【导语6月24日通用具身智能企业RoboScience机器科学发布通用具身大模型披露自研Visics大模型的技术架构VLOA并展示其在多项真实场景的应用。该模型解决了具身智能领域的诸多难题有望推动具身智能规模化落地。】具身智能无公认表征传统做法难迁移大语言模型有标准文本Token自动驾驶有统一表征让数据和模型可跨场景复用。但具身智能至今无行业公认的基础表征单元它决定着数据采集、模型学习及能力迁移。过去两年行业主流让模型学习机器人关节运动轨迹可换硬件、物体或场景能力就无法迁移复用。自研模型提出新标准分层解耦实现泛化RoboScience机器科学创始人田野指出机器人操作面临泛化能力差等三大瓶颈。为此团队自研Visics通用具身大模型提出Object Trajectory统一中间表征标准搭建分层解耦的VLOA架构。Visics模型采用双引擎架构具身世界模型以海量互联网视频预训练学习物体运动规律通用操作模型将“物体运动轨迹”转化为“机器人动作”通过物理引擎生成仿真数据迭代支持跨本体部署与多模态感知输入。两大引擎通过VLOA架构协同Object Trajectory作为接口上层预判物体轨迹下层给出硬件控制指令实现适配任意机器人、操作任意物体、完成多样化任务的全域泛化。对比传统方案基于VLOT架构的模型在抓取等方面表现更优。双数据飞轮降成本试点合作促量产在具身智能领域传统数据路线面临成本与产能天花板。RoboScience机器科学以自研高精度仿真引擎RoboMirage为核心构建“仿真视频”双数据飞轮将单条数据获取成本压至传统方案的1/20至1/200预计2026年构建超1T高质量操作轨迹数据集。该公司已获多家机构投资及产业支持搭建软硬一体商业模式。联合创始人汪涛表示先从物体维度切入商超、电商物流等场景是验证泛化能力的试验场。目前已与多家企业开展试点合作计划今年实现标准化机器人本体产品量产。编辑观点RoboScience机器科学的技术突破为具身智能发展带来新契机解决了行业痛点其数据方案也降低了成本。随着试点合作推进和产品量产有望加速具身智能规模化落地。