文章核心观点 - DEEP Robotics发布五项研究进展，支撑其面向真实机器人操作的具身智能架构DEEPRobotics-Brain，覆盖物理预测、导航与操作、策略优化、预测性记忆及数据驱动评估，旨在解决机器人在动态变化环境中可靠工作的共同挑战 [1] - 五项研究分别为DR-WM-1.0世界模型、DR-VLA-2.0具身基础模型、DR-APO策略优化框架、DR-Agent具身智能体和DR-Benchmark数据与评估平台，共同探索机器人如何预判动作结果、将指令转化为运动、改进学习策略、修正过时空间信念并利用真实数据衡量进展 [2] - 研究涉及与麻省理工学院、加州大学圣地亚哥分校、伊利诺伊大学厄巴纳-香槟分校、清华大学、浙江大学、香港科技大学和北京理工大学的合作 [3] - 研究通过仿真、真机实验和共享基准评估能力，支持公司开发能响应人类指令和实际运行条件的机器人这一更广泛目标 [4] DR-WM-1.0世界模型 - 传统机器人训练依赖重复的真实世界试错，成本高且耗时；视频生成世界模型可模拟视觉丰富环境，但视觉合理性不能证明预测动作物理可行，例如机器人穿越雪地的逼真视频可能无法反映低摩擦导致的打滑 [5] - DR-WM-1.0通过将机器人-地形接触动力学纳入动作后果预测来弥补这一差距，结合重建场景几何与摩擦、粗糙度、刚度的密集物理先验，并使用真实动作-响应数据校准 [6] - 研究利用258万图像-掩码对和超过10万条真实机器人片段，双ControlNet架构以场景几何和由模拟机器人运动导出的相机运动为条件生成视频，自回归推演中机器人和控制器状态被向前传递以保持与底层控制回路的连续性 [7] - 该能力为机器人提供物理预演手段，可估算路线沿途可能发生的情况并比较替代动作，连接感知、物理预测与决策，缩小视觉真实感与物理 grounded 预测之间的差距 [8] - 示例应用为雨雪后变电站巡检，机器人可在湿滑捷径与较长路线之间模拟两种选择，评估打滑、运动不稳或进展受限的可能性，并权衡风险与出行效率 [9] DR-VLA-2.0具身基础模型 - 机器人在街道、园区和配送环境运行，导航需超越路径规划，需遵循指令、避障、预判变化并以与人类活动兼容的方式移动 [10] - 通过遥操作收集机器人演示成本高且难以跨多样环境和交互扩展，人类自我中心网络视频提供大量避障、让行和路线选择示例，但相机视角、成像特性和运动差异阻碍直接迁移，且视频缺乏可执行机器人动作标签 [11] - 公司与MIT、伊利诺伊大学厄巴纳-香槟分校、清华大学和浙江大学合作探索结合人类视频无动作预训练与机器人演示适应的学习流程，EgoLynx包含1万小时精选自我中心网络视频和2000条遥操作机器人导航片段 [12] - 核心机制为域不变场景表示（DISR），结合语义、空间和关系信息，使模型关注存在什么、在哪里以及场景元素如何相互关联，为跨人类和机器人观察迁移导航知识提供接口 [15] - Mixture-of-Transformers框架整合视觉-语言理解、潜在世界建模和流匹配动作专家，人类视频监督场景理解与预测，机器人演示提供生成可执行轨迹所需的动作监督，支持等待、绕障和让行行人等社会合规行为 [16] - 在留出的EgoLynx-Robot测试集上，DR-VLA将四足导航分数（QNS）提升约5%，并将开环最终朝向误差降低14.6%，均相对于该指标最佳竞品结果；QNS综合安全性、指令合规、舒适性和进展 [17] - 操作方面，现有VLA模型中强视觉先验可能压过语言指令，改变命令可能无法重定向机械臂，插入和擦拭等接触丰富任务需要运动适应力反馈 [18] - 公司与合作者提出原子运动坐标（AMC）框架实现语言可操控和力响应操作，为每个机械臂定义13个可解释运动原子：沿三轴正负平移、绕三轴正负旋转及保持动作，初始训练阶段排除视觉输入以对齐语言与几何运动，后续阶段利用视觉上下文实现运动倾向并纳入力反馈在同一坐标框架内调整动作 [19] - AMC在单原子提示下实现92.5%的相反原子分离率，双原子提示下为83.1%；在未见布局的真实双臂任务中归一化任务进度达87.8%；加入力反馈后抽屉插拔任务进度提升至78.5%，花瓶擦拭任务达75.2% [21] - 潜在应用包括电气柜操作、连接器插入和部件对齐，结果支持更可解释的操作控制 [22] DR-APO策略优化框架 - 随着导航和操作模型能力增强，训练方法需支持日益多样的动作表示，现有强化学习方法常针对特定策略参数化，限制其跨模型和任务复用 [23] - 公司与浙江大学开发DR-APO（解耦表示优势引导策略优化），将策略改进与底层策略表示分离，为高斯、扩散和流匹配策略提供共享优化原则，支持从头连续控制学习和预训练具身导航策略后训练 [24] - 其优势引导目标改进机制利用执行动作处的局部优势梯度和基于优势的重加权构建改进动作目标，策略改进被表述为独立于策略参数化的目标优化，避免actor更新的显式策略似然评估，且推理时无需基于critic的多候选动作选择 [26] - 表示兼容的直接动作拟合将目标迁移至高斯、扩散和流策略，防止局部改进信号在多步生成中被稀释 [27] - 在五个MuJoCo-v5连续控制任务中，DR-APO在研究报告的十项扩散策略比较中九项取得最佳结果，十项流策略比较全部最佳，为两个策略家族提供最佳纯策略聚合性能，无需推理时多候选critic选择，同时在高斯策略上与Soft Actor-Critic（SAC）保持竞争力 [28] - 在具身视觉导航后训练中，DR-APO将预训练NavDP的模拟成功率从70.33%提升至89.55%，提高19.22个百分点；在DEEP Robotics LYNX M20轮腿机器人真实导航测试中，成功率从25%升至65%，提升40个百分点 [29] DR-Agent具身智能体 - 可靠长期运行要求机器人推理视野之外发生的变化，家中物品被移动、酒店空间被重新布置、仓库库存变动，先前准确的记忆可能在机器人到达目的地前过时 [30][31] - 公司与加州大学圣地亚哥分校和浙江大学合作开发DR-Agent，基于EvolvingNav导航方法构建预测性4D信念，解决目标可能在未被观察时移动（包括机器人行进途中）的持续导航问题 [31] - EvolvingNav从带时间戳的3D物体历史构建时间索引信念，事件驱动的预测-观察-重规划滤波器估计目标在预期检查时间可能出现的位置，纳入新视觉证据并修订机器人计划，使记忆和位置信念随环境变化更新 [32] - EvoWorld-Bench基准基于人类活动轨迹，包含54个模拟场景、803,680个任务实例和约239,000次动态状态变化，实验显示导航成功率和搜索效率优于评估基线，在可学习时间模式时增益尤为明显，在FindingDory和GOAT-Bench上的评估进一步证明对具身导航任务的适用性 [34] - 潜在用途涵盖家庭和共享空间的持续自主服务、仓库物体搜索和工业设施巡检路线调整，预测性可修订记忆有助于满足核心部署要求：在变化环境中重复任务时保持有用行为 [35] DR-Benchmark数据与评估平台 - 所有能力依赖连接感知、意图和连续机器人运动的数据，现有机器人和语言导航数据集常仅提供部分信息，感知、导航、未来预测和重建也常使用不同数据集和协议评估，难以一致比较 [36] - 公司与伊利诺伊大学厄巴纳-香槟分校、香港科技大学、浙江大学、清华大学和MIT合作开发DR-Benchmark，核心为LynxScenes，面向户外轮腿机器人操作的大规模真实世界数据集和基准 [37] - LynxScenes使用DEEP Robotics LYNX M20采集，覆盖833.6小时和3,294.7公里真实世界运行，包含约10万条导航片段和300万标注帧，监督覆盖3D物体、道路结构、导航指令和专家演示轨迹，标注涵盖27个物体类别、4个道路结构类别和按三个层级组织的20条导航指令 [39] - 基准将四个互补任务纳入共享真实世界数据集：指令条件轨迹预测、3D物体和道路结构的鸟瞰图（BEV）感知、未来场景预测和多视图场景重建，研究评估25个代表性模型，实现导航、感知、世界建模和重建的更一致分析 [40] - 应用包括研究配送机器人在共享空间中何时应前进、等待或绕行，分析工业巡检中狭窄通道和临时障碍物的导航，回放记录场景以诊断模型行为，DR-Benchmark为模型开发和比较提供基础，并将真实运行数据与后续研究改进连接 [41] 整体研究布局 - 五项研究进展共同支撑DEEPRobotics-Brain及其底层架构开发，解决真实世界机器人的互补需求：物理 grounded 预测、指令驱动导航与操作、策略改进、可修订空间记忆以及基于记录机器人经验的一致评估 [42] - 公司推进这一协调研究计划以支持跨机器人形态的开发，通过将研究方向与可验证方法和共享基准连接，推动具身AI走向可靠工业应用和持续人机协作 [43]