来源：科技日报
出品：深瞳工作室
记者：房琳琳 龙云 龚茜 李林旭 江耘 吴纯新
策划：冯卫东 房琳琳

从春晚舞台的难在哪儿惊艳亮相到马拉松赛场的活力助跑，人形机器人正频频“出圈”，具身机器进千家万标志着具身智能技术迎来了快速迭代的人走爆发期。

政策红利持续释放。难在哪儿日前，具身机器进千家万工业和信息化部与国务院国资委联合印发《关于联合开展2026年度人形机器人与具身智能实景实训专项行动的人走通知》，明确提出在2026年底实现重点产品常态部署、难在哪儿达成万台级规模落地的具身机器进千家万战略目标。

市场预期同步走高。人走行业报告预测，难在哪儿2026年有望成为人形机器人的具身机器进千家万“量产元年”，中国具身智能机器人市场规模将突破110亿美元，人走占据全球市场份额的难在哪儿三分之一以上。在多重利好加持下，具身机器进千家万具身智能产业正式步入发展的人走黄金窗口期。

然而，聚光灯背后隐藏着现实的尴尬：尽管大量人形机器人能在受控环境中流畅完成跑跳、舞蹈等高难度动作，但一旦进入真实的家庭场景，往往显得手足无措，频频“露怯”。

从“明星样机”走向“量产落地”，具身智能机器人真正走进千家万户，究竟还需跨越哪些鸿沟？

听懂与做到之间，“理解”之难

家庭环境是一个典型的非结构化、高动态变化的物理空间。同一张桌子，今日放置水杯，明日可能摆放水果、玩具或药品；老人、孩童与宠物的活动更是不停地改变着环境状态。

“家庭场景区别于标准化工业场景的本质，在于其不固定的环境、不固定的任务以及不固定的家庭成员习惯。”极佳视界合伙人、研发副总裁叶云指出。这意味着，机器人在家庭中面对的是一个时刻变化的开放世界。

中国科学院自动化研究所研究员陈盈盈强调，具身智能机器人在“非结构化开放世界”中的泛化能力不足，是阻碍其进入家庭场景的最大技术瓶颈。

她举例说明：“当桌子边缘放着一个半满的玻璃杯时，机器人不仅要识别出‘这是杯子’，更需推断出它是易碎品、内部装有液体，且轻微碰撞即可能导致掉落。”

叶云进一步以“递水”为例解释：当指令为“把桌上那杯水递给我”时，机器人在语言层面完全理解，但在执行层面，它必须明确桌子与杯子的三维空间位置、握持力度、移动平稳性（防止水洒出），以及递送时机（待对方握稳后松手）。

“这些关键信息并未写在指令中，而是隐含在物理世界的规律里。机器人能‘听懂’指令，但要‘做到’，需具备对三维空间、物理因果及动力学规律的深刻‘理解’。”

仝人智能科技（西安）有限公司创始人吴易明指出，目前多数机器人仅能“认出”杯子，这与“理解杯子的物理属性及人类认知逻辑”存在本质差异。“理解”才是核心关键词。

“当前行业聚焦于模型、算法和参数规模的堆砌，但机器人入户的关键突破点，在于像人类一样理解物理世界、空间关系及事物共性。这需要智能科学底层理论的突破。”吴易明认为，只有具备真正的“理解能力”，机器人才能像人类一样理解自身与物理世界的关系，从而在复杂多变的环境中应对挑战，甚至使用传统工具服务人类。

针对“人类如何理解世界”这一问题，吴易明引用了图式理论（Schema Theory）中的定义：利用头脑中已有的图式（结构、框架、认知程序）来解读事物。

“我们希望机器人能直接理解真实世界，这源于其对传感信息的获取，以及参照人类认知过程构建的外部世界映射关系。其中，‘识别’是理解的核心，这种能力使机器人能够举一反三并区分细微差异。”

仍以“那杯水”为例，吴易明期望具身智能无需认识一万个杯子，仅凭一个新杯子的视觉信息即可判定其为杯子，并能进一步区分归属。

“拥有类人理解能力的机器人，能掌握空间关系、远近关系及基本物理常识（如物体为何掉落、反弹），这是人类天然具备的能力，也是机器人实现真正智能的基础。”吴易明补充道。

