AI、机器人和未来。
在新加坡南洋理工大学的一间实验室里，一只机械臂正在尝试完成一个看似简单的任务：抓取一个苹果 。这个动作，对于三岁的孩童来说不过是本能 ，但对于当今最先进的机器人而言 ，却是一道难以跨越的鸿沟 。
在这个人工智能的“GPT 时刻”，我们见证了 AI 以快速迭代的方式掌握了语言 、图像甚至代码。大型语言模型已经能在许多信息处理任务中展现出高效表现 。然而 ，从知到行之间 ，横亘着一道我们尚未完全理解的鸿沟：一个能在虚拟世界通过美国执业医师资格考试的 AI，却无法在物理世界为我们可靠地端来一杯水 。
这不仅是一个工程问题 ，更接近一个哲学命题：如果一个智能体无法与物理世界交互 、感知、行动并承受后果 ，它是否真正理解了这个世界？在中国古典哲学中，“知行合一 ”被视为智慧的最高境界。而在今天的人工智能研究中 ，如何让机器实现从“知 ”到“行”的跨越 ，正成为这个领域最前沿 、也最艰难的挑战 。
王子为的研究经历，正是在这一问题背景下展开的 。从清华大学的物理系 ，到 AI 研究 ，再到具身智能（Embodied AI）——他的每一次转向，都与技术发展趋势密切相关。
（来源：受访者提供）
两次“转向 ”：从物理定律到机器人铁律
2016 年 ，当 AlphaGo 与李世石的围棋对决吸引全球目光时 ，王子为还是清华大学物理系数理基础科学专业的一名学生 。在当时的学术路径规划中，物理系的学生 ，未来大多走向理论物理 、高能物理或是金融工程 。但这场人机大战 ，彻底改变了这个 20 岁年轻人的人生方向。
“当时觉得这个东西非常神奇，有非常大的潜力 。 ”回忆起那个转折点 ，王子为的语气依然带着当年的激动 。这种激动促使他做出了一个大胆的决定——从物理学转向人工智能研究。“我们当年有很大一部分同学都转向了 AI 相关的工作 ，不管是计算机、电子还是自动化，多多少少都受了 AlphaGo 的影响。”
但真正让他从 AI 转向机器人研究的 ，是 2020 年另一项发表在Nature的里程碑式工作——“Robot Chemist ” 。来自英国利物浦大学的 Andrew I. Cooper 教授课题组开发了机器人化学家 ，其可以在实验室“走来走去 ”并如同人类化学家一样操作实验仪器，完成各种各样的实验任务 。
这项研究让他意识到：相比纯粹的算法研究 ，AI 与物理世界的结合可能是一个更具空间的方向。
同年 ，他开始了 AI 与机器人结合的研究，从纯粹的 AI 走向具身 AI 。“我记得非常的清楚，”他回忆起2020年第一次调试机器人 ，“看到我们自己设计的机械臂 ，能够完成打包工作，把一个物体像人一样打包进盒子里面……那一份成就感 ，哪怕过去这么多年了 ，也是记忆犹新 。 ”
加速的时代，CMU 的“快 ”与“慢”
在 AI 这个以月为迭代周期的领域 ，快是公认的信条。算法在加速 ，模型在膨胀，论文在增长 。然而 ，王子为在博士毕业后前往卡内基梅隆大学（CMU）进行博士后研究时 ，学到的最重要的一课，却是“慢下来 ” 。
“让研究慢下来 ，其实不容易。 ”王子为发现 ，当AI 与机器人结合，研究的范式就彻底变了 。在纯AI 领域，一个想法的验证周期可能很短：设计一个新模型 ，在已有的数据集上跑一下 ，几个小时或几天后，就能迅速验证想法是否有效 。但在机器人领域 ，这个周期会被无限拉长。
“要把问题想清楚是需要时间的 。”王子为举例 ，在机器人上验证一个新算法，首先要采集数据 。这个过程是物理的 、实时的 、昂贵的。“机器人采数据是需要时间的 ，是需要成本的。”采集完数据 ，还要进行漫长的训练和调试 。
更重要的是，物理世界远比数据集要狡猾 。“比如 ，我们设计的框架对不同的网络结构、不同的硬件 ，是不是都有效？增加数据之后，在特定的问题上 ，它是否会产生像物理学里面那种相变？ ”就像 GPT 模型在数据量跨越某个阈值后突然涌现出能力一样。在机器人领域 ，这个涌现点在哪里？没有人知道 。
“这都是需要时间的 。 ”他反复强调。
