人形机器人大脑端呈现两大趋势:算法和数据。
算法方面,从模型驱动转向数据驱动。分层控制作为传统基础架构范式,通过多层结构实现工程化;VLA范式(基于VLM)强化泛化与交互能力,是当前活跃的研究方向;世界模型通过环境建模与未来预测提供物理约束,处于科研主导阶段。短期来看,分层架构因工程可控性仍是主流,VLA在复杂任务和人机交互中展现潜力,世界模型因具备跨设备迁移能力被视为长期方向。
数据方面,高价值信息量成为竞争核心。机器人数据涵盖多模态,产业寻求低数据成本获取和高数据效率应用路径。获取端包括真机(训练场)、视频(第一人称/第三人称)、仿真等路线;安全端需关注权限隔离、数据加密体系、跨境传输政策等挑战;应用端传统策略为“同构闭环”,异构训练通过模块化Transformer架构,实现跨机器人本体共享算法模型。