Warehouse Automation's Hardest Problems - Logistics Newslogisticsbusiness.com
112. Artificial Intelligence (AI) Robots Market Report 2025 - 2030 [260 Pages & 178 Tables]marketsandmarkets.com
113. Physical AI Statistics: Robotics And Automation Future (2026)sci-tech-today.com
114. Physical AI Market Size, Share, Trends & Growth Report 2026–2035kaisoresearch.com
115. Physical AI Market Report 2027-2040: Robots, Autonomous Vehicles & Smart Systemsfuturemarketsinc.com
116. Rise of Physical AI: Market Growth, Global Landscape, and Future Outlookcervicornconsulting.com
117. World models: who are the top startups today?signalsinbox.com
118. Yann LeCun's AMI Labs raises $1.03B to build world modelstechcrunch.com
119. The 16 Largest Global Startup Funding Rounds of March 2026alleywatch.com
120. Nvidia backs startup Reactor as buzz grows for world modelsfortune.com
121. Physical AI Market Set to Surpass $430 Billion by 2030, Driven by Nine Key Vertical Sectorsfinance.yahoo.com
122. 'Listing is a must': Chinese humanoid startups are rushing to launch IPOscnbc.com
123. China’s backflipping robots leap to blockbuster stock market debut in latest sign of AI boomnbcnews.com
124. Exclusive-Chinese robot maker AgiBot plans Hong Kong IPO next year, sources sayfinance.yahoo.com
125. Robotera plans IPO in Hong Kong as humanoid robot funding hits overdrivecryptobriefing.com
126. Humanoid robot maker EngineAI files for a Hong Kong IPOthenextweb.com
127. 23 New World Model startups emerge in China in 7 months; 2026 sees rapid growthkucoin.com
128. Agibot IPO: everything you need to knowcapital.com
129. Physical Human-Robot Interaction: A Critical Review of Safety Constraintsarxiv.org
130. Safety Standards for Humanoid and General-Purpose Robots: A Practical Guidesres.ai
131. SCENEREPLICA: Benchmarking Real-World Robot Manipulation by Creating Replicable Scenesarxiv.org
132. REALM: A Real-to-Sim Validated Benchmark for Generalization in Robotic Manipulationarxiv.org
133. RoboDojo: A Unified Sim-and-Real Benchmark for Comprehensive Evaluation of Generalist Robot Manipulation Policiesarxiv.org
134. ARC: Autonomous Robotics Compliance A Three-Layer Governance Architecture for Deployed Autonomous Systemsarxiv.org
135. Physical AI: embodied AI gives rise to new legal requirementscms.law
136. Trustworthy Agentic AI: Failure Modes, Mitigation Strategies, and a Lifecycle Framework for Autonomous LLM Systemsarxiv.org
137. One robot, two laws: Industry warns EU’s double regulation in the way of progress - EU Perspectiveseuperspectives.eu
138. EU Machinery Regulation: the safety baseline for AI-enabled and robotic machinerytransition-pathways.europa.eu
139. A Pathway Study For Future Humanoid Standardstherobotreport.com
140. Robots and Jobs: Evidence from US Labor Marketsideas.repec.org
141. Robots and jobs: Evidence from the UScepr.org
142. Robots vs. Workers: Evidence From a Meta‐Analysis - Guarascio - 2025 - Journal of Economic Surveys - Wiley Online Libraryonlinelibrary.wiley.com
143. Robots, Natives and Immigrants in US local labor markets - ScienceDirectsciencedirect.com
144. Warehouse automation hasn’t made workers safer—it’s just reshuffled the risk, say researchersinsights.bu.edu
145. WORKFORCE AUTOMATION Insights into Skills and Training Programs forgao.gov
146. Automation and the Importance of Reskilling Workers: A Case Study in the Automotive Industrypapers.academic-conferences.org
147. Artificial Intelligence as an Economic, Environmental, Geopolitical, and Social Transformationarxiv.org
148. Impact of Anthropomorphic Robot Design on Trust and Attention in Industrial Human-Robot Interactiondl.acm.org
149. The Effect of Anthropomorphism on Trust in an Industrial Human-Robot Interactionarxiv.org
150. Impact of Anthropomorphic Robot Design on Trust and Attention in Industrial Human-Robot Interactionresearchgate.net
151. Mapping trust and cultural dimensions in Human-Robot Interaction: A scoping review approach - ScienceDirectsciencedirect.com
152. OXE-AugE: A Large-Scale Robot Augmentation of OXE for Scaling Cross-Embodiment Policy Learningarxiv.org
153. Open X-Embodiment: Robotic Learning Datasets and RT-X Modelsalphaxiv.org
154. Closing the Reality Gap: Zero-Shot Sim-to-Real Deployment for Dexterous Force-Based Grasping and Manipulationarxiv.org
155. Closing the Reality Gap: Zero-Shot Sim-to-Real Deployment for Dexterous Force-Based Grasping and Manipulationarxiv.org
156. Neural Scaling Laws in Roboticsarxiv.org
157. The economics of Physical AI: Why data quality beats scaleblog.robotiq.com
158. What’s Missing for Robot Foundation Models? - by Ted Xiaoagentic.substack.com
159. Foundation Models in Robotics: Applications, Challenges, and the Futurearxiv.org
160. Xiaomi-Robotics-1: Scaling Vision-Language-Action Models with over 100K Hours of Real-World Trajectoriesarxiv.org
161. Mind to Hand: Purposeful Robotic Control via Embodied Reasoningarxiv.org
162. Bridging the Sim-to-Real Gap with Dynamic Compliance Tuning for Industrial Insertionarxiv.org
163. (PDF) Benchmarking the Sim-to-Real Gap in Cloth Manipulationresearchgate.net
164. Examining the simulation-to-reality gap of a wheel loader digging in deformable terrainlink.springer.com
165. Open X-Embodiment: Robotic Learning Datasets and RT-X Modelsarxiv.org
166. (PDF) Open X-Embodiment: Robotic Learning Datasets and RT-X Modelsresearchgate.net