机器人开始自己练自己了

导语

一周之内，三份工作几乎同时落地：PhysEvo让一个冻结权重的大模型在42个任务上把成功率从47%干到62%；HULK让Unitree G1双臂各扛10公斤、挨130N推力不倒；银河通用联合清华的LATENT只用5小时不完美人类数据，就教会了机器人网球对打。

三份工作路线不同，但指向同一个判断：机器人训练的性价比革命，正在从"堆数据、调权重"转向"改系统、练迭代"。谁先想明白这件事，谁就在具身智能的下一轮洗牌里占先手。

🧠 不动权重，模型也能进化

冻结的模型，进化的系统——这是PhysEvo最反直觉的地方。

想象一个场景：任务代理（task agent）驱动机器人去执行抓取和装配，任务失败后，传统做法是回去标注数据、微调模型、重新部署。而PhysEvo的玩法完全不同——一个元代理（meta-agent）接管了复盘环节：它读取任务代理留下的执行轨迹，诊断失败原因，然后直接修改任务代理所依赖的工具、技能库和观测策略，测试修正后把有效的改进保留下来。

更狠的是，这个元代理还能改进它自己的诊断工具。也就是说，系统留下的每一条修订，既服务于下一次执行，也服务于下一次自我改进——这是一个真正的物理世界递归自我改进（RSI）闭环。

数字说话。在42个RoboDojo任务上，保留下来的任务专属部署版本在留出布局评估中拿到五维平均分68.14/100、成功率62.00%，而对比组RoboDawn的一次性Astra代理——PhysEvo口径下最强的已发表参照——只有47.17%。差距更夸张的是八项专门为难直接Astra设计的操作任务：PhysEvo成功率55.00%，直接Astra只有1.25%，差了44倍。

真机环节同样给了交代。把仿真中进化出的整套harness部署到AgileX PiPER上继续做技能修订，五项真实任务、25次试验，平均分90.60/100，成功率84.00%。

产业逻辑很清楚：模型权重不动，意味着不需要GPU集群去跑训练，迭代成本被压缩到"跑任务+改代码"的量级。这套思路本质上是把机器人能力从"模型参数"迁移到了"系统脚手架"——工具、技能、诊断逻辑全部资产化、可版本化。据多位从业者的私下说法，越来越多团队已经在把"工程harness当资产管"写进技术路线，而不是当成代码仓库里的边角料。当进化发生在系统层，创业公司不再需要和巨头拼预训练算力，拼的是谁的诊断和修订机制跑得更快、更准。

🏋️ 能扛，才是真的人形

人形机器人的商业化分水岭，从来不是走得多稳，而是扛得动多少。

工业和物流场景里，真正值钱的活儿是什么？搬箱子、抬料件、抱住大体积货物穿行过道。这些任务有个共同点：负载会持续改变人形机器人的质心，给上半身施加长期载荷， balance和指令跟踪同时被拉扯。大部分演示视频会巧妙地绕开这个环节——拿起一箱水走两步的画面很好看，但持续负载下的全身协调是另一回事。

HULK给出的工程答案是"模型预测控制引导强化学习"的组合拳。具体拆开看：用MPC来引导RL，预测带载状态下的动力学；训练两个教师策略——一个在腕部受力条件下跟踪手臂运动，另一个在抱住大物体的情况下行走；再引入捕获点控制屏障函数（capture-point CBF）增强腕力教师的平衡能力；最后把两个教师蒸馏进一个统一策略。

仿真结果相当扎实：在双臂各10公斤负载下，带屏障函数的教师拿到了所有受评控制器中最低的前向和侧向速度跟踪误差，相对单纯MPC引导RL，发散运动分量（DCM）偏移幅度的聚合值降低了35.7%。腕力教师则扛得住高达130N的躯干推力扰动——这个数字意味着真有人在车间里撞它一下，它不会顺势表演跌倒。

验证平台是Unitree G1，仿真和真机双线评估。产业逻辑上，forceful loco-manipulation（强载荷全身移动操作）长期是人形领域回避的硬骨头，因为它没法靠单臂操作或纯步态演示糊弄过去。HULK印证了一个正在固化的范式：MPC兜底物理合理性，RL负责大范围泛化，teacher-student蒸馏负责落地成单一策略。这条配方一旦在载荷维度跑通，人形机器人进工厂的路就少了一块最大的绊脚石——而载荷能力，恰恰是客户按件计价愿意付钱的那部分。

🎾 5小时碎片数据，练出身体直觉

5小时动作碎片，最后变成了机器人的身体直觉。

网球对打是具身智能里出了名的"照妖镜"任务：要求毫秒级的视觉-动作闭环、全身协调、连续击球而非单次抓取。传统路线要么靠海量真机遥操作数据，要么靠高精度动捕，成本都压不下来。

银河通用与清华的LATENT选了第三条路：用"不完美人类数据"。所谓不完美，就是普通人类打球的动作碎片——没有精修、没有对齐、来源杂乱，总计只有5小时。这5小时碎片经过处理后，转化成了机器人对打的动作基础，工作入选IROS 2026。

产业逻辑上，这条路线的想象空间比网球本身大得多。人类互联网上躺着的是近乎无限的视频和动作碎片，如果"不完美数据"能够被有效消化，数据获取成本将从"每条轨迹若干美元的遥操作"降到"近乎零的互联网规模"。这不只是省钱的算法技巧，而是数据范式的分叉口——它与PhysEvo的"系统自进化"、HULK的"仿真蒸馏"，共同拼出了一幅绕开天价真机数据采集的路线图。对资金弹药不如巨头的创业团队而言，这条分叉口就是机会窗口。

🔍 三条路线，一个共同信号

绕开"巨资堆权重"，成了本周论文的公约数。

把三份工作并排放，脉络非常清晰：

时间线也很密集：

• 2026年10月上旬：PhysEvo（arXiv 2610.08995）发布，冻结模型RSI框架跑通仿真与真机；
• 2026年10月上旬：HULK（arXiv 2610.08970）发布，人形强载荷全身控制跑通仿真与Unitree G1；
• 2026年：银河通用×清华LATENT入选IROS 2026，不完美人类数据路线获学界背书。

三条路线在方法论上几乎不相交，但共享同一个底层判断：具身智能的瓶颈不在模型够不够大，而在"行动的后果"能不能被系统化地吸收。PhysEvo把后果变成可测试的系统修订；HULK把物理约束变成控制屏障和蒸馏目标；LATENT把人类的运动后果压缩成5小时可学习的碎片。据多位接近头部具身团队的人士透露，行业内部的共识正在从"数据飞轮"悄悄位移到"迭代飞轮"——飞轮转的动力来源变了。

这也是对投资人和创业者的一个提醒：评估具身智能公司时，别只看模型参数和融资额，去看它的失败诊断机制、技能留存机制和真机迭代速度。这三个指标，比任何演示视频都诚实。

📊 小结

一周三份工作，讲的是同一个故事：机器人能力的增长曲线，正在从"训练时一次性买断"切换为"部署后持续复利"。PhysEvo证明了冻结模型也能靠系统自我改进拿到84%的真机成功率，HULK把人形机器人扛重物这个商业化刚需做成了可复现的工程配方，LATENT则把数据成本的天花板又捅低了一层。

接下来的看点很明确：当系统级自我改进、载荷控制和不完美数据学习三线合流，机器人从演示走向交付的周期会被压缩到什么程度。这一轮，拼的不是谁的模型大，而是谁的迭代闭环转得快。机器人开始自己练自己了——练得快的，先上桌吃饭。