他在 CMU 参与的一个项目，是研究如何通过人类的语言或草图，来生成乐高积木的拼接方案 ，并指挥机器人完成组装 。这听起来像个玩具问题 ，但其背后的技术复杂度是惊人的 。这套系统首先需要理解人类模糊的指令（造一个带两个窗户的红房子），然后生成一个三维的 、符合物理拼接逻辑的模型；接着需要规划机器人的每一步操作（抓取 、旋转、放置） ，最后才到让机器人执行高精度的动作的环节 ，并还要保证全过程的安全。
“这个工作从 2023 年就开始了，一直到今年（2025年）才有一个里程碑式的结果 ，但最后这篇论文也是拿到了 ICCV 的 Best Paper 。”
一个看似简单的搭乐高任务 ，耗费了团队数年的时间 。这种“慢 ”，在如今的加速社会里似乎是不可想象的。但王子为认为 ，正是这种“慢 ” ，让他们能够沉淀下来，去发现一些平常容易忽略的 ，但是真正重要的一些问题 。
与此同时 ，CMU 的合作氛围为研究带来了一种“快” 。不同实验室在硬件 、感知 、移动平台等方面能力互补，使项目推进更为高效。这种“快 ”与“慢 ”的结合，也影响了他后来在 NTU 开展研究的方式。
苹果掉在地上：具身智能的“阿喀琉斯之踵”
“我们实验室的长期目标 ，是为机器人赋予能够理解世界、并且能够自主决策的大脑 。 ”
在 NTU 的实验室里 ，王子为正试图回答这个领域最核心的难题：为什么今天的机器人，本质上仍然是模仿者 ，而不是决策者？他用一个极其生动的例子 ，点出了具身智能的“阿喀琉斯之踵 ”——泛化性（Generalization） 。
“以抓苹果为例。苹果放在桌子上，很多模型表现都能把它抓起来 。这是我们通常在演示视频里看到的 。但是 ，如果某一次抓的时候没抓稳 ，苹果掉在地上了，那么很多的机器人的模型现在就会直接 fail 掉。因为在训练的过程中 ，它可能压根就没有见过这种类似的数据 。”
这就是当前主流的模仿学习（Imitation Learning）范式的弱点 。模型只是在复现它在训练数据中见过的轨迹 ，它并没有真正理解这个任务。“人哪怕看到苹果掉在地上，我理解到苹果、桌子 、地板之间的规律 ，以及这个世界的物理运行规律 ，包括摩擦力 、包括重力……它都是能够解决的 。 ”而机器不能 。这就是“分布外 ”（Out-of-Distribution, OOD）问题。当机器人遇到一个它训练数据分布之外的、全新的情况时，它就束手无策了 。
背后的挑战可以概括为三类，这也是整个行业共同面临的“三座大山”：
其一 ，数据昂贵 。机器人数据必须在真实物理环境中采集 ，每条数据往往要数十秒甚至更久，难以像语言模型那样依靠大规模互联网数据训练；其二 ，物理精度要求高。几毫米的误差都可能导致任务失败 ，小偏差的累积会迅速放大；其三，环境物理规律多变。摩擦 、质地 、光照等因素的微调都会影响动作效果 ，模型需要实时建模这些隐性变量 。
走向“自主”：世界模型、推理链与强化学习
为了应对上述难题 ，王子为团队正在探索三类方法 。
第一条路径，是尝试用世界模型（World Model）打破数据诅咒。既然物理世界的数据采集那么昂贵 ，我们能不能让机器人在“脑海中 ”采集数据？这就是世界模型的逻辑 。“它根据当前的观察和即将要采取的一个动作 ，就会提前预判后续会产生什么样的后果 。 ”王子为解释道，“也就是说 ，我不需要真的去做这个事 ，我只需要在我脑海里面想一下，我就知道会产生什么样一个后果。”
通过世界模型，机器人可以在“想象 ”中源源不断地产生训练数据 ，极大地降低数据成本 。当然 ，前提是这个“想象 ”要足够逼真 。这是王子为团队的重点方向之一，即如何生成真正跟真实的数据差距比较小的高质量数据。
第二条路径 ，是用推理链解决长程任务 。当前的机器人模型（如 VLA ，Vision-Language-Action 模型）普遍“短视” 。它们能做好抓取苹果这样的一步动作，但无法完成做一份早餐这样的长程任务。“做早餐 ，它可能需要 20 步 ，甚至 30 步 。打开冰箱 、拿出食材 、洗、切 、煮 、端到桌子上 。 ”王子为说，“这是一个需要推理能力的长程任务。 ”而受大语言模型思维链（Chain-of-Thought）的启发 ，王子为团队的思路是 ，把长任务拆解成一步一步的短任务，让机器人每次只去解决一小步。
