天若有情
运动基因丝毫不减！实测宝马X5综合性能_我的网站
一 |
等等？这和我在WRC看到的画风不一样啊！展会上的机器人跑步、还有火花加闪电，没想到视频里的机器人什么时候背着人类偷偷报名赛车培训班了？它完全是个老司机，高速过弯、灵活避障，跑一圈下来一气呵成。和以往那些机器人慢吞吞走过去、弯腰拿东西的demo相比，这段视频里的机器人真的自己坐进了车里，手眼脚同步协同，在全速状态下完成多接触点平衡和精细力控。宝马X5加速测试前，我们将驾驶模式调至SPORT，电子稳定程序选择牵引力OFF。这种人形双足机器人能够眼、手、足，全身协同，在高速运动、复杂姿态的变化下的全身协调完成细节操作，在此前的人形机器人演示里几乎没出现过。放出这段视频的，是一家叫共生知行的公司。
押最难的路：研究过分层，现在要挑战端到端「端到端」双足人形机器人模型这个赛道新到什么程度？新到市面上找不到现成的人才。按丁鹏翔的说法，这个方向近两年才热起来，懂技术的人还在读博士，他们几乎没办法从人才库里找到符合需求的人。已毕业多年的跟不上节奏，没读到博士的，对底层的理解又差一口气。总的来看，宝马X5的动力输出足以满足日常使用需求。最前沿的突破，就握在这一批顶尖博士生手里。
二 | 共生知行的团队就是这样一批年轻又前沿的人。实测车辆100-0km/h最短制动距离为38.95m，平均减速度为1.01g。连续10次制动测试中，车辆的平均制动距离为40.42m，最长制动距离为第3次的42.07m。他们斩获了国内具身智能领域最具分量的学术荣誉——两项 Best Paper，并有一项入选 Best Paper Candidate；也打造了国内首个 GitHub Stars 突破 2K 的具身基座模型。
三 | 制动成绩中规中矩，表现还算稳定。
四 | 更重要的是，他们并非风口到来后的追随者，而是国内最早一批探索具身基座模型的先行者，也是这个赛道最坚定的长期主义者。
全力制动过程中，宝马X5对车身俯仰姿态控制得较好。制动踏板偏软，行程适中，大力制动过程中不会有多余的振动和回弹。车辆刹停后，双闪会自动打开，并在车辆起步时自行熄灭，有效警示后车，降低被追尾风险。团队累计发表40余篇顶会论文，技术版图覆盖感知、决策、控制、数据与系统全栈；从双系统、轻量化到多构型，一系列行业首创工作，都出自这支年轻团队。驾控安全性虽然宝马X5轴距有所加长，但在麋鹿测试中，它的动态响应上足够激进，反馈速度、准确性都非常清晰，但当车辆进入B区后，快速重心转移导致车辆出现小幅跳动，虽此时辅助系统早已介入，但这种跳动也从某种程度上对辅助系统的工作效率有所影响，最终测试成绩：74.6km/h。驾乘舒适性
他们的判断很明确：机器人最终最广泛进入人类生活的形态是双足；按照自动驾驶和大模型的进化路径，端到端是效率最高的技术模式。这个判断源自他们的一线研究经验。底盘的舒适性不错，悬架对于路面上细碎颠簸的处理十分细腻，同时对于车身多余弹跳的抑制也非常干脆，舒适性和支撑性均得到了不错的保障。
五 | 舒适性配置方面稍显吝啬，双温区空调、全景天窗、12喇叭哈曼卡顿音响为标配，前排座椅也仅支持座椅加热和电动调节功能，前排座椅通风则需要花费8000选装。
空间表现
六 | 早在2023年12月，丁鹏翔就开始给四足机器人装「大脑」。
总结近年来，随着国产新势力的崛起，确实给传统豪华品牌的SUV车型带来了不小的冲击。加长后的宝马X5在动态表现方面依旧维持着同价位车型中的高水准，车内空间与座椅舒适性也有所提升。他以一作身份发布QUAR-VLA，是首个面向四足机器人的VLA任务范式，让上层模型（大脑）负责理解视觉、 语言和任务意图，再把决策交给底层运动系统（小脑）执行。这套「大脑管理解决策、小脑管运动执行」的分层思路，就是行业里说的分层，今天 Figure这样的公司都在沿用方案。在随后的研究中，他逐渐发现了问题。但在智能配置和性价比方面，相较于中国品牌车型仍存在明显短板。他把分层描述为「理论上可行、但是不那么优雅的方案」：大脑和小脑各做各的，每接一个新任务，都要对上游输出做定制化微调，才能把效果调好。随着问界M9和理想L9近期完成改款升级，宝马X5能否顶住这波强劲攻势？让我们拭目以待。（图/文/摄 实测团队）
