在新加坡南洋理工大學(xué)的實(shí)驗(yàn)室里，一只機(jī)械臂正反復(fù)嘗試抓取桌上的蘋果。這個(gè)看似簡單的動(dòng)作，暴露了當(dāng)代機(jī)器人技術(shù)的核心困境——當(dāng)人工智能在虛擬世界中攻克語言、圖像與代碼時(shí)，物理世界的交互仍像一道難以逾越的屏障。就像三歲的孩童能本能地抓取物體，而最先進(jìn)的機(jī)器人系統(tǒng)卻常因蘋果滾落桌面而陷入停滯，這種反差揭示了具身智能領(lǐng)域最根本的挑戰(zhàn)：如何讓機(jī)器從“理解世界”跨越到“真正行動(dòng)”。

王子為的科研軌跡，正是這場跨越“知行鴻溝”探索的縮影。2016年，AlphaGo與李世石的圍棋對(duì)決點(diǎn)燃了全球?qū)θ斯ぶ悄艿南胂?，這位清華大學(xué)物理系的學(xué)生由此轉(zhuǎn)向AI研究。但真正推動(dòng)他深入具身智能領(lǐng)域的，是2020年英國利物浦大學(xué)開發(fā)的“機(jī)器人化學(xué)家”——這個(gè)能在實(shí)驗(yàn)室自主移動(dòng)、操作儀器的系統(tǒng)，讓他意識(shí)到算法與物理世界結(jié)合的巨大潛力。同年，他開始探索AI與機(jī)器人的融合，首次調(diào)試機(jī)械臂完成打包任務(wù)時(shí)，那種“讓機(jī)器像人一樣行動(dòng)”的成就感，成為他科研生涯的重要轉(zhuǎn)折點(diǎn)。

在卡內(nèi)基梅隆大學(xué)（CMU）的博士后經(jīng)歷，讓他對(duì)機(jī)器人研究的節(jié)奏有了全新認(rèn)知。與純AI領(lǐng)域“算法迭代以月為單位”的快速驗(yàn)證不同，機(jī)器人研究的周期被物理世界的復(fù)雜性無限拉長。采集數(shù)據(jù)需要實(shí)時(shí)操作硬件，訓(xùn)練模型要應(yīng)對(duì)硬件差異，驗(yàn)證算法需考慮物理規(guī)律——每個(gè)環(huán)節(jié)都充滿不確定性。他參與的樂高積木組裝項(xiàng)目，從2023年啟動(dòng)到2025年才取得突破，期間團(tuán)隊(duì)花費(fèi)數(shù)年時(shí)間優(yōu)化系統(tǒng)對(duì)模糊指令的理解、三維模型生成、動(dòng)作規(guī)劃與執(zhí)行精度。這種“慢工出細(xì)活”的過程，反而讓他沉淀出對(duì)關(guān)鍵問題的洞察：當(dāng)機(jī)器人遇到訓(xùn)練數(shù)據(jù)中未覆蓋的場景時(shí)，如何突破模仿學(xué)習(xí)的局限？

以“抓蘋果”任務(wù)為例，當(dāng)前主流模型能完成標(biāo)準(zhǔn)場景下的抓取，但若蘋果滾落桌面，系統(tǒng)常因缺乏應(yīng)對(duì)“分布外情況”的能力而失效。王子為指出，這暴露了行業(yè)面臨的三大挑戰(zhàn)：真實(shí)物理環(huán)境的數(shù)據(jù)采集成本高昂，每條數(shù)據(jù)需數(shù)十秒甚至更久；毫米級(jí)誤差可能導(dǎo)致任務(wù)失敗，精度要求遠(yuǎn)超虛擬世界；摩擦、光照等環(huán)境變量的微調(diào)會(huì)徹底改變動(dòng)作效果，模型需實(shí)時(shí)建模這些隱性參數(shù)。這些難題共同構(gòu)成了具身智能的“阿喀琉斯之踵”。

針對(duì)這些挑戰(zhàn)，他的團(tuán)隊(duì)正探索三條技術(shù)路徑。第一條是構(gòu)建“世界模型”，讓機(jī)器人在虛擬環(huán)境中預(yù)演動(dòng)作后果，通過“想象”生成訓(xùn)練數(shù)據(jù)，降低對(duì)真實(shí)數(shù)據(jù)的依賴。第二條是引入推理鏈機(jī)制，將長程任務(wù)拆解為步驟序列——類似大語言模型的思維鏈，但需同時(shí)處理物體間的空間關(guān)系與動(dòng)作間的時(shí)間邏輯。第三條則更具顛覆性：用強(qiáng)化學(xué)習(xí)讓機(jī)器人主動(dòng)探索環(huán)境，甚至通過“故意犯錯(cuò)”積累經(jīng)驗(yàn)。例如，機(jī)器人可能主動(dòng)將蘋果推落桌面，在嘗試抓取的過程中學(xué)習(xí)應(yīng)對(duì)策略，從而擺脫對(duì)人類示范數(shù)據(jù)的依賴。

這種從“被動(dòng)模仿”到“主動(dòng)探索”的轉(zhuǎn)變，標(biāo)志著機(jī)器人向智能體（Agent）的進(jìn)化。近期研究顯示，通過強(qiáng)化學(xué)習(xí)訓(xùn)練的機(jī)器人在某些任務(wù)中已能達(dá)到近100%的成功率，遠(yuǎn)超純模仿學(xué)習(xí)系統(tǒng)。王子為團(tuán)隊(duì)開發(fā)的ThinkBot和VLA-Reasoner等模型，正嘗試用蒙特卡洛搜索樹與強(qiáng)化學(xué)習(xí)優(yōu)化任務(wù)拆解方案，讓機(jī)器人自主尋找最優(yōu)行動(dòng)路徑。

在南洋理工大學(xué)的實(shí)驗(yàn)室里，機(jī)械臂的訓(xùn)練仍在繼續(xù)。盡管系統(tǒng)仍會(huì)因意外情況失誤，但每次失敗都為模型提供新的學(xué)習(xí)樣本。王子為認(rèn)為，在這個(gè)充滿不確定性的領(lǐng)域，研究者需要“熱情與快速學(xué)習(xí)能力”的雙重特質(zhì)：“頂級(jí)研究者必須成為細(xì)分領(lǐng)域最了解問題的人，而每前進(jìn)一步都要面對(duì)未知挑戰(zhàn)。只有真正熱愛這個(gè)領(lǐng)域、能從突破中獲得成就感的人，才能堅(jiān)持下去。”

為保持團(tuán)隊(duì)對(duì)前沿的敏感度，他推動(dòng)“論文快講會(huì)”制度，要求成員每周快速總結(jié)最新研究進(jìn)展。在應(yīng)用層面，團(tuán)隊(duì)正與汽車、航空維保、物流等行業(yè)合作，通過真實(shí)工業(yè)場景采集高質(zhì)量數(shù)據(jù)，為機(jī)器人模型訓(xùn)練提供基礎(chǔ)。盡管具身智能距離通用機(jī)器人系統(tǒng)仍有距離，但這種跨學(xué)科合作與持續(xù)探索，正在逐步縮小“知道”與“做到”之間的差距。