智源研究院院长王仲远坦言，目前行业缺乏一个关于真实世界的动作模型，以及能够统一理解、推理、规划、决策时间、空间、物理规律及多模态信息的模型。“以语言为主导的基础模型，并非高效编码三维空间、物理因果与动作信息的理想架构。”

数据与算法之间，“融通”之难

5月31日起，极佳视界研发的首款家庭通用人形机器人“拾光S1”进驻武汉光谷之寓社区，开展真实家庭场景测试。该机器人已具备分拣叠衣、取放餐具、整理厨房、桌面归位、跨房间取送物品及长程陪伴交互等能力。

然而，从在一个社区“跑通”特定任务，到适配千家万户的“千变万化”，中间仍有漫长道路。具身智能机器人能否在复杂多变的环境中完成细致入微的任务，仍是巨大挑战。

叶云指出，基础瓶颈主要在于两点：一是缺乏规模化且能描述物理规律的数据体系；二是缺乏能高效学习物理规律的算法架构。

数据层面：成本高昂是主要障碍。大语言模型依托海量互联网文本训练，而具身智能所需的真实家庭数据“极度稀缺且采集成本极高”。

清华大学副研究员、浙江清华柔性电子技术研究院工业具身智能实训中心主任陈毅豪算了一笔账：真实家务场景中的触觉、力控和交互数据极为珍贵。若依靠真机逐场景采集，成本难以承受。“按传统采集速度，攒够训练通用家庭机器人的数据量可能需要上百年。”

安徽科大硅谷片区企业如动科技创始人朱宝认为，物理世界存在机械臂阻力、光照变化、地面扰动等固有随机变量，预训练数据集无法覆盖所有真实工况，导致具身智能机器人在家庭、户外等开放环境中易出现行动失灵。

为此，陈毅豪团队创新推出“无本体数据采集”模式：人员穿戴轻量化柔性传感设备完成家务，同步记录动作与触觉数据，再经算法映射为机器人可学习样本。该中心计划向社会有偿开放采集，预计今年完成60万小时数据积累，2027年冲刺150万小时，目标于2028年建成国家级高质量数据集。

算法层面：解决了“燃料”问题，还需选择高效的“发动机”。当前业界探索具身智能主要有三条路径：数据驱动、端到端和认知驱动。

吴易明指出，前两种路径推崇“规模定律”，虽易吸引资源，但尚未出现显著的代表性突破和落地应用。

叶云提出了“双金字塔”体系架构，认为各路径并非互斥：
1. 数据金字塔：由互联网视频数据、真人数据、世界模型模拟器、仿真合成数据、真机数据五层构成。
2. 算法金字塔：由世界模拟、动作对齐、经验强化三层构成。

两座“金字塔”相互咬合，让机器人先通过海量数据学会“世界如何运转”，再学会“如何正确做事”，最后在真实使用中通过持续强化实现自我进化。

针对家庭场景“三个不固定”难题，叶云主张依靠基础模型的通用适应能力，而非为每个场景单独编程。极佳视界迭代的世界动作模型（WAM）在动作对齐层面，仅需约十分之一的实验数据量，即可达到全量数据训练的效果。

吴易明重申：“智能的本质不是记忆世界，而是理解世界。世界并非随机样本的集合，而是可被理解的关系结构。”

仝人智能科技则提出，通过统一数学方法表征空间结构及物理世界规律，依托自主研发的具身智能操作系统，构建直接与真实世界自主交互的技术体系。

业界共识在于：深化系统融合与打造通用智能是破解数据与算法困局的有效之道。从“跑通一个社区”到“自主适应千万家庭”，需两条腿走路：一方面利用海量数据训练泛化能力更强的模型，另一方面在底层理论寻求对物理世界表征的根本性突破。

安全与信任之间，“靠谱”之难

2025年11月，Figure AI前产品安全主管罗伯特·格伦德尔在美联邦法院诉状中披露，一台Figure 02机器人在内部测试中发生故障，机械臂在不锈钢冰箱门上划出四分之一英寸深的凹痕。

“一台重达八九十斤的机器人若在家庭中倾倒，即便感知和决策系统再安全，也可能危及家庭成员。”天津大学讲席教授孙涛警示道。

孙涛解释，当前多数人形机器人机械臂采用高刚度位置控制模式，电机被强制驱动至预设坐标。在家庭杂乱光线导致视觉感知出现厘米级误差时，机械臂可能以几十公斤的刚性冲击力撞击非目标物体。

