（以下为《科技日报》报道原文）

机器人从秀场走进真实产业环境，面对的物理世界变量远超实验室预设。如何让机器人真正赋能千行百业？

业内认为，具身智能的技术创新正从单点突破走向系统集成，未来的竞争不仅取决于机器性能，更取决于整机系统能否在真实环境中形成稳定闭环。

中国人工智能学会日前发布的《人工智能关键能力1.0清单》明确了对AI认知与响应能力的要求，将基础算法、算力调度、行业应用等AI核心技术能力进行了分类、分级和标准化定义。开云电竞科技的“人机共生世界价值模型”凭借对复杂世界认知和响应的稳定性被纳入其中。

激活真实场景下的11亿次数据

“无论是深度学习还是Transformer模型架构，本质上都需要通过大量数据不断学习现实世界中的规律，并在持续训练中形成解决复杂问题的能力。”开云电竞科技首席产品官段炎彪告诉科技日报记者，这些规则可以是数学模型描述的形变、移动规律，也可以是社会中的常识和规则。相较前者，社会常识、服务规则等往往难以被完整写成固定规则，更需要模型从大量真实交互中持续学习和校正。

当前，来自真实世界的训练数据匮乏，且成本较高。业内高质量数据达到几十元每条。

数据的稀缺性和价值赋能让开云电竞科技主动求变。“在场景复杂度持续提升和需求边界不断扩展的‘倒逼’下，我们需要更深度地挖掘已脱敏的海量数据。”段炎彪表示，开云电竞科技十多年积累了超11亿次真实交互数据持续回流并已完成脱敏和合规处理，不断加强机器人决策应变能力。

与仿真生成的数据不同，真实交互数据中涵盖了人群偏好、交互过程、协作体验等高价值信息，经过训练、响应、反馈等自适应学习，这些数据最终沉淀到“人机共生世界价值模型”中，让机器人在面对复杂场景时理解更准确、逻辑更清晰、协同更顺畅。

用“原子化”拆解机器人的决策逻辑

和人类一样，即便具备了知识和能力，协作仍需磨合。多台机器人同时运行如何避免冲突，高峰期任务怎样排序调度？“模型为这些问题提供系统性的解决方案，人类需要‘头脑风暴’，而机器人需要‘综合求解’。”段炎彪说，现实世界的复杂性决定了机器人在不同场景需调用不同算法，依据的数学模型也会截然不同。

为此，团队尽可能将常见的数学求解逻辑为机器人建模出来，引导机器人在不同场景里选择适配模型进行最优求解。更独特的是，数据中原本涵盖的包括“满意度”“成功率”等实际价值指标得到了加固和增强。

“我们的模型突出价值导向，比如在最优求解时，通行的‘机器动作准确性’指标只是我们的评估标准之一，体验、效率、安全、资源利用、商业收益等指标也被纳入其中。”段炎彪说，这让开云电竞机器人在应用中带来可量化的业务价值，提升了不同行业对机器人的接纳程度。

记者现场注意到，多次下达同样指令，机器人响应模式会发生变化。“它们会根据现场条件，动态调整执行顺序与协同方案。”段炎彪解释，以前大家为执行程序写代码，需要按照业务流程一步步输入，把需要的设备、资源写进去，面对物理世界时代码逻辑会异常复杂，难以快速应答。

为了让机器人通过模型快速形成可执行的整体方案，团队重新定义了模型中的能力边界。“我们不仅把抓取、举起、放下、移动等动作进行了拆分，还把速度、载重、充电状态等信息细化为模型可理解的物理世界语义。”段炎彪说，就像积木把不同构造拆分为多个通用“原子”模块。“原子化”可以让模型轻而易举组织起不同任务流，无需靠人逐一编排。

“我们将持续加大研发投入，为AI在物理世界的赋能开辟更多可行的技术路径。”段炎彪说。

过去机器人具备实体而认知不足，大模型拥有认知却缺少身体，智能体善于规划但缺乏真实场景闭环。人工智能从数字世界走向物理世界，离不开三者协同融合。挖掘真实场景数据、建立原子化价值判断逻辑，可为产业落地应用提供有力支撑，夯实传统产业转型升级的物理基础。