想理解机器人的大脑，不妨先看看我们自己的大脑。人脑由大脑、小脑、脑干和间脑组成，各司其职。大脑掌控着高级认知和感觉运动，小脑负责运动协调和平衡，脑干维持生命活动并传递信息，间脑则管理感觉信息中转和内分泌调节。在机器人世界里，这种结构也有了对应。机器人的“大脑”是中央控制器，目前还处于发展阶段，未来有望实现更强大的高级认知和信息处理能力。小脑的功能则体现在动作学习模仿和复杂动作控制上，让机器人能像人类一样做出精细动作。脑干和间脑对应的则是机器人中的传感器、执行器、线束和网关，负责电源管理、通信控制和状态监测等基础功能，确保机器人各个部件协同运作。

在具身机器人的“大脑”领域，英伟达凭借其强大的计算平台占据了主导地位。其Jetson系列专为机器人和边缘AI应用设计，从Nano到AGX Xavier，再到最新的Jetson Thor，不断为机器人提供更强大的算力支持。Jetson Thor更是基于NVIDIA Thor SoC，具备800万亿次8位浮点运算的AI性能，能够执行复杂任务并与人机交互。国内厂商也在奋起直追，推出了高低配的算力模组方案。例如，宇树、众擎等厂商的基础算力模组能满足机器人基础动作需求，而高算力模组则多基于英伟达平台进行开发，为二次开发提供了更多可能。

训练方案上，模仿学习和强化学习各有千秋。模仿学习让机器人快速学习专家策略，但泛化能力有限；强化学习则通过大量试错探索未知策略，适合复杂动态环境，不过学习过程缓慢且奖励函数设计困难。数据采集方面，基于仿真环境的Sim2Real方法能低成本获取大量数据，但存在仿真与现实差异；基于真实世界的数据采集虽然数据真实可靠，但成本高、效率低。

国内外厂商在具身机器人领域的大模型进展如火如荼。银河通用发布的GraspVLA模型，通过预训练和后训练相结合，利用合成大数据和小样本学习，展现出强大的泛化能力。Figure AI的人形机器人VLA通用大模型则通过互补的系统权衡，实现了快速反应与通用性的平衡。智元通用的具身基座大模型GO-1采用ViLLA架构，通过预测Latent Action Tokens，弥合图像-文本与机器人动作之间的鸿沟，大幅提升了机器人在多种任务上的成功率。英伟达的GR00T N1模型则借鉴人类认知处理，采用双系统架构，结合真实机器人轨迹、人类视频和合成数据进行训练，提升了机器人在复杂环境中的操作能力。

从L1的完全由人控制到L5的完全自主智能，机器人正逐步迈向更高的智能水平。目前，人形机器人产业正朝着L3级迈进，预计到2026年，具备L3初阶能力的人形机器人将进入适度规模的商业化量产阶段。L4级具身智能机器人将在未来3-5年内落地，主要应用于B端的工业制造和商业服务等领域，如餐厅服务员、清洁工和制造车间工人等。这些机器人能够在特定活动范围内独立自主完成工作，具有一定的泛化学习能力。而L5级具身智能机器人预计在未来5-10年内落地，将成为C端家庭中的硅基家人，承担家务助理和个人事务助理的角色，具备高度复杂场景下的自主工作能力和情感化交流能力。

遥操作技术在具身机器人的发展中扮演着重要角色。通过将人类操作包含在控制回路中，遥操作能够加速具身智能的数据采集环节，同时在商业化领域，也能在恶劣环境下取代人类，降低企业用工成本。特斯拉的Optimus人型机器人就是通过VR头显和动捕服等设备，让人类训练员的动作被机器人实时复刻，从而加速了机器人的训练过程。智元机器人则在上海建立了“数据采集工厂”，通过一对一的数据采集员，让机器人在不同场景中学习执行任务，日均采集大量数据，为机器人的训练提供了丰富的素材。遥操作技术不仅有助于具身机器人的训练，还可能成为未来具身智能生态的基础设施级技术，持续赋能物理交互能力的进化迭代。

03

参考研报&来源

2025具身机器人行业未来展望报告