🇰🇷 한국어 🇺🇸 English 🇯🇵 日本語 🇪🇸 Español 🇨🇳 简体中文
发布日期: 2026.11.18 (三)
初创企业

RLWRLD致力于开发不限硬件的通用机器人基础模型

RLWRLD代表Ryu Jung-hee认为机器人的核心价值在于“灵巧性”,并与NVIDIA合作推出了旨在评估工业机器人能力的全新基准测试“DexBench”。

RLWRLD致力于开发不限硬件的通用机器人基础模型
一名戴着眼镜并面带微笑的男性的样子。(图片=T Times TV YouTube视频截图)

RLWRLD代表Ryu Jung-hee近期与NVIDIA合作推出DexBench基准测试,旨在通过模拟物理特性来评估机器人的灵巧性,并预测机器人将于2028年左右正式大规模投入工业现场。

“机器人为什么要奔跑?我们有汽车。剩下的身体仅仅是为了运送手的工具。”

随着机器人动作变得愈发华丽,工业界的目光却变得冷峻。尽管近期中国产机器人通过后空翻或马拉松等动态动作吸引了关注,但有人指出,这与替代人类劳动的实际目的相去甚远。RLWRLD代表Ryu Jung-hee将机器人的核心价值定义为“灵巧性(Dexterity)”,并强调若要实现100%替代人类劳动,必须具备结合高度智能与精细手部动作的“人类水平”技术。

携手NVIDIA打造“DexBench”,树立工业机器人评估新标准

RLWRLD近期与NVIDIA合作,公开了用于评估机器人灵巧性的全新基准测试“DexBench”。传统的机器人基准测试主要局限于实验室或大学环境下测试搬运箱子等简单动作,而DexBench则侧重于反映实际工业现场的复杂性。

Ryu代表明确指出了现有基准测试的局限性。他分析称,现有的研究者或学者所制定的基准测试未能充分涵盖实际劳动的语境,“擅长家务并不意味着在工厂、物流中心或酒店也能干好”。为此,RLWRLD构建了通过分析实际作业现场劳动并提取共同要素的“分类法(Taxonomy)”,并以此为基础,在模拟环境中实现了便利店、物流中心、工厂等具体场景。

特别是DexBench利用了NVIDIA的物理模拟引擎“Newton”和模拟器“Isaac Sim”技术,能够精细地反映物体的重量、光滑度、透明度等物理特性。这是基于“若不能完美实现物体的物理特性,则不具备作为基准测试价值”的判断。DexBench有望成为全球机器人企业客观证明其模型性能的标准工具。RLWRLD表示,在已有的8项基准测试中,其机器人基础模型“RLDX-1”的表现已超越了开源模型。

不限硬件的“通用AI”,机器人市场的B2B战略

RLWRLD的战略并不直接制造硬件,而是专注于开发可搭载于任何机器人的“机器人基础模型”。这与特斯拉的“Optimus”或Figure AI那种同时开发机器人身体与AI的方式有所区别。RLWRLD旨在打造一种不限硬件的“硬件无关(Hardware Agnostic)”模型。

Ryu代表之所以专注于软件,是因为机器人市场的特殊性。机器人市场是面向企业而非个人消费者的100% B2B市场。企业的作业环境各异,有的需要精密的机器人,有的则需要搬运重物的强力机器人。由于单一的机器人身体无法满足所有环境,因此能够支持多种硬件的通用AI模型在市场中更具竞争力。他解释称,机器人市场基本上是100% B2B,为了满足各企业不同的需求,支持多种硬件的基础模型是必不可少的。

他解释说,正如LLM(大语言模型)通过学习多种语言实现无需翻译的语境理解一样,机器人AI在积累足够的数据后,也可以实现不同硬件间的动作迁移。基础模型的关键在于跨越“具身(Embodiment)”这一临界点,即在特定机器人上学习的动作可以在其他形态的机器人上实现。其原理类似于人类的知识即便存在于英语数据库中,也能回答韩语问题。

毫秒级的竞争,实时控制决定成败

机器人AI与LLM存在决定性的区别,即“实时性”。像ChatGPT这样的语言模型即使回答需要几秒甚至几分钟,用户也是可以接受的;但机器人必须立即应对抓取物体瞬间发生的物理变化。Ryu代表警告称:“机器人抓取物体时,为了防止打滑而进行姿态修正的时间必须在数十到数百毫秒(ms)内完成。如果反馈回路无法在此时间内运作,机器人可能会失去重心并摔倒。”

这意味着高层智能规划路径的“规划(Planning)”领域,必须与通过指尖感觉进行即时反应的“局部控制”领域进行精细结合。Ryu代表引用了韩国科学技术院Gong Gyeong-cheol教授的观点,对将大脑判断的认知领域与指尖完成的感觉领域分开思考的“系统1、系统2”概念表示认同。他认为,为了应对物体的光滑度或重量,不仅需要大模型的概率性方法,还需要通过实时反馈回路实现的混合结构。

最终,RLWRLD的目标是通过结合巨大的基础模型智能与实现实时控制的软件栈的混合结构,完成能够立即投入工业现场水平的机器人智能。近期,利用Astra或Argon等智能体AI(Agentic AI)来解决机器人问题尝试也在持续进行。Ryu代表预测人形机器人将成为所有机器人的祖先,并预计到2028年左右,机器人将正式大规模投入工业现场。

来源:原视频(YouTube)

#RLWRLD #Ryu Jung-hee #DexBench #NVIDIA #RLDX-1 #机器人 #工业自动化
L
Lim Sangwoo
TrendBiz · 记者

트렌드경제신문에서 경제 분야를 주로 취재합니다. 기업소식, 금융 기사도 함께 씁니다.

该记者的其他报道 ›
版权所有 ⓒ TrendBiz 禁止未经授权转载、再分发及用于 AI 训练与使用

0评论

当前已关闭评论功能。

快来发表第一条评论吧。