无视觉智能机人新探索

“闭眼”革命：机器人如何靠“肌肉记忆”逆袭？

当特斯拉擎天柱还在用8个摄像头+激光雷达“看路”时，亚马逊的盲眼机器人已经摘掉“眼睛”，仅凭关节传感器和骨盆运动数据，在30秒内完成搬椅子、爬1米桌子、翻跟头跳下的“跑酷连招”。这不是科幻电影，而是2025年10月亚马逊FAR团队发布的OmniRetarget技术带来的真实(shí)场(chǎng)景(jǐng)。实(shí)验(yàn)数(shù)据(jù)显(xiǎn)示(shì)，无(wú)视(shì)觉(jué)输(shū)入(rù)的(de)机(jī)器(qì)人(rén)完(wán)成(chéng)搬(bān)箱(xiāng)、跳(tiào)桌(zhuō)等(děng)任(rèn)务(wu)的(de)成(chéng)功(gōng)率(lǜ)达(dá)79.1%，仅(jǐn)比(bǐ)有(yǒu)视(shì)觉(jué)参(cān)考(kǎo)时(shí)低(dī)3.1%。这(zhè)种(zhǒng)“去(qù)视(shì)觉(jué)化(huà)”设(shè)计(jì)戳(chuō)破(pò)了(le)行(xíng)业痛点——传统机器人依赖视觉传感器，但工业场景中的金🐲属反光、家庭环境中的宠物遮挡，常让摄像头“瞎眼”。而亚马逊的机器人靠“身体记忆”运行，就像人类闭着眼能倒车(chē)、厨(chú)师(shī)凭(píng)手(shǒu)感(gǎn)颠(diān)勺(sháo)，反(fǎn)而(ér)更(gèng)专(zhuān)注(zhù)、更(gèng)精(jīng)准(zhǔn)。

交(jiāo)互(hù)网(wǎng)格(gé)：让(ràng)机(jī)器(qì)人(rén)学(xué)会(huì)“举(jǔ)一(yī)反(fǎn)三(sān)”

OmniRetarget的(de)核(hé)心(xīn)突(tū)破(pò)藏(cáng)在(zài)一张“交互网格”里。它不是简单复制人类动作轨迹，而是把人体关节、物体表面、地形特征转化为网格顶点，用拉普拉斯形变能计算每个顶点与邻居的相对关系。举个例子：人类演示1次搬椅子，机器人能通过参数化调整，自动生成“椅子高10厘米”“桌子矮5厘米”等800种变体场景。每个变体都是一个独立优化问题，确保机器人下半身固定在原轨迹上，上半身探索新的协调方式。这种设计让机器人理解了动作的本质——“搬椅子的核心是抓住重心+稳定支撑”，而不是某个固定的抬手角度。相比之下，波士顿动力的Atlas每次新动作都需要工程师手工调整上百个参数，成本高到无法量产。而OmniRetarget的单个人类演示，就能让机器人扩展出成千上万种适配不同场景的动作轨迹，就像老师教学生“1+1🥝=2”，学生却能推导(dǎo)出(chū)“2+3=5”。

从(cóng)实(shí)验(yàn)室(shì)到(dào)工(gōng)厂(chǎng)：机(jī)器(qì)人(rén)“闭(bì)眼(yǎn)”也(yě)能(néng)赚(zhuàn)钱(qián)

这(zhè)项(xiàng)技(jì)术(shù)的(de)商(shāng)业(yè)化(huà)潜(qián)力(lì)正(zhèng)在(zài)显(xiǎn)现(xiàn)。2025年(nián)6月(yuè)，中(zhōng)国(guó)机(jī)械(xiè)工(gōng)业(yè)联(lián)合(hé)会(huì)发(fā)布(bù)的(de)《智(zhì)能(néng)机(jī)器人十大发展趋势》指出，机器人正从“执行预设任务”向“自主理解与决策”转变，而OmniRetarget的“盲眼”设计恰好卡点了这一趋势。在工业场景中，仓库的货物堆放位置可能每天变化，家庭中的沙发腿可能被宠物撞歪，传统机器人需要重新扫描环境才能工作，而OmniRetarget的机器人靠“身体记忆”中的参考轨迹（比如“骨盆位置误差不超过5厘米”“关节速度限制在每秒30度”），就能直接适应新环境。更关键的是零样本迁移能力——仿真环境训练的策略，直接部署到宇树G1硬件上，无需任何参数调整就能复现90%的动作精度。这意味着未来工厂不需要为每台机器人配备专属传感器，家庭服务机🔒器人也能像人类适应不同家具布局一样，快速“上手”新环境。摩根士丹利的数据显示，2025年中国机器人市场规模已达470亿美元，占全球总量的40%，预计到2025年将增至1080亿美元。而OmniRetarget的出现，可能让中国机器人产业在工业场景中率先爆发，特别是在汽车、电子制造等行业。

安全与伦理：当机器人“太聪明”怎么办？

但“闭眼”机器人的普及也带来了新挑战。2025年10月，北京国家速滑馆举办的首届世界人形机器人运动会上，一台机器人因“判断失误”撞翻了操作员，虽然场景搞笑，却暴露了安全问题的严重性。随着机器人渗透至医疗、养老、工业等高风险场景，安全挑战已从传统的物理安全防护升级为覆盖硬件可靠性、算法鲁棒性、数据隐私性、行为伦理性的系统性工程。例如，节卡机器人提出的基于底座力传感器的力控算法，通过冲量观测器监测机器人受力情况，让机器人更“知轻重”，避免因力度过大伤害人类。而亚马逊的OmniRetarget虽然靠“身体记忆”运行，但也需要解决“如何确保机器人在未知环境中不会做出危险动作”的问题。此外，当机器人仅靠“身体记忆”就能应对未知，人类是否会失去对复杂动作的“独家垄断权”？Rocky Duan在采访中提到：“我们训练时故意不输入场景信息，就是为了让机器人专注于‘动作本身’，而不是‘模仿人类’。”这种“去人类中心”的设计，或许正是AI与人类协作的终极形态——不是机器变成人，而是机器成为人类身体能力的“无限延伸”。

未来已来：机器人“闭眼”时代的机遇与思考

从亚马逊的“盲眼”机器人到中国机器人产业的爆发，2025年的机器人技术正在经历一场“去视觉化”的革命。这场革命不仅改变了机器人的学习方式，更重新定义了人类与机器的关系。当机器人不再依赖“看”，而是靠“身体记忆”中的参考轨迹运行时，它们或许能像人类一样“活学活用”——不再是冰冷的执行器，而是能理解“关系”、适应变化的协作者。但与此同时，我们也需要思考：如何确保机器人的“身体记忆”不会导致失控？如何平衡技术创新与社会风险？或许，正如O💿mniRetarget技术所展示的，真正的智能不是“看得清”，而是“记得住”“用得活”。而那个藏在代码背后的华人团队，已经用算法写下了答案：智能的终极形态，从来不是“看见世界”，而是“理解世界的关系”。