机器人打球刷屏的真相：眼睛是借的，大脑是“假”的

百万元设备，给机器人临时装了一个“假大脑”

今年，打球几乎成了机器人展示“自主能力”的热门项目。

球高速飞过来，机器人自己移动、挥拍、回球，有的甚至能和真人连续对打几十拍、上百拍。

这样的画面很容易让人以为：过去只会走路、翻跟头、搬东西的机器人，终于开始拥有处理动态世界的“大脑”。

但实际上，这类Demo，用三个词，可以精简概括本质：“瞎子”、“木偶”和“假大脑”。没有遥控器，就等于机器人自己干活了吗？

有些本该由机器人大脑自己完成的“看见世界、判断物体怎么运动”的工作，被场地外一整套高精度设备提前做掉了。

也就是相当于用一整套上百万元级的外部设备，临时给机器人装了一个“假大脑”和几十双“眼睛”。

这也像是用一套“巨型设备”在做遥操：机器人自己其实没看见什么，外部系统已经把关键位置告诉它了，“球到你跟前了，打吧”——

场地提前测量、相机提前标定，球涂上反光物质后被高频、高精度地追踪，再交给上层程序计算球什么时候会到、球拍应该到哪里。

这和人打球的逻辑并不是一回事。

人不会先把球场做一遍毫米级标定，而是用自己的视觉观察对手动作、球速和方向，在不完全准确的信息下不断预估下一步。

但这不意味着机器人什么都没做到。

它拿到位置和击球目标以后，仍然要在很短时间内控制身体跨步、调整姿态、保持平衡、挥拍和连续回球，这说明今天机器人的“小脑”和全身运动控制已经取得了明显进展。

问题只是：“小脑”很强，不等于“大脑”已经自主。

这个判断来自林知远（化名）。

过去两年，不少自动驾驶人才转向具身智能。林知远是其中的典型。

他曾任百度自动驾驶资深工程师、萝卜快跑创始成员，完整经历约十年工程化周期。

如今转向具身智能，关注模型如何通过端侧推理、监督、校验和恢复，真正进入物理世界长期工作，并实现机器人大脑“自进化”。

这也是为什么，他看机器人打球，关注的并不是“能连续打多少拍”，而是另一件事：

机器人的感知、判断、执行和结果反馈，到底有多少真正发生在机器人自己的闭环里？

沿着这个问题往下追，会发现今天谈“机器人大脑自主”，至少还要跨过三道门槛。

会打球，不等于真正自主

1、没有人遥控，不等于机器人自己干完了活

今天很多机器人Demo已经“没人拿遥控器”。

但“没有人实时操纵”和“机器人大脑自己完成任务”，是两套标准。

前一种自主，只要求整个系统可以自动运行；

后一种自主则要求机器人依靠可以随身部署的感知和计算能力，自己观察环境、理解任务、生成行动，并确认行动之后的现实结果。

打球Demo把两者的差别暴露得很清楚。

运动控制是真的，全系统自动运行也是真的；但“机器人自己看见球并理解球的运动”这件事，并没有完整、独立地发生在机器人身上。

林知远把它类比成自动驾驶里的高精地图。

高精地图曾经非常有效，因为很多道路信息可以提前测量好，再交给车辆使用；但自动驾驶真正走向开放道路以后，行业逐渐发现，依靠一个提前整理好的世界，和让汽车自己理解不断变化的世界，并不是同一道题。

机器人的问题也是如此。

如果一项能力必须依赖提前标定好的房间、固定机位和特殊反光标志才能存在，那么真正值得追问的是：

撤掉这些专门为演示搭出的条件之后，它还能剩下多少能力。

2、一个漂亮Demo，可能让团队白跑半年

林知远并不反对Demo。

在技术发展的早期，一次漂亮的展示本身有价值：它能让外界第一次看到某种能力存在，帮助团队获得关注、资金和下一步研发资源。

科研项目把一个极难的问题拆开，先解决运动控制、再逐步补齐感知。

但今天AI研发和过去有一个明显的不同：能力提升更加依赖真实反馈。

如果一套演示做完以后，既无法进入真实任务，也不能持续产生真实的结果、失败和纠偏数据，那么这个Demo和下一轮能力增长之间的联系就会越来越弱。

林知远说得很直接：“你总不能在现实世界中架这么一套东西，在你每一个摆弄的物件上涂上反光物质。”

如果团队长期为了这种效果投入，甚至可能“跑偏三个月、六个月”，最后大家自己都知道，“我们在做一个trick（套路）”。

所以，Demo真正的分界线，不是够不够“漂亮”，而是：

这次成功，有没有缩短下一次进入真实世界的距离。

真正的自主要能证明，这种能力离开展台、固定布景，进入陌生环境之后，仍然可以存在。

但即使有一天，机器人真的能依靠自己看清球，问题也只解决了一半。

因为：看见了，不代表它知道自己有没有做对。

模型更聪明，不等于“大脑就完整”

