5.9
深览指数
科技腾讯新闻·量子位··AI 生成
机器狗指挥人类用天平称重！清华现场演示：无脚本，任务随机，观众即兴出题
本文记录并分析了清华大学一念Unisonmind团队的一场现场演示：搭载其端侧大脑的机器狗，能在无预设脚本、随机任务、观众即兴出题的真实场景中，完成看图走迷宫、指挥人类用天平称重、估算水瓶剩余水量等任务，且同一认知底座可迁移至人形机器人与轮椅。文章的核心贡献在于，以人类智能为参照，提出了Physical AGI的标准化定义与可验证能力框架，并展示了其自研的“统一世界Token空间”模型架构如何支撑这种泛化智能。适合关心具身智能、AGI技术路线及产品化判断的从业者与研究者阅读。原文 ↗
核心观点
- ▍Physical AGI的核心定义是：一套以实体为载体、在真实世界中持续运行的“认知范式”，能调度感知、表征、记忆、学习等基础能力，在语言、空间、物理、行动等维度形成泛化智能，并通过实体与环境构成实时、持续的“感知—行动—反馈”闭环。
- ▍清华大学展示的一念Unisonmind系统已跨过Physical AGI的基本形态门槛：同一个认知底座在无预设脚本的真实现场，未经针对性训练，即能组织多项领域智能完成随机任务，并可无缝迁移到不同本体。
- 01现场演示了三大类任务：机器狗“哮天”看懂手绘迷宫并走出；指挥人类助手使用天平称量随机物品；估算观众递来的已开封矿泉水瓶剩余水量。所有任务均无预设脚本，任务由观众现场即兴提出。
- 02同样的Unisonmind端侧大脑，还成功运行在另一只机器狗、人形机器人和电动轮椅上，验证了其“不同本体，同一个认知底座”的通用性。
- 03支撑上述泛化能力的底层架构是“统一世界Token空间”：多模态输入汇入同一个统一状态空间，模型持续运行，输出语言、声音、动作等结果，环境反馈再成为下一轮输入，形成闭环。
- 04架构可概括为“3+1”：全模态Any-to-Any、理解与生成统一、全链路Runtime（18毫秒一次状态对齐），以及端侧本体部署。
反方 / 局限
- — 文章未提及当前系统的局限性、失败案例或与同类方案的量化对比（如在标准Benchmark上的表现），也缺少对端侧算力、功耗、实时性瓶颈的具体数据说明。
- — 演示强调“无脚本”，但任务难度（走简单迷宫、称重、估水）是否足以代表Physical AGI的真实泛化能力？文章未讨论在更复杂、更动态、更嘈杂的真实物理环境中系统的鲁棒性。
8 分钟 · 4 卡片 · 9 资料
读原文 →