机器人为啥困在Demo？讯飞新公司爻方智能给出答案：缺一味「本体认知」
内容提要
科大讯飞成立新公司“爻方智能”，由潘嘉带队研发机器人大脑。团队认为主流VLA架构非终局，世界模型缺乏本体认知，提出“Embodied-Omni”方案，融合理解、预测、动作，通过逆运动学训练本体感知，并采用大脑-小脑协同架构，以有限数据提升泛化能力，推动机器人跨过实用门槛。
延伸解读
「慢」是安全档，不是技术天花板
文章指出，展台上机器人动作慢，并非技术限制，而是主动调低的安全档。调快速度会显著增加出错概率，导致演示失败。这揭示了一个行业现状：许多机器人展示停留在Demo层面，是因为大脑尚未跨过实用门槛，无法在真实环境中稳定执行任务。理解这一点，有助于观众理性看待机器人演示，避免被表面速度误导。
VLA的局限：只反应，不推演
爻方认为VLA架构并非终局，因为它更像即时反应系统，只处理当前动作，不预测动作后果。文章以开车为例，VLA知道踩刹车，但预判不到雨天路滑可能打滑。这种缺乏对物理世界后果推演的能力，是VLA的理论短板。相比之下，世界模型试图通过预测未来画面来弥补，但爻方指出其存在误差累积和缺乏本体认知的问题。
「本体认知」：从感知到认知的跨越
传统机器人通过传感器感知自身状态，但这不等于认知。爻方强调，主流模型缺乏对自身身体极限的理解，导致预测画面虽准，动作却落空。其解决方案是将逆运动学作为训练任务，让模型通过任务学习身体能力。这区别于英伟达将本体状态仅作为输入信号的做法，体现了「把身体当考题」与「把身体当条件」的本质差异。
数据策略：不盲目量产，用架构补数据
面对数据稀缺，爻方反对「先量产再采集」的主流叙事，认为效果不过关时用户不会买单，飞轮转不起来。其策略是用更聪明的架构将有限数据用到极致，例如采用近半的「具身大脑数据」来训练空间感和规划力。这种务实做法，为行业提供了一种在数据不足时提升泛化能力的思路。
Q&A
为什么机器人在展会上动作慢吞吞的？
不是技术不行，而是怕出错。速度调快后出错概率增加，演示时会掉链子，所以展台上的慢是主动调低的安全档。
爻方智能认为当前主流机器人大脑架构存在哪些问题？
爻方认为VLA不是终局，它只做即时反应，不预测后果；世界模型虽然能预测未来，但存在误差累积和缺乏本体认知两个坑。
什么是“本体认知”？为什么爻方智能认为它很重要？
本体认知是指模型对自身身体能力的理解，比如知道自己能跳多高、够多远。爻方认为现有模型只预测世界，却不认识自己，导致动作落空，所以本体认知是补足机器人大脑的关键。
爻方智能的Embodied-Omni模型在架构上有什么创新？
它采用大脑-小脑协同架构，VLM和VGM构成高层大脑负责理解和预测，AGM作为低层小脑负责动作生成，三者通过共享的多模态自注意力机制实时交互，而不是传统的串行两段式。
爻方智能如何解决机器人数据不足的问题？
爻方不依赖量产堆数据，而是用更聪明的架构把有限数据用到极致。训练数据中近一半是2D/3D轨迹、定位、任务规划等“具身大脑数据”，不需要真机采集，能结构化地提升模型的空间感和规划力。
爻方智能的训练方法分几步？各有什么作用？
分四步：前三步分别训练VLM、VGM、AGM，让它们各自专长扎实；最后一步联合微调，让三者对齐协同。
爻方智能与英伟达在机器人大脑方案上的主要区别是什么？
英伟达将本体状态作为输入信号，而爻方将逆运动学作为训练任务，让模型通过任务认识本体，把身体当考题而非条件。
科大讯飞在具身智能领域有哪些布局？
讯飞成立爻方智能专攻机器人大脑，控股子公司聆动通用负责工业具身大脑-小脑-本体全链路，并具有本体和硬件能力。讯飞还提供AI底座和产业资源。