1、最危险的失败，是机器人已经错了，却自己不知道

真实任务里的失败，比“抓没抓住”复杂得多。

比如一个机器人接到任务，把杯子拿到桌上。

它完成抓取、移动和放置，每一个动作都做了，但杯子歪了，水正在往外漏。这显然不能算真正完成。

生产现场里的情况更明显。

油漆刷完，不等于刷均匀；巡检走完，不代表异常都发现；一个包含十步的任务，即使每一步看起来都“差不多对”，也可能因为前面一点误差不断累积，到最后完全偏离真正目标。

林知远认为，长程任务中最危险的一种失败是：机器人已经偏离目标，但自己不知道。

这使机器人大脑的职责不能只停留在“生成下一个动作”，它还要继续判断动作是否做多、结果是否合格，继续执行会不会产生更大问题。

一旦发现问题，还要在重试、局部修正、重新规划、降级执行和人工介入之间作出选择。

林知远说：

“它知道它不行了，或者它知道它失败了。”

这也意味着，机器人向人求助，并不天然代表“不自主”。

一个系统如果已经走到能力边界，却仍然不知道应该停下来，反而是更危险的不成熟。

2、模型会合并，但责任不能一起消失

今天具身智能里一个很热的争论：

当VLA、世界模型和端到端模型越来越强，未来是不是只需要一个足够大的模型，机器人里今天所有的分层、监督和安全系统都会消失？

他并不否定模型融合，相反，他在自动驾驶里已经经历过一遍类似的过程。

过去十年，自动驾驶从大量独立模块逐渐被越来越统一的模型吸收。

但模块数量减少之后，原来承担的状态检查、安全校验、故障处理并没有凭空消失，只是换了技术形式，有些变成规则，有些变成服务，有些继续由人机系统承担。

所以他说：

模型边界会不断合并，责任边界不会消失。

端到端讨论的是模型内部如何计算；闭环系统讨论的是机器人如何对现实结果负责。

未来用户不关心某项能力最终是否写在模型里，但真正工作的机器人不能出现：模型更聪明，却无法判断“这件事已经做错了”。

3、大模型可以慢慢想，现实世界不会停下来等

更现实的一层问题是时间。

当物体正在滑落、机械臂即将发生碰撞时，现实世界不会停下来几秒钟，等一个更大的模型慢慢思考。

所以，未来真正的“大小脑”问题，不是最终会不会把小模型全部吃掉，而是：

什么能力需要慢而强，什么能力必须快而确定，以及两者的经验怎么重新汇合。

4、自动驾驶十年的另一个教训：别在错误的表达上死磕

不要过早相信今天的技术表达已经是终局。

过去十年里，自动驾驶几乎每隔两三年都会经历一次明显的范式变化。

高精地图、环境感知、空间表达都不断变化，很多真正推动行业前进的突破，并不是在原来的模型上再多堆一点能力，而是重新定义输入、输出和对世界的表达方式。

所以他看今天的VLA，也没有把它当作已经定型的终极架构。

他对当前部分VLA最直观的感受是：

“慢。”

即使使用很强的算力，也还是不那么“聪明”。

因此他认为现在的VLA很可能还是一种“中间状态”。

其中真正更没有定型的，是最后一个字母——Action（动作）。

他认为，今天最自然的数据表达，不一定就是最后的表达。未来如果执行器、材料和控制方式变化，动作表达本身也可能被重新定义。

世界模型也是类似逻辑。

他并不否认世界模型长期可能参与更直接的动作控制，但在现阶段，他更看重它在世界预测、仿真、训练数据生成和策略验证中的作用，甚至认为它未来可能还是一种更高级的“仿真器”。

所以今天急着讨论“VLA还是世界模型谁会赢”，可能仍然太早。

真正应该观察的是：

哪一种新架构，最终能够让机器人更快、更稳定，也更容易进入下一个真实场景。

一次成功，不等于生产力

1、别看成功率，先看它到底能替人多久

如果不看模型参数、发布会和Demo，只允许留下一个指标来判断机器人是不是正在变成真实生产力，他会选：

真实任务连续替代人的时间。

也就是在一个真正有价值、有明确结果标准的任务中，机器人究竟能连续把人替代多久。

这个指标把任务价值、运行稳定性、异常恢复、人工介入和最终结果绑在了一起，比一次动作成功率或者一段挑选后的演示视频，都更难“做漂亮”。

更重要的是，一旦机器人真正进入生产，它就获得了一种实验室里很难买到的数据：真实反馈。

他说得很形象：“有人给你反馈，告诉它变笨了；有人告诉你实话。”

