跨机器、物体与各种任务！RoboScience发布通用具身大模型
RoboScience机器科学发布了Visics通用具身大模型，并且完整披露了其VLOA（Vision-Language-Object-Action，视觉-语言-物体-动作）技术架构。
Visics从底层出发，搭建一套全新的具身基础表征单元，实现三大维度的全域泛化，适配任意机器人本体、操作任意类型物体、自主完成多样化任务。
团队没让模型去复刻机器人关节轨迹，而是用一串3D点云轨迹作为基础表征单元，让机器人先理解什么是抓，再决定怎么抓。
Visics大模型由两个核心引擎组成，具身世界模型负责想象物体怎么动，通用操作模型负责把想象翻译成精确动作，中间用Object Trajectory（物体轨迹）接口串起来。换机器人、换物体、换场景，能力都能保留。
具身智能缺一个基础表征
过去两年，具身智能领域主流做法是让模型直接学习机器人的关节运动轨迹，复刻某一个特定硬件在特定任务下的动作坐标。
这样的问题是，换一台机器人、换一个物体、换一个场景，模型此前习得的能力便无法直接迁移复用。模型学会的是夹爪怎么抓起杯子，而非理解抓取本身，什么是抓，需要多大的力，物体受力会怎么反应。
RoboScience机器科学创始人兼CEO田野指出，当前机器人操作面临三大核心瓶颈，泛化能力差、精细操作难、长程任务误差累积。三大瓶颈都指向同一件事，行业缺一个能让数据流通、让模型复用、让能力迁移的基础表征单元。
大语言模型领域有标准的文本Token，几亿网页几亿本书，统一切成Token就能喂给同一套Transformer。自动驾驶领域有统一的视觉或点云表征，不同车型不同传感器，落到同一张鸟瞰图上就能联合训练。
而具身智能，至今没有这样的基础格式，采数据、训模型、迁移场景都各自为战。
RoboScience机器科学选择从底层出发，搭建一套全新的具身基础表征单元。这套表征要能在真实三维空间里建模，能显式可解释，能跨物体跨场景复用，能直接喂给下游操作模型。
他们给出的答案是3D点云轨迹。以物体为中心的3D点云轨迹，能让思考“可见”。一串带时间戳的三维点序列，每个点包含位置坐标、姿态信息、时间步和预测置信度，既能描述物体未来怎么动，也能直接驱动机械臂去执行。
2D视频生成只能预测下一帧像素，不懂三维空间。3D静态重建能还原空间结构，预测不了物体怎么随时间运动。3D点云轨迹把空间结构和时间演化都装下了，模型在真实三维空间里建模，天然满足几何约束，轨迹还能直接作为下游操作模型的输入。
把表征单元定下来，后面的事就有了支点，怎么采数据，模型从哪学，学完能不能迁移，全都围绕同一根轨迹展开。
用3D点云打开物理认知
具身世界模型是Visics大模型的前半段，负责理解物理世界、预演未来轨迹。它接收自然语言指令和视觉图像作为输入，可以处理单视角或多视角图像，在复杂场景中精准定位目标物体及其未来运动状态。输出就是3D点云轨迹。
和传统方法预测下一帧像素的做法不同，它关注的是物体状态的语义变化，位置、姿态、形变、与周围环境的交互关系。
它把场景分解为一个个物体，分别预测其未来的运动路径。模型内部先把RGB观测、3D点云先验与任务指令编码为语义与空间表征，再送入世界因果Transformer对未来世界演化建模，形成统一的潜在世界表征，最后解码输出场景与目标物体的3D flow，把看见当下、理解指令、预测未来连成一条链路。
这套架构给了模型三个关键能力。
跨物体泛化。光滑的洗发水瓶、透明的棉签盒、不同样式颜色的饮料盒与包装，材质形状尺寸各异，模型都能精准预测运动轨迹。它知道硬质物体怎么被抓取，软质物体会怎么形变，不同材质需要怎样的接近角度，把对物理世界的通用理解迁移到未见过的物体上就行。
动态过程建模。给它一张第一人称视角的第一帧图像，它能想象出后续倒水的完整过程，水壶怎么倾斜，水流怎么注入杯子，杯中水位怎么上升。倒水涉及液体动态和精细操作，模型依然能生成符合物理规律的3D点云轨迹。
指令跟随与个体区分。模型不仅能识别物体，更能理解指令中的语义差异，对象是谁，动作是什么，意图有何不同。
支撑这三种能力的，是四项底层技术特性。
物理约束满足。所有轨迹严格满足动力学、碰撞、稳定性等真实世界物理约束。倒水案例中，水壶倾斜角度与水流轨迹的匹配，水面的平稳上升，都体现模型对重力、流体行为的精准把握。2D视频生成做不到这件事，2D世界里没有重力方向。
原生支持物理多解性建模。真实世界充满不确定性。方案利用扩散模型的生成特性，在潜在空间内构建物理演化的概率分布，能推演出同一任务下多种合理的轨迹方案。
长时序空间一致性。多步骤任务中，模型能保持预测状态在时间和空间上的全局连续。倒水视频长达数秒的预测里，物体相对位置始终合理，没有幻觉。
硬件解耦。模型核心与具体机器人结构解耦，生成的规划可无损迁移至任何形态机器人本体，机械臂、人形机器人还是灵巧手，都能理解同样的物体轨迹。
