星海图赵行深度解读：告别炫技Demo，具身智能的胜负手是真实数据

type

status

date

slug

summary

告别“花拳绣腿”：为何朴实的铺床任务更具含金量？

在机器人大会上，相比其他展台的酷炫表演，星海图展示的机器人安静地铺床，起初让一些观众感到困惑。然而，这看似简单的任务背后，却隐藏着巨大的技术挑战，是检验一个具身智能模型真正实力的试金石。

赵行解释道，铺床是一个集多种难度于一身的“长程任务”，它考验的远不止是简单的抓取和放置。具体来说，其复杂性体现在：

全身协同控制：机器人需要调用全身多达23个自由度。这包括底盘的移动、躯干的升降俯仰以及机械臂的精细操作。这三个部分环环相扣，任何一步的失误都可能导致任务失败。

柔性物体操作：与操作刚性物体不同，被子是柔软、不规则且沉重的。机器人需要理解如何通过拉、拽、展平等复合动作来整理它，这要求模型具备高度的物理世界理解能力。

强大的泛化能力：演示中的被子可以被随意弄乱，放置在床上的任何位置。机器人需要根据实时视觉信息，自主规划并执行任务，而不是依赖预设的固定程序。这正是从“Demo”走向“实用”的关键一步。

这个案例雄辩地证明，真正的智能进展，并非体现在完成单一、固定的表演上，而是体现在解决现实世界中充满变量和不确定性的复杂问题的能力上。

VLA大模型的Scaling Law：数据是唯一的“第一性原理”

星海图此次展示的背后，是其最新发布的VLA（Vision-Language-Action，视觉-语言-动作）端到端基础模型G0。赵行坦言，从依赖小模型做展示到决心开发具身大模型，核心动因是对“泛化性”的追求。

他坚信，已在LLM（如ChatGPT、Claude等）领域被验证的Scaling Law——即数据量的增加会带来模型能力的质变——同样是具身智能领域的“第一性原理”。

三大要素，数据为王：一个成功的AI模型离不开三大支柱：模型结构、算法和数据。在模型结构（如Transformer）和算法相对成熟的今天，高质量、大规模的数据成为了最稀缺、最核心的资源。正如Sora的惊艳表现也再次印证，先进的算法结合海量的数据才能创造奇迹。

G0模型的验证：星海图的G0模型在自有的开放场景数据集上进行训练，其平均指标显著超越了基于其他开源数据集训练的模型。这有力地证明，高质量的真实世界数据能够有效提升模型在复杂全身移动任务上的表现，填补了现有数据集的空白。

对于人工智能领域来说，这再次强调了一个朴素的真理：无论技术路线如何演进，脱离了数据的滋养，再精妙的算法也只是空中楼阁。

“脏活累活”的价值：高质量数据的定义与构建

既然数据如此重要，什么样的数据才称得上“高质量”？赵行将过去十个月的主要精力投入到了他称之为“脏活累活”的数据工程中，并给出了清晰的定义：

真实性：数据必须来源于真实世界。许多团队构建的“数据采集厂”环境过于窗明几净，与现实生活中物品杂乱堆放的场景相去甚远。星海图坚持将机器人带到真实的家庭、酒店、工厂、超市等场景中进行数据采集，以确保模型学习到的是如何应对真实世界的“混乱”。

多样性：数据的多样性至关重要。就像训练语言模型需要整个互联网的语料一样，训练具身智能模型也需要覆盖尽可能多的场景、任务和物体。每一次的数据采集都应创造不同的“混乱”，以增强模型的适应能力。

这项工作远比想象的复杂，它涉及采集员培训、真机遥操作、数据清洗标注等一系列漫长且非标准化的流程。赵行甚至亲自处理一线问题，这种亲力亲为的投入，正是为了打造未来具身智能大厦最坚实的基石。

开源的力量：构建行业基准与开发者生态

更令人瞩目的是，星海图宣布将开源500小时在真实场景中采集的高质量数据集。这一举动背后，是深远的行业思考和开放的生态理念。

建立行业标准：当前机器人领域，各团队的硬件、算法、任务各不相同，成果难以横向比较。一个高质量的开源数据集能够提供一个公平的“靶场”，让所有开发者在同一标准下验证算法、比较效果，从而共同推动技术进步。

赋能开发者：开源数据可以大幅缩短高校、研究所以及其他企业的开发周期，降低重复采集和标注的巨大成本。这相当于为整个行业提供了一套宝贵的开发工具，有助于构建一个繁荣的开发者生态。

这种“贡献越多，收获越多”的理念，源于赵行在学术界的深刻体会，也展现了一家领先AI公司的格局与担当。

结论：回归本质，数据定胜负

星海图与赵行的实践，为当前火热的具身智能赛道提供了一个冷静而深刻的视角。它告诉我们，真正的技术壁垒并非那些吸引眼球的表演，而是背后日积月累、真实多样的海量数据。从VLA范式的务实选择，到“快慢双系统”的精巧设计，再到对开源生态的坚定投入，每一步都指向一个核心——以数据驱动，实现真正的泛化智能。

未来，具身智能的竞争，将是一场关于数据积累、数据质量和数据理解的“军备竞赛”。只有那些愿意沉下心来做“脏活累活”，直面行业根本问题的团队，才能最终在这场通往AGI的马拉松中胜出。

想了解更多前沿的AI新闻与深度分析，欢迎访问AI门户网站 aigc.bar，获取每日最新的AI日报和行业洞察。