猜你想问
通用模型如何向机器人S1层渗透？
通用模型向机器人S1层渗透主要通过两种路径：直接替代S1和蒸馏或指导。直接替代面临物理约束和时间问题，需压缩模型至数十亿参数量级；蒸馏或指导则通过更强通用模型能力的小模型实现，利用真机数据训练。目前GPT-6在仿真基准上表现显著，但部署性能不如专用模型，尤其在精密动作控制和双臂协同任务上表现略逊，速度差距也显著。最有效的方法是分层分工，通用模型做S2，配S1控制器做闭环协作，但成本高昂，如ASRA+π0.5组合需上千万token。
机器人控制S1层的发展趋势如何？
机器人控制S1层的发展趋势呈现分层分工特点。通用模型从S2向S1渗透，可能形成稳定分工、逐步下沉或一体化三种演绎路径。稳定分工是通用模型做S2，专用模型做S1，本体做S0；逐步下沉先替代长尾任务；一体化则需满足通用模型端侧运行版本前提。当前仿真榜单显示通用模型能力提升，但底层控制仍需毫秒级响应，难以完全替代。未来S1层更可能是更强通用模型能力的小模型，通过蒸馏或真机数据训练实现。
本报告重点分析了哪些方向？
本报告重点分析了通用模型向机器人S1层渗透的路径和影响。首先探讨了S2（场景理解）、S1（熟练动作生成）和S0（底层关节控制）三层的控制概念，以及通用模型在仿真基准上的进展，如GPT-6 Ultra成功率22.48%。其次分析了通用模型在精密动作控制、速度和成本上的短板，以及分层分工的最有效方法。最后从路径、观点和产业链影响等角度，探讨了通用模型向S1渗透的三种演绎和其对不同类型公司的短期及中长期影响。
当前机器人市场现状如何判断？
当前机器人市场现状判断显示，通用模型在仿真中表现优异，但部署性能与专用模型存在差距，尤其在速度和成本上。市场呈现分层分工趋势，通用模型主要做S2，专用模型做S1。产业链方面，仅做上层大脑的公司面临短期压力，有世界模型和VLA的公司受益，但中长期需应对通用模型蒸馏和S1小模型开发压力。本体公司因可靠性、灵巧性和成本优势更明显，但数据需求更稀缺，部署也存在集成、故障恢复等瓶颈。
本报告提示哪些风险？
本报告提示的主要风险包括：通用模型替代S1层的短期难点，如物理约束和时间问题，需模型压缩至数十亿参数量级；部署性能不如专用模型，尤其在精密动作控制和双臂协同任务上表现略逊，速度差距显著，成本高昂；产业链短期压力集中于仅做上层大脑的公司，而中长期压力来自通用模型蒸馏和S1小模型开发。此外，数据需求稀缺，失败恢复和精密操作数据更难获取，部署集成、故障恢复、测评和安全认证也存在瓶颈，需审慎看待一体化形式对产业的影响。