在人工智能技術(shù)迅猛發(fā)展的當(dāng)下，具身智能成為行業(yè)關(guān)注的焦點。隨著世界模型概念引發(fā)新一輪技術(shù)熱潮，適配具身智能的大模型研發(fā)路徑成為關(guān)鍵議題。強化學(xué)習(xí)與模仿學(xué)習(xí)之爭、端到端架構(gòu)與模塊化設(shè)計的選擇、仿真訓(xùn)練與真機實踐的側(cè)重，各類技術(shù)路線在行業(yè)中持續(xù)引發(fā)討論。原力靈機聯(lián)合創(chuàng)始人周而進(jìn)在近期訪談中提出，行業(yè)需回歸技術(shù)本質(zhì)，其團(tuán)隊通過構(gòu)建原生機器人模型DM0，探索出一條差異化發(fā)展路徑。

周而進(jìn)將具身智能的核心目標(biāo)定義為構(gòu)建分層智能系統(tǒng)。該系統(tǒng)由三層架構(gòu)組成：頂層規(guī)劃系統(tǒng)負(fù)責(zé)任務(wù)分解與全局決策，中層指令系統(tǒng)生成基礎(chǔ)動作指令，底層執(zhí)行系統(tǒng)則通過傳感器融合與電機控制實現(xiàn)精準(zhǔn)操作。這種設(shè)計源于團(tuán)隊對通用場景的深度思考——未來機器人需具備處理復(fù)雜動態(tài)環(huán)境的能力，如自主完成更換垃圾桶、擦拭桌面、補充飲水等多樣化任務(wù)。為實現(xiàn)這一目標(biāo)，模型必須突破單一場景限制，在硬件適配、傳感器融合、任務(wù)拆解等維度實現(xiàn)全面泛化。

在硬件通用性方面，原力靈機提出"可組裝式機器人"理念。針對物流行業(yè)不同場景需求，團(tuán)隊研發(fā)的模型需兼容多種機械臂構(gòu)型：重載場景配置粗壯型機械臂，精細(xì)操作場景則采用桌面雙臂靈巧手。這種設(shè)計要求模型具備跨硬件平臺的學(xué)習(xí)能力，即使更換傳感器或執(zhí)行機構(gòu)，仍能保持核心功能穩(wěn)定。周而進(jìn)強調(diào)，真正的通用模型應(yīng)像人類神經(jīng)系統(tǒng)般靈活，當(dāng)某條手臂缺失或新增觸覺模塊時，系統(tǒng)能自動調(diào)整控制策略而不影響整體性能。

數(shù)據(jù)策略成為突破泛化瓶頸的關(guān)鍵。團(tuán)隊采用"仿真+真機"的混合訓(xùn)練模式：在室內(nèi)導(dǎo)航、剛性物體抓取等基礎(chǔ)任務(wù)中充分利用仿真數(shù)據(jù)，而在疊衣服、液體搬運等精細(xì)操作領(lǐng)域堅持真機采集。通過部署多維度傳感器陣列，模型可同步獲取視覺、觸覺、力控等數(shù)據(jù)流。周而進(jìn)特別指出，當(dāng)前行業(yè)存在過度依賴視覺數(shù)據(jù)的傾向，而真實場景中觸覺反饋往往決定操作成敗。團(tuán)隊正在開發(fā)支持嗅覺傳感的數(shù)據(jù)采集系統(tǒng)，未來計劃將氣味識別納入環(huán)境感知維度。

針對模型參數(shù)量爭議，原力靈機發(fā)布的DM0模型以2.4億參數(shù)規(guī)模引發(fā)關(guān)注。周而進(jìn)解釋，參數(shù)規(guī)模與實際能力不存在必然關(guān)聯(lián)，團(tuán)隊通過優(yōu)化訓(xùn)練機制使模型在真實場景中達(dá)到60毫秒級響應(yīng)速度。這種"小而精"的設(shè)計理念源于對具身智能本質(zhì)的理解：與語言模型不同，機器人模型需要持續(xù)與物理世界交互，參數(shù)膨脹反而可能降低實時性。DM0的開源策略旨在推動行業(yè)建立原生模型開發(fā)標(biāo)準(zhǔn)，避免陷入對通用大模型的簡單改造。

商業(yè)化路徑選擇體現(xiàn)團(tuán)隊務(wù)實態(tài)度。盡管終極目標(biāo)是全場景通用機器人，原力靈機仍優(yōu)先切入工業(yè)物流領(lǐng)域。周而進(jìn)認(rèn)為，該場景同時具備標(biāo)準(zhǔn)化流程與動態(tài)變化要素，是驗證模型泛化能力的理想試驗場。在皮帶分揀、多品類打包等任務(wù)中，團(tuán)隊開發(fā)了"漸進(jìn)式兜底"方案：初期通過人工輔助與遠(yuǎn)程操控確保系統(tǒng)穩(wěn)定性，隨著模型能力提升逐步減少人工干預(yù)。這種滾動開發(fā)模式使客戶能早期見證技術(shù)價值，同時為模型迭代提供真實場景數(shù)據(jù)。

面對硬件性能是否制約發(fā)展的質(zhì)疑，周而進(jìn)指出當(dāng)前瓶頸主要在于模型架構(gòu)而非硬件指標(biāo)。他以春晚機器人表演為例說明：當(dāng)算法能實現(xiàn)復(fù)雜動作編排時，硬件的扭矩、精度等參數(shù)已滿足基本需求。團(tuán)隊更關(guān)注散熱、功耗等工程化問題，這些要素直接影響機器人持續(xù)作業(yè)能力。在訓(xùn)練機制創(chuàng)新方面，原力靈機正探索將世界模型與VLA架構(gòu)深度融合，使模型既能預(yù)測動作后果，又能規(guī)劃干預(yù)策略，這種雙向建模方式被視為突破閉環(huán)控制難題的關(guān)鍵。