國產具身大模型首闖汽車工廠！終結工業機器人 “專機專用” 時代
http://m.sharifulalam.com 2025-06-16 10:35 來源：中國信息化周報
近日，東風柳州汽車有限公司（以下簡稱“東風柳汽”）與智平方（深圳）科技有限公司（以下簡稱“智平方”）簽署戰略合作協議，探索具身大模型在汽車制造全方位場景的首次深度應用。
搭載智平方全域全身VLA（GOVLA）大模型的通用智能機器人AlphaBot 2（愛寶）將進駐東風柳汽汽車工廠，在柔性裝配、油液加注、安全巡檢等多個場景執行智能化作業，覆蓋質量檢測、裝配作業、物流轉運、工廠運維等關鍵制造環節。這是通用智能機器人探索“進廠打工”的最新一例，標志著國產具身大模型首次獲得汽車制造全場景驗證。
VLA（視覺-語言-動作模型）作為具身智能領域的關鍵新范式，能有效整合視覺信息、語言指令與行動決策，顯著提升機器人對復雜環境的理解和適應能力，對推動機器人從單一任務執行向多樣化場景自主決策的跨越至關重要。但在實際應用過程中，VLA模型在泛化能力、精確性、多模態信息融合上仍存挑戰。
VLA僅是具身智能的起點
具身智能旨在讓智能體在物理世界中通過感知、決策和行動來實現目標，而視覺-語言-動作（VLA）模型作為其中的關鍵技術，近年來備受關注。
例如，在機器人任務中，VLA模型可以根據看到的場景（視覺）和接收到的任務指令（語言）來決定如何移動和操作（行動），其末端執行器或特定參考點在空間中所經過的路徑便是運動軌跡，通過VLA模型對多模態信息的處理和分析，能夠不斷優化和調整運動軌跡，使機器人能夠高效、準確、安全地完成各種任務。
2023年8月，谷歌DeepMind推出機器人模型Robotics Transformer 2(RT-2)，是全球第一個控制機器人的視覺-語言-動作大模型（Vision Language Action Models，VLAs），10月發布RT-X機器人大模型。
如今，VLA模型已廣泛擴散至輔助駕駛領域。3月18日，理想發布了下一代自動駕駛架構MindVLA，成功整合了空間智能、語言智能和行為智能；隨后的4月，小鵬披露其正在研發的720億參數自動駕駛大模型——小鵬世界基座模型，該模型以大語言模型為骨干網絡，通過海量優質駕駛數據訓練而成，具備視覺理解、鏈式推理和動作生成三大核心能力；此外，吉利、奇瑞等車企也在積極研發布局VLA大模型。
而在6月6日的2025智源大會上，銀河通用機器人Galbot G1也亮相現場，機器人在語音指令下自主、精確的從現場搭建的貨架上抓取對應物品，全程無遙操、自主推理、且事先無采集場景數據。此次Galbot G1展示的貨架精準取貨，背后的技術正是銀河通用團隊最新研發的端到端具身大模型Grocery VLA。
對于VLA的泛化性，銀河通用創始人兼CTO（首席技術官）王鶴認為，“VLA是當下具身研究的熱點，但VLA只是一個起點，要真正做到人類級別的具身智能，只能是不斷融合新的模態。VLA面對的很多任務，在工業、商業、服務等方面都有非常廣泛的應用，如果把這樣的VLA做好，將見證具身智能第一次真正高峰的到來。”
中關村人才協會RWA工作委員會常務副主任及秘書長吳高斌向《中國信息化周報》記者表示：“盡管VLA模型在整合視覺信息、語言指令與行動決策方面表現出色，但在實際應用中仍面臨環多方面挑戰，真實生產環境中存在諸多不確定性因素，如光照變化、噪聲干擾等，這些因素可能影響VLA模型的準確性和穩定性。雖然VLA模型在處理簡單任務時表現出色，但在面對復雜、長程任務時，如何有效規劃行動路徑、避免沖突等仍是需要解決的問題。如何提高模型的泛化能力，減少對特定環境依賴，是未來研究重點。”
天使投資人、資深人工智能專家郭濤接受《中國信息化周報》記者采訪時表示：“VLA模型在工業場景的深化應用仍面臨多重技術挑戰。其一，多模態信息融合精度亟待提升，工業環境中的光照變化、部件遮擋等因素易造成視覺感知誤差，需進一步優化跨模態對齊算法；其二，長程任務規劃系統的魯棒性不足，面對動態產線干擾時，語言指令解析與動作執行的容錯機制仍需完善；其三，數據獲取與處理存在瓶頸，汽車制造領域數據樣本稀缺且標注成本高昂，如何通過小樣本學習技術實現模型對不同車型產線的快速適配，成為制約技術規?；瘧玫年P鍵難題。”
機器人打工首獲汽車全場景驗證
近年來，人形機器人的發布會總少不了“太空步”“后空翻”等表演。而在東風柳汽的實際應用場景中，智平方愛寶展現出全方位的智能化作業能力。
例如，在上下料場景，愛寶能夠精準完成從料車搬箱、姿態調整到定位放置的全流程作業，同步完成取件、滅燈及轉身放置，顯著提升搬運效率和操作靈活性；在拖拽料車場景，基于全域環境感知技術，機器人可實時分析產線運行狀態，自主規劃最優路徑并安全介入，實現空料車的精準拖拽；在車門質檢與貼保護布環節，GOVLA大模型協調視覺、決策與動作系統，讓愛寶能夠自主執行車門識別、車門檢測、漆面掃描、抓取保護布、保護布貼合等多步驟復雜任務，確保長程任務穩定操作。
這種能力的背后，是智平方大模型的革新。作為國內最早提出并系統性研發端到端VLA技術范式的企業，智平方于今年4月在原有具身大模型AI2R Brain基礎上正式發布全球首個自主研發的GOVLA大模型。該具身大模型具備從桌面到開放環境的適應能力、從單臂到全身協同的操作能力，以及從簡單任務到長程復雜任務的推理能力。
“東風柳汽本次與智平方的合作，不僅體現了技術從實驗室到工業場景的落地能力，更通過真實生產環境的數據反饋，推動了具身智能技術的快速迭代。對于汽車制造業而言，智能化升級是提升效率、降低成本、增強競爭力的關鍵路徑，而此次合作正是這一趨勢的生動實踐。”北京市社會科學院副研究員王鵬向《中國信息化周報》記者說道。
郭濤認為，“這項創新應用開創了具身大模型在汽車制造全流程落地的先河，徹底打破傳統工業機器人‘專機專用’的技術桎梏。相較以往，本次技術升級實現三大維度突破：在任務執行層面，憑借34+自由度全身協同控制系統，機器人可靈活切換裝配、檢測、巡檢等跨工序作業，顯著提升生產柔性；環境適應方面，通過360°全域自主導航與多車型混線生產適配技術，有效解決傳統機器人部署周期長、產線調整效率低的行業痛點；決策能力維度，基于GOVLA模型構建的視覺-語言-動作閉環系統，賦予機器人自主完成油液加注等復雜復合任務的能力，較傳統示教編程模式大幅提升生產效率”。
近年來，機器人公司加速進入工業場景，如開普勒與全球前五大主機廠及頭部物流公司展開合作，優必選在極氪汽車5G智慧工廠完成多場景多任務機器人協同實訓，比亞迪通過工業人形機器人Walker S1與無人車協同作業打通產品從來料到生產的物流鏈路。具身智能的進化，離不開海量真實數據的聚合。通過在制造工廠的場景應用，可以為國產機器人提供最佳的“實戰訓練場”。
編輯精選