七 | 丁鹏翔判断，「只要分层，中间就有信息瓶颈，这种接口设计决定了分层架构无法实现真正意义上的Scaling。」这一判断也来自他对自动驾驶和大模型发展的长期观察。早期自动驾驶依赖感知、预测、规划、控制多个模块协同，后来开始探索让模型直接从数据中学习驾驶能力。
特斯拉FSD转向端到端后，性能大幅提升。
八 | 在丁鹏翔看来，机器人可能也会经历类似变化，让模型从数据中学习完整的「感知—理解—行动」过程。
九 | 他的逻辑是，从2023年开始已经把分层路线反复做过，如果判断未来的数据规模化最终会把系统推向端到端，就没有必要再绕一次弯。
十 | 这一步在2026年正在发生。谷歌的Gemini Robotics 2已经用单一策略把从脚到指尖的全身动作统一进一个模型；RSS 2026的顶会共识却写明，端到端单模型无法覆盖全身复杂动态，分层模块化是现阶段最优落地方案。共生知行押的纯端到端，是一条更激进、更少人走的路。
为什么偏偏是双足？丁鹏翔的答案是第一性原理：人类社会的建筑、工具、环境，全是照着人的身体构型造的。轮式只能固定在产线和商场里干活，双足能出门、上下楼、开车，还能跨场景完成不同任务。
十一 | 通用性意味着成本摊薄，双足还有拟人化的亲和感。时机同样关键。2026年4月之前，双足人形连通用遥操作模型都没有，没有数据来源就训不出基座。
十二 | 直到英伟达Sonic开源，行业才有了大规模生产数据的基石。
十三 | 这个方向已经不再处于「想训也没有数据」的早期阶段，又还没有成熟到路线完全收敛，共生知行赌的就是中间这个窗口。
技术分水岭：别人在学运动学，他们在啃动力学先弄清一个分水岭：现在绝大多数机器人基座模型，学的其实是运动学。运动学关心从A点到B点，手移动到哪里、抓没抓住，固定基座机械臂这么干没问题，因为它不会倒。双足机器人伸手去够一个东西，身体重心会同时发生变化；下蹲拿物体时，腰部要前倾，踝关节和腿部要重新分配力度、保持平衡；再叠加摩擦、碰撞、惯性和接触，模型面对的已经是一套全身动力学。据丁鹏翔介绍，一台g1双足人形有29个自由度，比机械臂的7个自由度复杂得多。过去机器人学的是「动作轨迹」，人形机器人要学「身体如何在物理世界中行动」。
从运动学到动力学，从完成任务到保持稳定，这是双足机器人模型真正的技术分水岭。这能解释共生知行为什么把模型一路做到Joint Target，也就是关节目标层。
十四 | 分层方案里，大脑先输出运动学目标，下游小脑再解算成关节动作；共生知行把这个中间环节拿掉，让模型直接面对几十个关节的身体状态。
十五 | 问题随之而来：把小脑拿掉，机器人还站得稳吗？
光靠模仿学习，模型只学会标准动作，没见过执行中各种踉跄的身体状态，遇到陌生状态就可能直接摔倒。它缺的是从失败里站稳的能力。共生知行的核心，是一套「任务行为建模—运动先验蒸馏」的双域协同优化机制。一条优化通路延续行为克隆，保证任务精度与动作拟合能力；另一条通过DriftDistill，将底层控制器积累的稳定性、抗扰动与Failure Recovery能力，转化为统一模型的内生运动先验。它并非简单叠加两个Loss，而是将「准确完成任务」与「稳定控制身体」两类能力融入同一模型，让大模型同时获得任务智能与身体智能。如果DriftDistill能随模型和数据量继续扩展，它试图解决的就是一个更大的问题：在认知Scaling之外，机器人能不能连运动控制能力也一起Scaling。丁鹏翔将这一运动能力汇聚模块称为Motion Expert（运动专家模型），目前规模接近1B，并通过蒸馏不断吸收不同运控模型的能力。
