放弃主流路线，科学家要造会做家务的机器人

2026年4月，硅谷一家公司的机器人突然把精细家务的成功率从64%拉到了99%——不是靠更精密的机械臂，而是给AI喂了足够多的真实家庭操作数据。几乎同时，另一家硅谷公司把机器人直接送进用户家叠衣服、冲咖啡，靠一套戴在手上的「数据采集手套」解决了训练数据的难题。大洋彼岸，曾把公司做到200亿估值的许华哲，在事业巅峰选择单飞，他要造的不是工厂里拧螺丝的机器人，是能在你家完成完整洗衣流程的「真·家庭助理」。为什么整个行业突然把宝押在了乱糟糟的家庭场景？答案藏在一个被反复提及的词里：泛化能力——让机器人能适应没见过的环境、完成没练过的任务，而不是只会重复预设动作。

不用语言当中间件，直接学「视频-动作」

过去的机器人学做家务，得先把视觉信息转成语言描述，再把语言指令转成动作——就像你给一个完全不懂中文的人做饭，要先把菜谱翻译成英文，再让他按步骤做，中间每一层转换都会丢信息，更别说应对家里突然移位的杯子、换了包装的洗衣液。

许华哲的团队直接跳过了语言这层中间件，他们给AI喂的是「视频+动作」的配对数据：比如人叠衣服的第一视角视频，同步对应着手臂、手指的运动轨迹。你可以把这个过程想象成学跳舞——不是看文字教程记动作，是对着镜面反复模仿老师的连贯动作，连肌肉的发力节奏都一起学。

这种「视频-动作世界模型」的核心是一个叫UAG的并联训练架构：先单独把所有动作数据练熟，再和视觉模型一起联合训练。一个小时的视频数据是海量的像素，但一个小时的动作只是关节的一串浮动数值——这种方式把训练效率拉快了5倍以上，还能最大程度保留AI的泛化能力，让它能看懂没见过的衣服褶皱，调整没练过的叠法。

让机器人从失败里学，超越人类示范

光靠模仿人类还不够——人类叠衣服的动作未必是机器人最顺手的，而且家里总会出现没见过的情况。许华哲的团队把强化学习贯穿了训练的全过程，这相当于给机器人装了个「自我复盘」的大脑。

传统的机器人强化学习只在最后调参数用，他们却把离线强化学习放进了预训练阶段：AI会一边看人类的示范数据，一边自己在虚拟环境里试错，比如叠错了衣服、碰倒了杯子，系统会用「价值函数」给这些失败样本打分，告诉AI「这样做不对，为什么不对」。就像你学骑车，摔过几次才知道怎么保持平衡，AI也会从失败里记住哪些动作会导致任务崩盘。

更关键的是，这种方式能让机器人突破人类示范的上限。比如人类叠一件毛衣可能需要10秒，AI通过反复试错，能找到更高效的动作路径，8秒就能完成；人类可能没练过叠奇形怪状的围巾，AI却能从叠衣服的经验里推导出围巾的叠法。用许华哲的话说，「我们要的不是一个模仿者，是一个能自己解决问题的助手」。

从实验室到客厅，还要跨三道坎

但要让机器人真的走进千万家庭，还有三道坎要跨。

第一道是数据的「真实感」。实验室里的衣服都是平整的、杯子都是放在固定位置的，但你家的沙发上可能堆着揉成球的T恤，餐桌上的杯子可能歪歪扭扭。许华哲的团队用了三层数据采集方案：外骨骼提着机械臂采高精度数据，UMI硬手套让普通人就能快速采集大量动作，还有第一视角摄像头记录人在家干活的自然状态——连你偶尔偷懒的潦草叠法都会被记录进去，这样AI才不会在真实家庭里「水土不服」。

第二道是成本的「亲民化」。现在的人形机器人动辄几十万，普通家庭根本买不起。许华哲的团队算过账：家庭机器人不该是奢侈品，而是像当年的智能手机，初期可能五位数起步，但随着供应链成熟、量产规模扩大，价格会慢慢降到大众能接受的区间。

第三道是安全的「底线」。机器人在你家走来走去，不能碰倒花瓶，不能撞到老人孩子。目前行业里已经有了ISO 13482这样的安全标准，要求机器人必须有紧急停止、防碰撞的机制，但更细节的问题——比如机器人突然没电了怎么避免摔倒，还需要技术和设计的双重打磨。

许华哲说，他从小读《乔布斯传》时就想造一款改变生活的产品，现在这个机会终于来了。过去几十年，机器人一直在工厂里做重复劳动，就像被关在笼子里的鸟；而家庭场景是一片真正的森林，这里没有预设的轨道，只有无穷无尽的意外和需求。

真正的通用人工智能，从来不是在实验室里算出完美的公式，而是能在乱糟糟的生活里，帮你叠好一件揉皱的衬衫，冲一杯温度刚好的咖啡。

泛化能力，是机器人读懂生活的钥匙。