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]

文章核心观点 - PokeBot推出RoboAPI接口，使开发者能够在兼容机器人上访问其世界-动作模型Poke-Aurora，无需从零训练新模型即可在物理机器人系统上评估具身AI [2][3] - Poke-Aurora在大规模评估中覆盖近1000个未见物体和近10000个未见任务，平均任务成功率达74.2%，超越pi0.5达51.3%，超越GPT-6 Astra达16.4% [1][8] - RoboAPI旨在降低具身AI在真实世界测试的门槛，帮助开发者从演示观察过渡到理解模型在实际环境中的表现 [6][9] 产品发布与功能定位 - RoboAPI于2026年10月29日（北京时间）发布，技术论文和产品演示于10月30日发布，技术预览期间以非商业方式向合格用户提供 [2][9] - RoboAPI通过单一接口提供Poke-Aurora访问，旨在减少额外数据收集和模型调优的需求，使开发者能在自有环境和不同任务中探索模型能力 [3] - 开发者可通过该接口将兼容机器人连接至Poke-Aurora，模型可处理观测信息、解读指令并生成预测的机器人动作，从而在物理硬件上评估性能 [5] - 开发者无需为每个应用构建和训练新模型，可使用RoboAPI跨任务和环境探索Poke-Aurora的能力，使真实世界测试更易获取 [6] 具身AI行业背景与挑战 - 具身AI与主要运行于数字环境的AI系统不同，必须解读物理世界信息并将其转化为动作 [4] - 开发这些能力通常需要大量数据收集、模型训练和硬件特定适配，给使用不同机器人平台的研究人员和开发者带来挑战 [4] - Poke-Aurora设计支持跨任务和环境的泛化能力，包括与训练时遇到的情况不同的场景 [7] 评估数据与性能表现 - 大规模评估覆盖近1000个未见物体和近10000个未见任务，Poke-Aurora整体任务成功率为74.2% [1][8] - 相较pi0.5成功率高出51.3%，相较GPT-6 Astra高出16.4% [1][8] 公司定位与高管观点 - PokeBot是一家具身AI公司，专注于开发能够感知、理解并在物理世界中行动的智能系统，致力于推进通用具身AI模型和自适应机器人智能 [2][11] - 创始人Huazhe Xu（清华大学交叉信息研究院助理教授）表示，构建有能力的机器人只是挑战的一部分，还需让开发者更容易在真实世界中测试具身AI，RoboAPI开放Poke-Aurora访问旨在帮助开发者探索模型在兼容机器人和不同任务上的表现 [8][9] 开发者资源与注册信息 - 技术论文与更新：https://pokebot.com/ai；早期访问申请：https://platform.pokebot.com/login；API文档：https://developers.pokebot.com/docs/roboapi [10] - RoboAPI于2026年10月30日开放注册，开发者可通过PokeBot官方平台使用电子邮箱注册 [10]