核心观点 - 一个神秘团队发布了一段10分钟一镜到底、无剪辑、无遥控、无人工指令的机器人Demo视频[2][3][10] - 该视频展示了跨本体协作、自主推理、工具使用、长时序任务闭环等能力，可能颠覆全球具身智能行业的技术认知和Scaling Law[4][67] 视频环境与真实性 - 拍摄场地为约15m²的出租屋，家具密集、过道狭窄，无法进行遥操作或预设脚本[5] - 视频全程无切镜、无重拍、无人工指令介入，机器人完全自主学习、自主决策[7][10] - 两个不同品牌机器人（宇树和智元）在同一个空间并行干家务，实时感知边界、规划路径，全程无碰撞、无迷路、无停滞[8][9] 核心能力展示 动力学与自主推理 - 宇树机器人用刮水器擦玻璃，能精确控制力度，判断脏东西在外面后，自主做出侧身、后仰、探头、展臂将手伸出窗外的动作[11][12][13] - 模型将视觉、触觉、动力学融合为统一感知，展现了自我推理和自我进化能力[14][15] 长时序任务闭环 - 宇树机器人完成擦玻璃后，将刮水器放回原位，完成“取工具-作业-收纳”全流程闭环[16][17] - 智元机器人从洗衣机取出坐垫放到沙发，再取出娃娃放进二层衣柜，每件物品归位精准[17] - 在10分钟超长任务链中，每个任务丝滑精准，不因任务变长而累计误差，解决了传统VLA模型长序列任务的弊病[20][21] 任务打断与断点续做 - 闹钟响起后，机器人中断当前任务，开始执行收纳桌面和冰箱的特别任务[22][23] - 机器人自主拆解任务、规划动作，全程无分步指令，拥有人类级别的任务优先级判断和动态调度能力[24][25] 跨本体协作 - 智元机器人主动走近宇树，将围巾缓缓挂在其脖子上，宇树弯腰配合，智元用双手捧起围巾绕过宇树的头[27][28] - 两个不同品牌机器人自主判断各自能力边界并完美互补，这是全球罕见的跨本体通用大脑样本[3][29][30] 自主学习与“偷懒”行为 - 智元机器人尝试三次将毛巾挂在自己肩头，知道挂肩上比拿手上更省劲[32][33][34] - 机器人整理拖鞋时拎挂绳而不是鞋体本身，因为拎绳子更省劲[37][38] 工具使用与自我进化 - 宇树机器人身高1.3米够不到第三层柜子，自主推理找到箱子，尝试弯腰搬箱失败后，用脚将箱子踢到柜子边[39][40][41] - 机器人懂得箱子可承重、站上去能增加高度，弯不下腰时可用脚踢，体现了对物理世界规则的深度理解[46][47] 跨本体能力互补 - 宇树踢箱子踢歪后，身高1.7米的智元机器人主动切换任务，走过来帮助同伴[48] - 智元将围巾绕过宇树脑后轻巧取下，并折了三折放入衣柜，展示出对力度控制和空间感知的极致理解[51][52] 底层技术突破 - 模型跳出了当前主流VLA、WAM和传统世界模型的固有框架[55][56] - 主流模型存在共同致命缺陷：数据驱动的任务拟合，所有动作基于海量数据的“概率猜测”，而非对物理规则的深度理解[59][60] - 视频中的模型只用了几十个小时视频数据训练，对Scaling Law的存在性提出质疑[60] 三个底层技术内核 - 物理约束动力学学习：物理规则前置、动力学预测驱动，拎拖鞋挂绳、肩搭毛巾、站箱子登高都是模型与环境交互自主探索出的最优解[62] - 跨本体统一建模：通过统一动作表示空间与本体自适应机制，实现“软硬件解耦”，终结硬件绑定算法时代[62] - 长时序鲁棒闭环：依托全局任务调度框架，自主处理突发干扰、动作误差、任务切换，避免长流程误差累积崩盘[62] 四个核心能力 - 动力学建模：轨迹满足动力学可行性，能计算补偿力矩和前馈项，外推泛化能力绝佳[63] - 自我认知能力：像人一样思考“下一步最接近目标的动作是什么”[63] - 自适应能力：能补足因果推理，解决长尾问题，边做边进化[63] - 自我进化能力：在完成任务过程中技能自增长、策略自进化，能自我驱动产生学习目标并主动推理实现价值[63] 行业影响 - 当其他团队Demo还在堆砌短时长、精修、单任务时，该视频已完成10分钟无修剪、跨品牌、多协同、全流程、自进化的真实实景落地[65] - 模型让机器人不仅真的可以干活，而且能力还在快速自我进化，逼近具身智能的ChatGPT时刻[65][67]