在加州大学伯克利分校的实验室里，一台机器人正尝试完成叠衣服任务。当它从洗衣筐中抓取衣物时，意外带出两件衬衫。研究人员Sergey Levine原以为测试会因此中断，但机器人随后将两件衬衫平铺在桌面，分开后把其中一件放回筐内，继续折叠另一件。这个未被编程预设的行为序列，让在场的研究团队陷入思考——模型究竟如何从训练数据中提取并组合出这些动作？
类似场景在另一项测试中再次出现。当被要求整理厨房餐具时，机器人没有拉开抽屉，而是打开烤箱门将勺子塞了进去。这个看似错误的操作，实则反映出模型对"收纳"概念的部分理解：寻找容器并放入物品。Levine将此类现象定义为"语义合理的错误"，类比人类孩童整理房间时可能把杂物塞进床底的行为。这种介于成功与失败之间的表现，恰恰证明机器人正在构建常识性认知框架。
作为Physical Intelligence公司联合创始人，Levine在近期访谈中指出，当前机器人技术正处于关键转折点。模型已具备处理未明确编程场景的能力，例如理解指令意图、迁移已有技能，但在真实环境中的可靠性仍存在瓶颈。他以GPT系列语言模型的发展轨迹作比：从GPT-2到GPT-4的跨越，关键在于找到可扩展的技术架构，而机器人领域尚未确定类似Transformer的突破性模型。
行业面临的挑战远不止技术层面。与互联网文本数据不同，机器人训练数据高度碎片化，且采集成本高昂。每个实验室、生产线甚至设备类型都会形成数据孤岛，这导致模型难以获得跨场景的通用能力。Levine强调，单纯增加机器人部署数量未必能提升模型智能，关键在于数据多样性。例如，让焊接机器人重复百万次相同操作，可能仅能优化特定焊接技能，而非培养通用操作能力。
在技术路径选择上，Levine团队与主流观点存在分歧。多数研究者认为可先通过模拟环境或人类视频数据预训练模型，再微调至真实场景。但Physical Intelligence的实践表明，缺乏真实物理交互经验会导致模型难以理解基础物理规律。他们的解决方案是构建"具身基础模型"：先让机器人在真实环境中积累操作经验，形成对物理世界的初步认知，再融合模拟数据与人类视频进行扩展训练。
这种技术路线在实验中已显现优势。当UR5机械臂面对从未见过的T恤折叠任务时，模型通过生成任务目标画面并反向推导动作序列，成功迁移了其他机器人的折衣经验。Levine解释，这种基于视觉想象的决策机制，类似于人类攀岩时先规划手臂伸展画面而非计算具体坐标。实验数据显示，随着不同机器人数据的积累，模型内部表征逐渐按任务类型聚类，而非区分执行主体是人类还是机器。
可靠性问题仍是制约商业化进程的核心障碍。在Dandelion巧克力工厂的13小时连续实验中，机器人虽能完成包装盒组装和咖啡机操作，但每5分钟就需要人工输入高层指令。这种半自主状态暴露出决策系统的局限性：模型可以执行具体操作，却无法自主判断任务优先级或处理突发异常。Levine坦言，家务机器人要达到实用标准，成功率需从95%提升至接近100%，这需要强化学习技术突破现有瓶颈。
对于产业竞争格局，Levine认为不应简单对比国家间技术水平，而需关注生态系统的完整性。中国在硬件制造、供应链整合和场景落地方面已形成优势，特别是低成本机械臂的普及加速了数据采集进程。但他同时提醒，规模效应必须服务于模型能力提升。若大量机器人仅执行重复性任务，可能陷入"数据冗余"陷阱，无法推动技术向通用化演进。真正的产业突破需要建立闭环：部署产生数据，数据优化模型，模型拓展场景，场景反哺部署。
回到厨房实验场景，那个把餐具放进烤箱的机器人仍在持续进化。最新版本已能识别容器功能属性，在错误发生后自主打开烤箱门取出餐具。这种自我修正能力的发展轨迹，或许预示着通用机器人时代的到来。当模型不再需要人类提示就能发现并纠正操作偏差时，物理世界与数字智能的深度融合将真正成为现实。