但核心问题是：怎么“拆”才是最优的？人类认为的 20 步 ，不一定是模型认为最高效的 20 步 。他近期的工作（如 ThinkBot 和 VLA-Reasoner）就是为了解决这个拆解问题 。他们尝试用蒙特卡洛搜索树和强化学习的方法 ，去搜索一个最优的拆解方案。“机器人需要推理物体与物体之间的关系（空间上），也需要推理动作与动作之间的关系（时间上） 。 ”
第三条路径，用强化学习跳出模仿的范式 。这是最激进 ，也可能最具革命性的一步。它试图彻底解决那个“苹果掉在地上 ”的 OOD 问题 。模仿学习的覆盖面总是有限的 ，“人是没有办法去穷尽所有的分布外的情况的 。“那我们能不能，”王子为设想 ，“不再依赖于人类的数据采集 ，而是说通过自己主动的去尝试一些东西？ ”
这就是强化学习的回归。让机器人自己去探索，甚至主动犯错 。“比如说 ，它自己主动觉得 ，这个苹果如果将来掉到地上之后，我可能不确定怎么去拿 ，那么他就会自己主动去尝试 ，把这个苹果弄到地上，然后去把它抓起来 ，在这个过程中进行学习 。 ”这是一种根本的范式转变：从“向人类学习”（Learning from Human）转向“自主学习”（Self-learning）。
这标志着机器人从一个被动执行的工具 ，开始向一个主动探索的智能体（Agent）进化 。王子为提到，近期已有很多论文显示，通过这种方式 ，机器人在某些任务上能达到接近 100% 的成功率——这是纯模仿学习无法企及的高度 。
从“知 ”到“行 ”：热情是最后一公里
迄今 ，那只机械臂仍在不知疲倦地重复着训练动作，身后的科研工作者们还在夜以继日地调试。它还不够完美 ，偶尔会失误 ，会在意想不到的情况下“手足无措”。但正是这些失败，构成了通向理解的必经之路 。这也让我们在采访的最后 ，不禁问出了那个问题：在这样一个瞬息万变、充满不确定性的领域 ，究竟什么样的人才能走到最后？
“我认为是要有热情和快速学习的能力 。“因为一个顶级的研究者，他肯定是这个世界上对于这个细分小领域最了解的人 ，至少是之一。所以他每往前迈一小步 ，其实都是要面临无限的不确定性和挑战 。这种情况下，研究在很多时候就是一份煎熬 。只有真正对这个领域充满热情的人 ，期待能够看到自己把这个东西做出来 、并且觉得有成就感的人 ，才能够克服这份煎熬。 ”
在快速演化的具身智能领域，研究者需要面对复杂系统带来的不确定性 。算法在一个场景中表现良好，换一个位置或环境后可能完全失效；不同批次的数据可能带来截然不同的训练结果；许多问题缺乏现成答案 ，需要从头推导和验证 。
为了保持学习效率 ，王子为在实验室推动“论文快讲会 ”，让团队成员每周快速总结新的研究进展 ，并相互讨论。他认为 ，在一个知识迭代迅速的领域，团队式学习能更好地保持对前沿的敏感 。
在应用层面 ，他的团队也在与制造行业合作 ，包括汽车 、飞机维保、物流等场景，希望在真实工业环境中采集到更高质量的数据 ，为未来的机器人模型打下基础 。
具身智能仍是一个不断发展的领域 ，从“知道”到“做到 ”之间仍有距离。研究者在其中要面对工程复杂度、物理系统的不确定性，以及长期投入的要求 。通往可用的通用机器人系统 ，仍需要时间 、耐心和持续不断的跨学科合作 。
本文来自作者[从始至终]投稿，不代表视听号立场，如若转载，请注明出处：https://stddy.com/zsfx/202511-61022.html
评论列表（4条）
我是视听号的签约作者“从始至终”！
希望本篇文章《从模仿到自主，机器人还需跨越三重挑战｜专访NTU助理教授王子为》能对你有所帮助！
本站[视听号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：AI、机器人和未来。在新加坡南洋理工大学的一间实验室里，一只机械臂正在尝试完成一个看似简单的任务：抓取一个苹果。这个动作，对于三岁的孩童来说不过是本能，但对于当今最先进的机器人...