一年一度的世界人工智能大会现场探展，我们被这个「闲不住」的人形机器人圈粉了。2025 年行至过半，人工智能领域的前沿热点屡屡破圈，其中具身智能（Embodied AI）及其载体在国内格外受到了关注，尤其是人形机器人。
这大概是大家玩得最开心的一届WAIC。在上海世博展览馆里，你能看到：机器狗托着AI眼镜“哒哒哒”走，机器人被绑了绳子“遛”机器狗，人们给自己绑上感应器，小心翼翼“遥操”着机器人搭积木、玩迷宫。
一年一度的 WAIC 在明天就要开始了，在正式开展之前，我跟随官方的 city walk 路线探访了一番。 我探访的这条「AI+智慧生活路线」一共有三个目的地：上海发那科机器人有限公司、上海腾讯滨江大厦、模速空间的智能产品体验中心。
机器人能通过普通视频来学会实际物理操作了！ 来看效果，对于所有没见过的物品，它能精准识别并按照指令完成动作。
如何让机器人从看懂世界，到理解意图，再到做出动作，是具身智能领域当下最受关注的技术重点。 但真机数据的匮乏，正在使对应的视觉-语言-动作（VLA）模型面临发展瓶颈。
你有没有想过，有一天你可能会对着手机屏幕吐露最深的心事，而屏幕另一端的不是人类治疗师，而是一个AI聊天机器人？听起来很奇怪对吧？但如果我告诉你，这个机器人可能比你见过的任何治疗师都更了解你，24小时随时在那里倾听，永远不会评判你，而且正在帮助成千上万的人走出心理困境，你还会觉得奇怪吗？
我们知道，训练大模型本就极具挑战，而随着模型规模的扩大与应用领域的拓展，难度也在不断增加，所需的数据更是海量。大型语言模型（LLM）主要依赖大量文本数据，视觉语言模型（VLM）则需要同时包含文本与图像的数据，而在机器人领域，视觉 - 语言 - 行动模型（VLA）则要求大量真实世界中机器人执行任务的数据。
这也太惊人了吧？！
如何让AI像人一样，仅凭少量演示，就能稳健适应复杂多变的真实场景？ 美国东北大学和波士顿动力RAI提出了HEP（Hierarchical Equivariant Policy via Frame Transfer）框架，首创“坐标系转移接口”，让机器人学习更高效、泛化更灵活。
人形机器人作为用于复杂运动控制、人机交互和通用物理智能的多功能平台，正受到前所未有的关注。然而，由于其复杂的动力学、欠驱动和多样化的任务需求，实现高效的人形机器人全身控制 (Whole-Body Control，WBC) 仍然是一项根本性的挑战。