投喂的数据越多，模型对物理世界的理解就越精准。Content Alignment、Subjective Quality、Photometric Consistency和Motion Smoothness在微调过程中均持续提升，最终checkpoint的各项分数相对初始模型都有明显增益。
具身智能领域的Scaling Law正在显形，模型的成长性可预测、可持续。
具身世界模型扮演认知大脑的角色，理解物理世界，预测物体状态，生成可执行的3D点云轨迹，再通过Object Trajectory接口传递给通用操作模型。
把想象翻译成动作
通用操作模型是Visics大模型的后半段，参数超10亿（1B），在所有技能上联合训练，形成统一的操作表征。
它的输入正是具身世界模型输出的Object Trajectory，一串带时间戳的3D物体点云和环境点云，描述物体未来的位置、姿态与形变，以及抓取环境的变化。
推理速度达到3fps以上，能基于物体和环境的点云输入实现对机器人关节角度的闭环控制。
与传统策略依赖大量成对动作数据不同，模型是轨迹条件化的，无需重新学习该去哪里，只需掌握如何到达那里。世界模型提供的轨迹已经包含了丰富的几何与物理先验，操作模型把它翻译成底层控制信号就行，跨物体、跨场景时泛化效率惊人。
行业内的操作模型多为原子技能库，把任务拆解为抓取、放置等独立技能，每个技能对应一个专用模型，碎片化方案扩展性差，难以应对新任务。RoboScience机器科学的做法是统一训练，一个模型搞定。
模型给出三大核心亮点。
任意物体抓取。面对不同几何形状与物理属性的物体，模型能实时识别其三维形态和相关物理参数，自动选择最优的接触点与夹持力，生成适配的抓取策略。桌面上独立摆放的物体，收纳箱、碗碟中堆叠拥挤的杂乱环境，都能稳定抓取。
跨机器人本体灵巧抓取。同一套操作策略无需任何调整，就能直接迁移至不同构型的灵巧手，2指、3指还是5指都行。
精细物体操作。开信封需要毫牛级的切入力度，立硬币需要动态平衡控制，抓薯片需避免压碎，用针管注射液体需精确控制推注速度与剂量，对力控精度、接触力感知和实时调整能力要求极高的任务，模型都能稳定完成。
模型融合视觉、触觉、力觉多模态感知信号，执行过程中实时调整。
立硬币用动态平衡力将硬币立于桌面。开信封精确控制切入角度与力度，沿边缘划开不撕裂纸张。抓薯片轻柔捏取边缘，避免压碎。针管注射精准控制推注速度与力度，实现液体的定量稳定注入。
长程任务与闭环操作。例如家具拼装，模型读取说明书，自主分解多步骤任务，双臂协同完成高精度插接与旋转配合，通过实时力反馈动态调整策略，即便中途被拆解也能自动恢复并接续完成。
模型能规划多步骤的连贯动作，还能在动态环境中实时感知、决策与调整，通过统一的框架分析不同场景下的物理接触，力反馈、变形预测、运动规划都装在一套框架里，无需为每种对象或机器人单独开发算法。
底层有四项技术特性支撑。
全空间物体支持。模型支持刚体、铰链体、1D/2D/3D可形变体等全空间物体的各类操作任务，覆盖从刚性抓取到柔性形变的完整谱系。
跨机器人本体与闭环操作。同一套策略可无损迁移至机械臂、人形机器人、灵巧手等不同本体。同时支持闭环操作（closed-loop），执行过程中持续接收视觉、触觉、力觉等多模态感知数据，实时调整动作。
物理仿真闭环。通过物理引擎、仿真数据、端到端训练的高效闭环，模型在虚拟环境中大规模预训练，习得丰富的物理交互技能。再经少量真机数据微调，就能快速迁移到真实场景，大幅降低采集成本。
Scaling驱动进化。依托自研多模态物理引擎积累的10B（100亿次）高质量操作数据，模型在任意物体抓取、精细操作、长程任务上的成功率随数据规模扩大呈可预测的幂律提升。
团队2026年的目标，是构建1T（1万亿次）操作数据集，为持续进化提供不竭燃料。
RoboScience什么来头
2024年，田野与邵林共同创立了RoboScience，田野是CEO，而邵林是首席科学家。RoboScience目前已是全球领先的通用具身智能企业。
团队来自斯坦福、中科大、港大、上交大、新国立、ETH等顶级学府，以及苹果、商汤、科沃斯等AI科技领军企业的顶尖人才和资深专家。
田野本科毕业于中国科学技术大学物理学院，硕士毕业于斯坦福大学人工智能实验室（Stanford AI Lab），师从人工智能专家吴恩达。田野曾任苹果公司设备端机器学习平台团队技术负责人，是苹果总部最年轻的主任工程师之一，在苹果任职7年间主导了多项端侧AI技术的落地。
邵林是新加坡国立大学助理教授。南京大学地球科学系本科毕业，斯坦福大学博士，专注机器人操作。曾发表多篇等标杆性研究，获RSS 2023最佳系统论文奖提名，获ICRA 2025机器人操作与运动最佳论文奖。
目前，RoboScience机器科学已同多家零售、物流、康养服务企业及机器人、灵巧手公司开展试点合作，计划于今年实现面向工业与商业场景的标准化机器人产品量产。
参考资料：
https://www.roboscience.co/news_detail/18.html
https://www.roboscience.co/news_detail/21.html