智元機器人姚卯青：以世界模型驅動飛輪，解鎖具身智能規模化應用
/朝聞通/8月10日，2025 世界機器人大會在北京舉行。智元機器人合夥人兼具身業務部總裁姚卯青在會議上發表了題為《通向具身智能大規模突破之路——智元的本體數據算法飛輪》的演講，系統闡述了智元在具身智能領域的探索成果與未來方向。
姚卯青介紹，上海智元機器人成立于 2023 年 2 月，自創立起便緻力于推動 AI 與機器人的深度融合。至今，智元已取得一系列紮實成果：發布全系列多款機器人産品，建成規模化生産産線與機器人訓練場數據采集中心，在具身智能相關算法領域實現多項創新，并在多個實際應用場景完成探索驗證，為技術落地築牢根基。
姚卯青強調，機器人企業要讓軟硬件産品在行業有效落地，核心在于構建 “本體 - 數據 - 模型 - 場景” 緊密耦合的全棧布局。這四者形成相互驅動的飛輪疊代邏輯：優質本體産生高質量數據，海量高質量數據支撐算法持續突破，算法結合場景試錯後，又為本體優化、數據采集方向、算法疊代提供新指引。這種閉環循環不斷加速，未來智元将分享更多飛輪疊代成果。
“進入飛輪循環的首個挑戰是數據。”姚卯青指出，與大語言模型從業者不同，機器人從業者需直面物理世界強交互特性，既要調試硬件，又要将模型部署到工業級系統測試，這使得數據需求與互聯網數據存在本質差異。
“然而，現有互聯網數據對機器人訓練遠遠不夠，” 姚卯青解釋道，“機器人需要大量動作類、長程規劃類數據，這類數據在網絡上極為稀缺。” 為此，智元希望 “種下第一棵樹”，吸引更多同行加入數據建設，共同形成數據海洋，目前這一探索已取得階段性成果。
為破解數據難題，智元于2024年底開源了AgiBot World百萬真機數據集。姚卯青表示，該數據集旨在提供工業級高質量數據支撐，包含百萬條機器人數軌迹，每條數據都經過多輪審核，确保場景貼近現實、任務複雜多樣。
姚卯青還表示，AgiBot World數據集隻是起點，智元在數據采集方式上有兩項關鍵創新：
對抗式采集數據：在常規數據采集過程中主動引入幹擾，例如改變語言指令、制造視覺擾動等，以此提升數據信息密度。實踐證明，這種方式能提供數倍于常規數據的信息量，有效加快機器人訓練收斂速度，且已在多任務和多構型機器人上驗證效果。
自主進化式的數據采集：針對機器人在真實環境中自主執行任務時難以提前枚舉的 “長尾失效” 問題，智元引入自主進化式采集方案。 當機器人執行任務失效瞬間，系統自動接管并打斷進程，回退到失效前狀态，再通過人工接管完成數據采集。這一方式能将難場景下的高價值數據補充到訓練集，有效拓展數據分布邊界，依托數據擴增提升機器人能力上限，其邏輯類似 Dagger 算法框架。
姚卯青說，圍繞數據消費，智元于今年 3 月推出具身智能基座模型GO-1 。該模型在架構上實現雙重創新：依托 VLM 基礎模型和 MOE 混合專家架構，其中 “隐式動作專家” 融合多源數據形成通用動作表達，“顯式動作專家” 則将通用描述精準落實到特定本體控制，讓機器人既能從人類視角學習動作規律，又能掌握物理世界交互邏輯。
姚卯青指出，GO-1 模型發布後，其在生活、零售、工業三大場景的評測中表現尤為亮眼。相較于 3 月時的海内外開源模型，成功率提升 10%-30%。同時，智元發布的AgiBot World數據集，能夠很好的驗證 Scaling Law，研究揭示了預訓練關鍵規律：數據量、多樣性及質量對模型性能影響顯著，且實驗證明，單一本體預訓練數據的後訓練遷移效果優于多本體數據。這表明，機器人預訓練的核心在于數據場景的多樣性、質量，以及适配的模型設計。
“除 GO-1外，智元團隊深耕世界模型方向，秉持 “生成理解一體化” 理念。正如人類做事前會在腦海中規劃推演，機器人也需依托世界模型精準推演，縮短與實際操作的差距。測試顯示，在智元自身本體的多任務測試中，GE-Act 效果優于近期開源的 UniVLA 和 NVIDIA 的 GR00T 模型;針對跨本體遷移能力，以AgiBot World數據集訓練的 GE-Base 模型，在 Franka 等本體上表現優異，在開源 Benchmark 和真機測試中，成功率顯著高于現有開源模型。”姚卯青說
姚卯青強調，基于世界模型生成的動作，智元機器人能完成疊衣服、組裝紙盒等複雜雙臂靈巧操作，也能在工業傳送帶上精準執行物體抓取和打包任務。值得注意的是，相較于 VLA 等短時序輸入輸出模型，具備長時序推演能力的 GE-Act 在動态場景抓取定位精度上優勢明顯。
GE-Sim 以動作序列為輸入，如同高精度仿真器，能在雜亂真實環境中渲染畫面，且具備時空一緻性和語義合理性。對比測試顯示，其與真實機器人的推理效果高度一緻，量化成功率接近。姚卯青說，依托該仿真器，可快速疊代機器人策略，極大縮短模型研發周期，減少實際評測中的複雜流程與損失。
姚卯青表示，為規範世界模型評測，智元推出 GE Bench 并已在 GitHub 和 HuggingFace 開源，成為 IROS 世界模型挑戰賽的重要準備工具。 該 Benchmark 從軌迹遵循度、語義合理性、因果一緻性等多維度評估模型，而基于機前數據預訓練的 GE-Base 模型，在各維度表現均優于主流視頻生成類模型。
姚卯青分享了智元在機器人研發中的實踐心得：機器人本質要回歸執行器，優質執行器是性能基礎;傳感器雖重要，但調教與量産一緻性是行業難題;若聚焦單一機器人類型，人形是較合理的選擇;具身智能應是 “機器人 + AI”，需深度結合硬件本體;此外，必須追求量産和一緻性，以減少各環節誤差。
姚卯青表示，智元計劃将上述 “苦澀教訓” 融入飛輪疊代，并于今年下半年推出新一代機器人AgiBotG2.該平台采用更靈巧的本體設計，對傳感器、執行器提出更高标準，搭載英偉達 Thor 高算力量産域控制器，被定義為 “工業級交互式具身智能作業全球标杆平台”，引發行業廣泛關注。
姚卯青強調，“數據 - 模型 - 本體 - 場景” 飛輪的轉動，最終是為賦能千行百業。過去一年，智元在多場景取得突破：柔性制造中，用具身智能解決專業設備無法應對的高精度、力控、泛化性操作問題;物流分揀上，具身智能通用機器人與專用設備配合，處理傳統視覺定位 + 規劃難以完成的雜亂物品分揀;此外，還實現了安檢崗點人力清零、電力通信機房巡檢操作等場景的人力替代與降本增效。
“具身智能賽道廣闊，” 姚卯青呼籲，“希望全球同行攜手，共同探索這一智能邊疆，讓技術真正創造價值。”