文章核心观点 - 破壳机器人发布首款模型产品RoboAPI，定位为面向真实物理世界、可公开访问、开箱即用的具身API，开发者无需采集数据或训练模型，用一句prompt即可让机械臂在陌生环境完成未训练过的任务，验证零样本泛化能力 [1] - RoboAPI目前为非商业化应用，不向盈利性第三方提供产品或服务，开发者可通过快速开始文档和开发者平台免费接入 [2] - 支撑RoboAPI的核心是破壳首个世界-动作模型Poke-Aurora，具备零样本泛化能力 [6] - 行业层面，把模型做成API正成为具身智能公司的新趋势，方向是让用户亲手检验模型而非仅观看演示 [14] 一、RoboAPI：让机器人模型开箱即用 - RoboAPI针对的行业痛点是机器人模型demo视频惊艳但实际用起来困难，高校实验室使用开放具身模型需经历采数据、微调模型、验证效果、补采数据等流程，可能花费一个月 [4] - 难点分两层：一是构型差异，不同机器人结构、传感器和控制方式千差万别，改动任何一处模型就可能水土不服；二是泛化本身，模型往往只在训练过的物体和场景表现稳定，换做未见过的环境和物体就可能失手 [4] - 类比GPT-3 API让开发者不必自己训练和部署语言模型，RoboAPI想在物理世界做同样的事，接收机器人观测与状态并结合用户指令，近乎实时地预测并输出机器人接下来的动作 [4] - 在构型优化上，受UMI启发，破壳定义腕部鱼眼相机加末端位姿控制的构型，在机械臂手腕装消费级鱼眼运动相机，观测和控制以夹爪末端为中心，大幅降低搭建门槛和成本 [10] - RoboAPI把机器人底层控制封装起来，机器人大脑变成可直接调用的能力，开发者不必重复研发，可专注真实任务和应用；未来软件工程师也可借助RoboAPI控制机器人、搭建工作流 [14] 二、Poke-Aurora：零样本泛化能力 - Poke-Aurora是世界-动作模型，通过预测未来画面学习物体运动与交互规律，为操作经验跨物体、跨场景迁移打下基础 [6] - 世界建模能力不会自动变成可靠动作能力，破壳提出调制残差耦合（MRC）机制，在保留视频与动作各自原有计算路径基础上建立可学习的交互，使视频预测与动作预测的学习方向更加一致，更好服务于动作生成 [6] - 破壳自建规模化评测体系，覆盖近1000个常见物体、近1万条不同指令，任务分为物品转移与整理、姿态与形状对齐、环境交互与工具使用三类 [8] - 评测中Poke-Aurora在三类任务上的成功率分别为86.0%、54.1%和87.7%，均高于参与对比的GPT6 Astra和两款开源具身模型；两款开源具身模型三类任务成功率都不到35% [8] - 更多技术细节预计在Poke-Aurora技术报告中公布 [8] 三、具身智能的API时刻：让模型接受所有人检验 - 破壳认为前沿具身模型的泛化能力不应只由创造者自己决定，而应随时接受任何外部用户的真实检验 [12] - 这回应了具身行业长期存在的错位：提供机器人和模型的一方长期以演示视频示人，视频表现与模型实际能力常对不上，使用者只能自己花大量工夫调教；RoboAPI希望把模型能力直接交到使用者手里，在不同硬件、任务和环境中接受检验 [12] - RoboAPI已在美国、新加坡等多个高校实验室进行内测，反馈很好，正式推出后将迎来更多开发者测试 [13] - 行业趋势方面，10月中旬一家美国机器人模型公司推出API测试版，开发者上传数据在其托管算力上微调模型后调用；几天后另一家美国初创公司发布主打零样本、面向带夹爪双臂机器人的API；不同公司路线各有取舍但方向一致 [14] - 通用大模型也开始尝试直接控制机械臂，但在本月发布的AA-Robotics评测中，其速度比人类慢约100倍 [14] - 对致力于家庭机器人场景的破壳而言，RoboAPI是走进家庭前的重要一步；创始人许华哲认为真正泛化能力需在不同机器人构型、任务和环境中经受广泛验证，机器人在足够多真实环境中经受检验后才可能真正走进家庭 [15]