5.0
深览指数
科技微博·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
清华大学现场演示了搭载一念Unisonmind端侧大脑的机器狗「哮天」，在无预设脚本、任务随机的开放环境中，完成了看图走迷宫、指挥人类使用天平称重、估算观众矿泉水瓶剩余水量等多项任务。该认知底座可实现全模态输入输出、理解与生成统一，并已迁移至人形机器人和电动轮椅。文章以人类智能为标尺，提出了一套可验证的物理通用智能（Physical AGI）标准，并论证一念Unisonmind已跨过该门槛。适合关注具身智能、通用人工智能（AGI）技术和产品落地的读者。原文 ↗
核心观点
- ▍一念Unisonmind端侧大脑已跨过Physical AGI（物理通用人工智能）的基本形态门槛，实现了同一套认知系统在不同实体载体上，未经特定训练，即在开放世界中完成多种任务。
- 01机器狗「哮天」能理解黑板上画的迷宫简笔画，并自主规划路径走出身后真实的三维迷宫，其中包括识别主持人画的「8」字路线并询问「能不能走捷径」。
- 02「哮天」通过语言和指令，指挥人类助手使用天平为随机物品称重，展示了物理智能、语言交流、行动规划和社会协作的综合能力。
- 03观众现场拿出两瓶喝过的矿泉水，机器狗「哮天」通过视觉估算，并指示观众撕掉标签以便更准确判断剩余水量，展示了处理非预设、非结构化问题的能力。
- 04同一个Unisonmind端侧大脑已成功运行在另一只机器狗、人形机器人和电动轮椅上，验证了认知底座与物理本体的可分离性与通用性。
- 05模型架构采用「统一世界Token空间」，实现全模态（视频、图像、声音、文字、动作）Any-to-Any输入输出，理解与生成统一，并支持18毫秒一次对齐状态的常驻运行（Runtime）。
反方 / 局限
- — 文章未提及当前演示任务的实际复杂度与真实工业场景的差距，也未讨论该系统的成本、功耗、可靠性等工程化落地问题。
- — 文章未与其他主流具身智能方案（如Google的RT-2、英伟达的Isaac平台等）进行对比，也未说明其「统一世界Token空间」架构相对于现有技术路线的独特优势所在。
6 分钟 · 3 卡片 · 9 资料
读原文 →