实验室里，可以由研究者定义什么叫成功；生产现场却不会。

漆刷得不均匀，巡检漏掉一个问题，都会产生真实的工作结果和影响。

所以真实生产不只是商业验证，它同时还是一套天然的评测和数据系统。

现实世界真正珍贵的，不只是数据，而是有人愿意告诉机器人“你错了”。

2、机器人过了60分，拼的还是数据，只是标准变了

行业里常说：60分以前靠模型和数据，60分以后主要靠工程。

他不完全认同。

他认为，机器人到了60分以后依然是数据竞争，只是对数据类型和品质的要求变了。

60分以前，只要机器人“基本能work”，偶发异常还可以容忍；但一旦进入生产，标准会更加具体且严格。

这意味着数据需要带上任务结果、失败发生的位置、失败原因、恢复策略和最终结果。

而“失败四次，第五次终于成功”，也不能直接被叫作“自进化”。

他认为，真正的学习还要经过时间序列验证、跨场景迁移、跨本体迁移，以及能力退化和回滚测试。

一个已经会刷马桶的机器人，如果只需要补少量数据就能去刷油漆，这才开始说明它获得的是一种可以迁移的能力。

所以，一条经验里，开始要包含结果、失败和纠偏。

3、机器人没有汽车那种“用户边用边采”的数据红利

汽车卖出去以后，数以百万计的用户每天在真实道路上开，本身就是一个巨大的数据生产网络；

但很少有人愿意花20万元买一台机器人，再长期免费替机器人公司生产训练数据。

如果每进入一个新场景，都重新进行大量真机采集，成本很难形成规模效应。

因此他更看好另一条路径：先通过基础模型和仿真形成一部分能力，再把机器人送进真实场景验证，哪里出现sim-to-real差距、哪里失败，就针对性补哪里的数据。

4、机器人最早的机会，可能藏在自动化留下的“非标死角”

如果机器人今天还做不到能干，它应该先去哪？

他不认为最容易切进去的是已经自动化的先进产线。

一条成熟工厂本来运行得很好，让一个尚不成熟的机器人进去测试，意味着效率损失、安全风险和现场人员配合，很多时候机器人团队甚至需要付费，工厂才愿意开放场景。

“机器人现在去一条成熟产线，很可能首先是‘去添乱的’。”

相比之下，地下管网、密闭空间、船舱喷漆和焊接这些不那么“性感”的场景，反而具备更好的早期条件：

人本来就不愿意进去，危险和健康风险较高，任务有明确价值，结果能被验收。

船舱喷漆就是一个典型例子。

一块平整钢板，传统机械臂早已可以刷得很好；真正几十年没有完全解决的，是船体成型以后，里面不断变化的隔板、折角、犄角旮旯和不同船型，机械臂没有固定位置，也无法每一次都精确配准。

他把传统自动化形容成：“瞎的。”

它脑子里存着几个固定点，到一个点完成一个动作，但它并不真正理解哪里可以通行、哪里应该作业，以及今天这个环境和昨天有什么不同。

而这一轮具身智能真正想补的，就是：

从“按照固定坐标重复动作”，变成“环境变了，依然能把任务做完”。

因此，第一批真正形成生产力的具身场景，反而可能来自传统自动化几十年没有解决掉的那些“非标死角”。

5、机器人大脑最终只有两道题：越做越久，越换越便宜

机器人大脑的竞争，是不是正在从“完成一次任务”，走向“知道什么时候失败、怎么恢复、什么时候求助”？

他的回答是：“这是一个方面。”

另一半，是迁移。

在他的判断里，机器人大脑至少有两条坐标轴。

一条是时间轴：一次成功能不能变成长期可靠，失败能不能被发现，发生问题以后能不能恢复并继续工作。

另一条是空间轴：离开原来的任务、环境甚至本体以后，这套能力还能留下多少，又需要重新补多少数据和工程投入。

只解决前者，一家公司可能把一个项目磨得极其稳定，但换一家工厂又重新开始；只解决后者，一个模型也可能什么都会一点，却没有一个任务真正能长期工作。

所以，一套真正有平台能力的机器人大脑，最后其实只需要回答两个很难作弊的问题：

• 它能不能越做越久？
• 它能不能越换越便宜？

回头再看那些会打球的机器人，漂亮的击球当然值得惊叹，它至少说明机器人的“小脑”和全身运动控制已经进步很快。

但“大脑自主”是一道更难的题。机器人不仅要完成动作，还要知道动作有没有真正产生正确结果，并且把今天的一次成功，变成明天可以长期运行、换一个地方仍然有用的能力。

所以，机器人大脑真正的分水岭，并不是：“它会不会做一个漂亮动作。”

而是：它能不能对自己做出的结果负责，并把一次成功变成长期、可迁移的能力。

从“会表演”，到真正“会工作”，差的正是这一层。

机器人大脑未来到底怎么发展？

下周二晚7点，虎嗅 AI 100 闭门会，追问：世界模型上位，谁将掌控具身智能的大脑？

400亿融资、超七成押世界模型。

创业、模型、资本、学术视角的四位专家同台，聊清楚：

机器大脑怎样才算真“上岗”，哪些技术是真突破，今天的高估值如何兑现。

 想看更前沿的一面，下图扫码报名。

本文图片来自AI生成。