陈毅豪补充，大型人形机器人肢体活动范围广，仅靠预设轨迹运行，难以感知后方或侧方靠近的人与宠物，极易发生磕碰事故。

因此，入户具身智能的操控必须更加细腻精准，机器人“手脚”的可靠程度直接决定其能否被接纳进家门。

孙涛团队正尝试模仿人体肌肉和筋腱，采用更轻巧的驱动方式替代笨重的电机直驱，通过仿生设计在减轻自重的同时提升负载能力，从机械结构层面增强物理安全性。

陈毅豪透露，其团队正研发全域避障防护系统，包括覆盖机身的电子皮肤薄膜压力传感器（触碰即刻停机）及分布式薄膜超声波传感器（类似汽车倒车雷达，提前探测并减速），全方位保障人、机、物安全。

此外，基于柔性电子和电子皮肤技术，团队研发了搭载触觉感知的末端执行器，使机器人能识别物体冷热、光滑、粗糙等属性，自主判断抓取力度和角度，破解“想干活却干不好”的痛点。

信息安全同样不可忽视。今年第三季度起，“拾光S1”将分批进入住户家中，开启规模化运营，这或将成为全球首例通用人形机器人在真实家庭场景的规模化部署。家庭作为私密空间，机器人作为24小时在线的数据采集终端，其数据边界何在？

陈盈盈建议，通过“端侧智能处理”，让机器人“大脑”在离线状态下于本地完成理解和决策，实现“数据不出家门”，从而守住家庭隐私底线。

“将机器人安全地交到普通家庭手中，需在真实场景中长期验证打磨，这是一件需要心怀敬畏的事。”叶云总结道。

清华大学助理教授、破壳机器人创始人许华哲（前星海图联合创始人兼首席科学家）持乐观态度：“工厂中重复单一的作业数据无法支撑机器人理解真实世界的复杂性。家庭数据足够混乱、多元，这种非结构化环境恰恰是孕育真正通用智能和促进技术快速迭代的最优土壤。”许华哲坚信，家庭机器人将在不远的未来到来，重新定义人类生活方式。

记者手记丨前路虽远，行则将至

作者：龙云 龚茜

近期，记者密集采访了多位具身智能领域的专家与产业人士。一个直观感受是：该行业正处于从技术验证向场景落地跨越的关键阶段。

产业落地节奏明显加快，业界普遍将2026年视为人形机器人“量产元年”。然而，“演示”与“现实”存在落差——在发布会和展区表现优异的人形机器人，一旦置身真实家庭环境，任务完成效果往往不及预期。

尽管挑战重重，但业界探索态势积极。真实世界的服务缺口显而易见，无论是协助养老还是打理家务，这些看似琐碎的日常背后，是一个规模庞大且亟待满足的刚需市场。

随着政策加码与资本涌入，聚焦具身智能的研发团队正高速推进技术迭代。各条技术路线并行探索：有人聚焦仿生驱动技术，力求轻便安全；有人深耕电子皮肤，赋予机械臂精准感知与力度控制；有人直接将机器人引入社区，在真实场景中测试优化。

然而，从原型演示走向工程化部署，横亘着系统集成、可靠性、成本与稳定性等多重壁垒。面对壁垒，产业界正迎难而上，不断试错前行。

近日，2015年图灵奖得主、公钥加密技术奠基人惠特菲尔德·迪菲在回应“机器智能是否会统治世界”时给出耐人寻味的答案：“会的。但人和机器之间不会有一场战争，因为我们会欣然接纳它们的帮助。”他预判，人机和谐共存的时刻预计将在本世纪上半叶结束前到来，甚至更早。

这番论断颇具科幻色彩，但回看当下产业现场，智能机器正以肉眼可见的速度嵌入日常生活，迪菲的预判似乎并非遥不可及。不过，从跑通演示到稳定服役，中间仍有大量工程化“硬骨头”要啃。

采访中大家达成一个共识：家庭场景的复杂性虽令人头疼，却是孕育通用智能的最优土壤。技术不可能在无菌实验室中完成所有进化，必须扎进真实生活的褶皱中反复打磨，才能真正蜕变为懂事、靠谱的伙伴。