您的位置首页 >人工智能 >

清华于超GPT-6后具身智能或进入Token时代

《清华于超:GPT-6 之后具身智能或进入 Token 时代,机器人能力从 "练本体" 转向 "借云端大模型"》

直接给结论:清华大学深圳国际研究生院助理教授、正行创新联合发起人于超提出判断:GPT-6 之后,具身智能可能进入 "Token 时代"—— 未来机器人能力提升越来越依赖云端通用大模型的任务理解与规划,而不再只靠机器人本体上的模型训练;她团队用百台真实机器人的群体经验学习实验(CEL)和 Harness VLA 框架先行验证了这一方向,而 GPT-6 Astra 在机器人规划上的表现印证了这一判断,但仿真与现实的鸿沟、真实环境学习效率仍是未解难题。下面从研究脉络、核心实验、Token 时代内涵和待解问题讲清楚。

一、人物与研究脉络

阶段工作
读博期间多智能体强化学习论文 MAPPO,大道至简把 PPO 用好,引用量接近 5000 次,成为领域基准方法
博士后起将强化学习用于无人机;开发大规模强化学习框架 RLinf
近期群体经验学习 CEL(百台真实机器人实验);Harness VLA(Coding Agent 做高层规划)
2026入选 MIT《科技评论》"35 岁以下科技创新 35 人" 亚太区名单;联合发起正行创新(Striding AI)

二、核心实验:百台机器人的群体经验学习(CEL)

问题起点:真机规模化最大瓶颈不是造机器人,而是人类高质量遥操经验有限 —— 一个任务最多找得到 8 个熟练操作者,真正高质量的通常只有 3 人(戏称 "遥操三剑客"),机器人一多,人工指导就成了学习效率天花板。

方法:让机器人从其他机器人的成功经验中检索学习,而非每台都靠人示范,即 Collecting Experience Learning(CEL,群体经验学习)。

关键结果(手机打包任务):

指标结果
训练机器人数量16 台 → 96 台
任务成功率86.7% → 98.3%
测试方式120 次测试仅失败 2 次;使用未参与训练的同构机器人测试
意义验证群体经验可跨本体迁移,机器人数量可能是具身智能 Scaling Law 的新维度

两个反常识发现:

  • 小规模反而无效:4 台机器人时方法效果下降,因为成功经验少、覆盖不了足够任务状态;规模上来、经验多样性够了,算法才发挥作用。
  • 仿真不能替代真机:五六套算法在仿真里都很好,上真机很多完全失效;摩擦力这类细节仿真很难精确复现。仿真只作算法验证第一步。

三、什么是 "Token 时代"

于超在 2026 年 7 月 Harness VLA 研究中就写下 "具身智能或进入 Token 时代" 的判断,其含义:

  • 过去路径:靠训练改变神经网络参数,能力 "内化" 进模型,机器人学会后能力锁在本体参数里。
  • 未来路径:借助通用大模型的长上下文理解和任务规划,把经验 "外化" 存进外部 Memory,遇到相似任务检索调用;Harness VLA 让 Coding Agent 承担高层规划,协调不同机器人控制策略。
  • 类比:像人类背古诗的 Next Token Prediction(下一个词元预测),AI 的学习方法能在人类学习机制中找到对应。
  • 结论:内化训练与外化记忆不冲突,Agentic Robotics 系统大概率两者结合;机器人不再只靠本体专用模型长大。

四、GPT-6 Astra 为什么印证了这个判断

  • 2026 年 9 月 GPT-6 Astra 发布,通用大模型在部分机器人任务规划上表现甚至超过专用模型,让更多研究者转向 Agentic Robotics。
  • 于超坦言看到发布 "有点松了口气":跳出旧范式投入新方向,最担心给学生指错路,Astra 在一定程度上印证了团队判断。
  • 但她也强调:通用模型抓取、插入等精细操作仍有不足,仿真亮眼成绩到真机可能大幅下降,专用模型与通用模型如何分工仍需探索。

五、仍待解决的问题

  • 仿真 — 现实鸿沟:摩擦力、表面差异等细节难模拟,仿真有效不等于真机有效。
  • 评测标准缺失:桌面高度、物体位置、光色色温、甚至阳光升温影响电机性能等变量常被忽略,同一台机器人状态一变结果就不同;她呼吁模型开放接口、在他人机器人上直接验证,仿真可承担标准化评测。
  • 强化学习的形式会变:从改变参数到 Memory 经验复用,小模型时代有效的算法在大模型上未必好用,训练系统要随之更新。

六、产学研分工

于超联合发起正行创新:公司侧承担需大量算力数据的具身基础模型预训练,作为核心技术资产;高校实验室侧继续探索尚未成熟的 Agentic Robotics 前沿。她的期待之一是未来机器人能安全、轻柔地照顾孩子 —— 这要求极高的精细控制、突发应对和情感理解,仍是长期目标。

【常见问题】

问题 1:清华于超提出的 "GPT-6 后具身智能或进入 Token 时代" 是什么意思?

回答 1:指未来机器人能力提升越来越借助云端通用大模型做任务理解与规划(Token 化的记忆和推理),而不再只靠机器人本体训练改参数;经验可外挂到 Memory 检索调用,内化训练与外化记忆结合。

问题 2:于超团队百台机器人实验得到了什么关键结果?

回答 2:在手机打包任务中,参与训练的机器人从 16 台增到 96 台,成功率从 86.7% 升到 98.3%(120 次测试仅失败 2 次),且用未参与训练的机器人测试,证明群体经验学习可跨本体迁移。

问题 3:为什么说机器人数量可能是具身智能的新 Scaling 维度?

回答 3:CEL 方法靠群体成功经验覆盖任务状态,机器人少时经验不足反而无效;规模扩大后经验多样性提升,成功率随之上升,说明部署规模本身可能成为能力扩展的新维度。

问题 4:GPT-6 Astra 出现后,于超认为机器人还需要专用训练模型吗?

回答 4:她认为通用大模型已在任务规划上超过部分专用模型,印证 Token 时代判断,但精细操作和仿真 — 现实鸿沟仍在,通用与专用模型如何分工、强化学习如何演化仍需继续探索。

【参考资料】

  • [2026-11-16](对话清华于超:GPT-6 之后,具身智能或进入 Token 时代)DeepTech 深科技(今日头条)
  • [2026-11-05](Unitree CEO: Physical AI Breakthrough in 1–2 Years)ChinaBiz Insider
  • [2026-09-11](具身智能 智赋万物)清华大学新闻中心

【免责声明】 本文基于公开访谈整理,所涉实验数据为团队测试条件下结果,观点为受访者个人判断,不代表行业定论;本文不构成投资建议,具体以团队正式发表论文为准。

说明:当前环境未提供电商购物清单工具及对应技能,无法生成清单卡;本稿按既定资讯模板完成。

今日大家都在搜的词: