在剛剛落幕不久的世界人形機器人運動會上，一場全程無遙控、踢足球機器人在網(wǎng)絡上火了。

這支踢足球的機器人隊伍來自加速進化（北京）機器人科技有限公司（以下簡稱“加速進化”，英文名：Booster Robotics），這家成立于2023年的公司在今年7月舉行的2025 RoboCup巴西機器人足球世界杯上，幫助中國隊（清華火神隊）首次在AdultSize 組別（人形機器人足球成人組一米以上機器人）組別奪冠，一舉打破了歐美國家在該項頂級賽事上長達 28 年的壟斷。

加速進化機器人在足球場上的表現(xiàn)

為什么要讓機器人上場踢足球？實現(xiàn)無遙控操作機器人踢足球的關鍵挑戰(zhàn)是哪些？

近日，澎湃科技（www.thepaper.cn)專訪了加速進化副總裁趙維晨。趙維晨解釋說，之所以將目標對準了足球賽事，是因為足球賽是一個高動態(tài)、強對抗、對運動控制和決策智能要求極高的場景。

加速進化副總裁趙維晨 受訪者供圖

趙維晨認為人形機器人必須先做到“四肢健全”，再追求“心智健全”，足球場景是鍛煉機器人的運動能力、感知算法等關鍵技術的試金石，這些能力提升后都能遷移到未來的家庭陪伴、教育等更多場景。

談及技術路徑，趙維晨直言，當前引發(fā)熱議的VLA技術路徑仍是建立在大語言模型的邏輯之上，過于依賴海量標注數(shù)據(jù)和固定模式，并不是最優(yōu)解，三到四年內一定會被顛覆。

以下是澎湃科技專訪內容：

VLA算法未來三年內會被全顛覆

澎湃科技：足球賽對人形機器人有哪些技術挑戰(zhàn)？

趙維晨： 人形機器人必須先做到“四肢健全”，再追求“心智健全”。有了強大的運動能力的支撐，大腦算法可以先用相對簡單的分層模型落地應用，通過落地應用采集到真實場景的數(shù)據(jù)，結合合成數(shù)據(jù)，才能逐步訓練出認知健全的大腦，這與人類的成長路徑相似。

足球場景能鍛煉機器人的運動能力、感知算法，比如識別球、隊友和對手位置等、定位導航和決策邏輯，將來這些能力能遷移到家庭場景，譬如機器人能主動迎接、跟隨，情感陪伴，充當互動教練，以及實現(xiàn)工業(yè)場景里精細的手部操作。

澎湃科技：實現(xiàn)無遙控人形機器人參與踢足球的難度有多大？

趙維晨：足球賽事對抗激烈，機器人需要強大的運控算法來抵御沖撞并保持平衡，摔倒后可在一秒內自主起身。我們率先應用端到端運動大模型，直接將視覺信號輸入神經(jīng)網(wǎng)絡，輸出關節(jié)控制指令，大幅提升運動泛化性和穩(wěn)定性。第一個應用是大力射門：去年世界冠軍最高踢到35厘米，我們能踢到2米，直接越過人墻。

澎湃科技：你們的訓練數(shù)據(jù)主要來自哪里？

趙維晨：主要來自足球場景采集真實的物理數(shù)據(jù)，并結合視頻合成數(shù)據(jù)，通過最新的模仿學習加強化學習實現(xiàn)視覺信號直接輸入神經(jīng)網(wǎng)絡。

我們認為，遙操的數(shù)據(jù)體量無法支撐具身大腦的訓練，目前視覺語言動作模型（VLA）算法還是基于大語言模型那套，未來三年內會被全新的底層算法體系顛覆。

澎湃科技：今年北京的世界機器人大會上關于視覺語言動作模型（VLA）有很多爭議你們怎么看？

趙維晨：自動駕駛單日數(shù)據(jù)量可達上億條，而全國具身最大的開源數(shù)據(jù)集規(guī)模才百萬級別（不到10TB），大語言模型是靠幾十年互聯(lián)網(wǎng)上的文本數(shù)據(jù)累積，而機器人加上雙輪雙臂操作10萬或100萬小時，根本不可能訓練出一個多模態(tài)具身大腦，只能驗證早期算法框架。具身智能真正的路徑與自動駕駛類似，先通過L1、L2、L3再落地收集大量真機數(shù)據(jù)，然后再逐步迭代到AGI。

技術層面，我們認為，視覺語言動作模型（VLA）不是最終解，它仍是基于Transformer的LLM邏輯。大語言模型迭代經(jīng)歷十多年海量語料，才形成如今的尺度定律（Scaling Law）。VLA模型總體依賴訓練數(shù)據(jù)中的固定模式，需要海量標注數(shù)據(jù)才能“記住”固定場景，很難幫具身泛化。

現(xiàn)在所有的技術方案，未來三到四年一定會被顛覆，也會出現(xiàn)類似DeepSeek這樣的鯰魚效應、開源的方案。

機器人進入家庭還需要10年

澎湃科技：2024年10月你們的BoosterT1發(fā)售，現(xiàn)在銷售情況如何？客戶主要是誰？

趙維晨： 銷售沒超出預期。2025年我們上半年出貨交付了數(shù)百臺，其中50%是全球化訂單，主要集中在賽事和科研。頂尖球隊采購我們的機器人軟硬件平臺，用于開發(fā)和測試決策算法。足球也是開發(fā)者入門的理想場景，從入門到精通，甚至能發(fā)表頂級論文，打贏人類至少100篇頂刊。

澎湃科技：你們會擔心訂單量嗎？

趙維晨：對我們來說，最核心的不是訂單量，而是交付量。我們現(xiàn)在T1成本價在10萬元人民幣左右，很多公司簽署了大量“意向訂單”，但如果沒有量產(chǎn)的工程化能力，沒有交付能力，舊不是真的商業(yè)化。我們的訂單交付周期在15到20天左右。

未來我們的商業(yè)化路徑也很清晰：短期做賽事、科研、教育（比如高校和K12的機器人課程）、這是百億級賽道；中期從明年開始，切入家庭搬運、陪伴這些場景，目標千億級市場；長期結合開發(fā)者生態(tài)往家庭管家、智能助理這些通用機器人方向走，那是萬億級市場。

澎湃科技：目前投資人最關心你們的是哪幾個問題？

趙維晨：比較關心我們的應用Agent生態(tài)建設，硬件量產(chǎn)進度，全球化進度，以及運控算法在全球市場的領先程度。其他很多問題上面有覆蓋。

具身智能大模型還沒有顯著的共識

澎湃科技：在你們看來，人形機器人走進家庭場景要經(jīng)過哪些場景和技術驗證？

趙維晨：我們很明確不做工業(yè)場景，因為簡單任務已經(jīng)被傳統(tǒng)機械臂解決了，剩下的要么太難，五年內落不了地，要么市場太小。輪加雙臂結構早在5年前就有成熟的舵機高性價比解決方案，能夠解決大多數(shù)封閉工業(yè)場景的需求。

我們重點會放在家用機器人，讓它成為除手機、電腦外新的交互形態(tài)和生產(chǎn)力工具，要對標蘋果和微軟，做三件事：硬件（端）、操作系統(tǒng)、開發(fā)者工具。就像手機電腦得有應用才能普及，機器人要進家庭，也得有第三方開發(fā)者基于開放生態(tài)、簡單工具和操作系統(tǒng)開發(fā)應用，實現(xiàn)各種家用場景的落地，尤其是后兩者涉及大量軟件的投入。

大腦層面我們不著急，等三年后技術路線收斂些，我們有了一定收入體量再投入。

澎湃科技：是否可以理解為，你們也在等一個適配機器人的AI大腦？

趙維晨：我們認為端+操作系統(tǒng)+開發(fā)工具是個萬億美元的市場，大腦也是萬億美元的市場。但作為創(chuàng)業(yè)公司我們目前不會投入在大腦，因為成功率太低。等我們收入達100億人民幣的時候，在大量垂直場景落地后，我們會開始大腦層面的投入，但目前可以先合作為主。

澎湃科技：人形機器人進入家庭，你們保守估計還有多久？這是一個目前可以預見的必然趨勢嗎？如果是，你們認為會以怎樣的形態(tài)？

趙維晨：一定會經(jīng)歷從早期使用者到早期大眾最后到后期大眾的鏈路。核心是得通過殺手級應用和教育（如學校計算機機房，上機器人課程普及）進入早期使用者，再通過生態(tài)成熟、應用多樣化、成本下降進入大眾市場。前者需要3年，進入早期大眾可能需要5至10年，10年后實現(xiàn)較大規(guī)模普及。

澎湃科技：在你們看來，現(xiàn)在人形機器人還有哪些非共識問題有待解決？

趙維晨：一個是大腦層面的技術路徑非共識，目前VLA的路徑一定不是終解。另外比如核心零部件硬件部分的技術路徑也沒有收斂，包括靈巧手原來都是直線推桿，現(xiàn)在變成關節(jié)電機，還有一部分在做繩驅，用一段時間會松。現(xiàn)在比如加入鎢絲等新材質。

在這波技術路徑下，很明顯的一個變化是，當下的硬件本體的構型有收斂的趨勢，在外形方面正在變得比較類似。但在具身智能大模型的領域，還沒有看到特別顯著的共識。