机器人会做家务了吗？聊聊具身智能最真实的技术困境

ChatGPT 已经改变了我们的工作方式，但为什么机器人还没有像 AI 一样迅速走进每个人的生活？让机器人把桌上的杯子放进洗碗机，听起来只是一个简单指令，但背后却涉及感知、视觉、运动控制、导航、抓取、反馈纠错等一整套复杂系统。真正的难点，不是让模型"知道该怎么做"，而是让机器人在不断变化的物理世界里，持续、稳定、可靠地完成动作。本期 SmallWOD Coffee Chat，我们邀请到机器人公司具身操作算法研究员，带大家深入浅出地聊聊具身智能：什么是 VLA（Vision Language Action）、世界模型为什么会成为新的研究热点、机器人为什么迟迟没有迎来属于自己的 GPT 时刻，以及真正的通用机器人距离我们还有多远。除了收听我们的节目，也请下载 SmallWOD APP，来看看嘉宾 Eugene的主页： https://www.smallwod.com/user/dGuN0Ujpll 时间轴00:00 为什么让机器人放一个杯子，比让 ChatGPT 回答问题难得多？02:33 具身智能真正的挑战：如何在物理世界持续行动并不断纠错03:49 机器人三大核心能力：运动控制、导航与操作04:33 强化学习如何让机器人学会跑、跳、摔倒再站起来07:19 导航不仅是找路，更是理解机器人自身能力边界08:39 为什么机器人"抓东西"远比想象中困难09:35 VLA（Vision-Language-Action）模型是什么？11:31 世界模型：让机器人学会"预演未来"11:54 为什么机器人至今没有迎来 GPT 时刻？12:46 最大瓶颈之一：机器人数据为什么如此稀缺14:19 仿真与现实之间，为什么始终存在鸿沟？16:56 通用机器人还很远，但"有用的机器人"已经开始出现17:09 视频、图片能不能替代真实机器人数据？19:44 AI 生成的数据可靠吗？为什么数据质检依然重要20:11 世界模型到底是不是更高级的 AI 视频生成？23:49 当前最有希望的技术路线，为什么仍未收敛？24:47 市场真的需要机器人吗？工业场景正在率先落地25:37 我们距离《底特律：变人》还有多远？25:52 除了视觉，触觉、嗅觉会成为机器人下一代感官吗？28:57 情感陪伴机器人与通用机器人，是两条不同赛道30:35 2026 年机器人行业最大的关键词：寻找商业化场景31:26 家务机器人为什么比工厂机器人更难？34:22 数据迁移真的可以让机器人快速学会新技能吗？38:21 文科生能进入机器人行业吗？41:03 人类动作如何迁移到不同机器人身上？43:45 如果机器人的身体比人类更先进，还需要模仿人吗？44:55 AI 编程工具正在如何改变机器人研发效率45:57 世界模型除了机器人，还能应用在哪些领域？47:15 脑机接口属于具身智能吗？主持人： 肖老师嘉宾： Eugene剪辑： 凉水封面：ZhanglinSmallWOD 名称来源于他乡遇故知的感慨“What a small world”，WOD 是 World Of Doer 的简写。SmallWOD 是一款着眼于在全球范围内迁居工作、生活区域的人的社交媒体平台，希望打造一个充满行动力和互助精神的小世界——身在海外，仍有归属。在 SmallWOD《时差同频》中，我们呈现全球各地行动者的故事，讲述大家正在做的事情、彼此之间的连接和追求。不论是在伦敦、东京还是新加坡，不论身在海外何处，我们都向你发出邀请。SmallWOD APP 已上线各大应用商店，目前采用用户邀请制。想要加入，欢迎在评论区留言，或联系我们：微信：Gegezgang0416WhatsApp：+85260751204