再往前一步，端到端大模型还要解决机器人输出的力。今天很多机器人系统主要控制位置，但机器人真正进入现实世界后，位置正确并不等于任务完成。手伸到抽屉把手上，却不知道该用多大力，门依然打不开；给人递东西时位置没问题，力量过大同样不安全。共生知行的技术路线是先把Force Expert作为安全接触专家，让它学习施力、柔顺、阻抗和接触反馈，再通过策略蒸馏逐步融入Motion Expert和最终的端到端模型。
十六 | 位置决定机器人能不能「到那里」，力决定它能不能真正「把事情做好」。这也是共生「全身物理世界模型」的含义：让模型理解身体怎样受力、失衡、接触，再把这些约束直接变成动作。
数据、涌现，和一张冷静的时间表模型真正训练起来，首先撞上的就是数据荒。
十七 | 全球合规机器人数据截至2026年初大约50万小时，不足大语言模型的两万分之一。
十八 | 尴尬的是，很多数据采的是站定操作，机器人在格子间里原地干活，对全身移动操作帮助有限。共生知行的Blog放出了约1万多小时数据，自采其中几千小时。全身协调模型真正稀缺的是真实生活里的强耦合全身移动操作数据，比如骑单车、开卡丁车、给篮球打气等。他们的解法是TrajBooster：从机械臂或轮式机器人身上提取末端轨迹，让人形机器人在仿真里追踪这条轨迹并保持平衡，把不同来源的动作统一到同一个空间里，复用机械臂已经定义好的任务多样性，低成本给预训练提供数据。
十九 | 谈到模型能力，丁鹏翔几乎不用「泛化」这个词。
| 用他的话说，「这个词没什么营养，像说一个人好一样空。」他要的是「涌现」：在关节角层面，比如给模型训练的是走和跳的数据，它在测试的时候自己组合出跑这个新的技能。
| 因为只有到关节层面，部分动作能力才可能组合出全新动作。
|
时间表上，他的判断很冷静。他推断，十万小时左右数据更多还是实验室级Demo，真正有大规模商业意义，可能要等到百万小时之后。现在行业甚至连最合适的数据形式都没有收敛，肌电、外骨骼、动捕、Pico遥操等路线仍在竞争。在他看来，人形机器人当前最难的三个问题，第一是感知和控制究竟应该怎样Combine，第二是应该用什么类型的数据，第三才是数据规模本身。丁鹏翔希望，有一天由中国团队设计出来的机器人模型架构，也能反过来被北美同行广泛采用。我们不希望当Follower，我们希望去引领技术的发展。回到那辆卡丁车。让它全速过弯的，是一群还没毕业的年轻人。他们押的，是具身智能里最难、最前沿的方向。
| 赌的是端到端终将取代分层。行业还远没有到可以证明终局路线已经跑通的时候，甚至丁鹏翔自己也承认，整个双足基础模型行业都还没有真正收敛。但一支创业团队的前沿性，有时候恰恰不在于把一个成熟答案做得更快，而在于它能不能比同行更早看见下一道真正重要的问题，并且敢在答案还不明朗时动手去解。
|
Current article:http://z91.zhanggengsenchaiweikeng.cfd/list_etsqy/ryobl.html
Published on:11:52:12
天若有情TXT下载声明：
1 我的网站免费提供的天若有情,均由网友上传，供下载测试之用，不作商业用途，下载后请二十四小时后删除！
2 我们根据txt小说全文所整理出天若有情txt电子书全集免费下载,由程序自动生成天若有情txt下载文件。
3 书友所发表的txt小说天若有情的相关评论，并不代表本站赞同天若有情txt下载或者支持天若有情的读者观点。
4 如果发现小说《天若有情txt全集》无法下载未及时更新请联系我们。如果您喜欢天若有情txt电子书,请支持作者到书店购买正版图书。感谢您的合作与支持。
5 好看的小说天若有情是作者"百年不渡"的最新力作,天若有情电子书由网友发布;小说天若有情版权属于作者所有，如果侵犯您的利益，请通知我们。