机器人喊了几十年狼来了，这次为什么值得信一次

机器人行业从来不缺惊艳视频。机械臂会叠衣服，人形机器人能跑能跳。动作已经做到这份上，家里和工厂里却仍然少见能够独立干活的机器人。

最能说明问题的是 2024 年的 OK-Robot。OK-Robot把开放词汇识别、导航和抓取模块接在一起，让机器人去十个真实家庭完成取物任务。每个模块单独看都相当成熟，整项任务的成功率却只有 58.5％。研究人员把房间收拾干净，避开太大、透明或容易滑落的物体，成功率便升到 82％左右。

这组数字解释了机器人几十年的停滞。一个动作做得漂亮，跟一台机器在杂乱房间里持续做事，中间隔着一整套自主系统。

会做动作，离会做事还有多远？

过去每一轮进步都很真实。强化学习改善复杂控制，Diffusion Policy 让连续动作更自然，VLA 又把视觉、语言和动作放进同一个模型。

这些技术主要在解决 Policy。机器看到眼前的画面，要选出下一步动作，可以写成 π(a|o)。

但一台能独立工作的机器人还要保留历史，判断哪些信息没有看见，并估计动作会带来什么结果。任务出错以后，它得认出错误，修改计划，或者回到还能继续的位置。它所依赖的输入已经变成当前判断、历史和长期目标，可以粗略写成 π(a|bₜ,hₜ,g)。

这套能力叫 Autonomy。Policy 决定下一步怎么动，Autonomy 关心一件事能否从头做到尾。过去几十年，机器人行业不断用前者的进步推测后者即将到来，很多次落空就发生在这里。

OK-Robot 的实验很典型。机器人可能找到了杯子，导航终点却被家具挡住。它也可能走到杯子前面，夹爪的角度又抓不住。识别、导航和抓取各自都能交出不错的成绩，一旦串成完整任务，前面留下的偏差就会交给后面继续处理。

机器人需要记住一个看不全的世界

摄像头拍到的是 Observation，机器人做事需要的是 State。两者在开放环境里很少完全重合。

拿一只关着的柜门来说，画面只能告诉机器人柜门关着。目标物在不在里面，刚才有没有查过，门前的纸箱是否挡住开启轨迹，这些任务相关的信息都不在当前画面里。

机器人只能结合过去的观测和动作，持续估计世界现在是什么样。研究里把它叫作 Belief State。落到机器上，它就是一份不断改写的内部记录。哪些事已经确认，哪些地方仍然拿不准，下一步观察能减少什么不确定，都要记在里面。

真实房间里的物体、遮挡和接触状态太多，可能出现的未来很快就算不过来。RoboMME 专门测试机器人的计数、临时遮挡和程序记忆，也说明 Memory 已经成为通用 VLA 必须补上的能力。

一台收到新画面便重新猜动作的机器，可以表现得很敏捷。它若记不住刚才开过哪个柜子，就很难在十分钟后把事情收好尾。

长任务会让小错误不断复利

假设一个步骤的成功率达到 99％，而且各步失败大致独立。连续做一百步，全部成功的概率约为 36.6％。单步成功率降到 98％，一百步全对只剩 13.3％。

现实会更难。机器人把红杯看成橙色杯，内部状态会随之写错，接下来的计划便建立在错误状态上。夹爪碰歪一只盘子，环境已经变化，旧计划还可能继续执行。感知偏差会污染状态，错误状态又会生成错误动作。

这就解释了实验室 Demo 与产品之间的落差。一次抓取成功，证明机器人拥有一项技能。产品要证明它能连续工作，出了错还能回来。

评价指标也该随之改变。整项任务完成了多少次仍然有用，平均多久需要人来救一次更接近产品价值。失败以后能否自己恢复，也该单独记录。

这一次，几块缺失的能力开始合在一起

VLA 给机器人带来了大规模预训练。Open X-Embodiment 汇集了 22 种机器人和超过一百万段操作记录，OpenVLA 又用 97 万条真实机器人示范训练通用模型。机器人开始从不同机器和任务里吸收可迁移的经验。

通用技能有了规模，长时自主仍需要内部状态、未来预测和规划。Memory 与 Belief 负责记住任务走到哪里，World Model 预测某个动作之后会发生什么。Search 在多个未来中选择路径，VLA 再把计划变成动作。Simulation 则补充训练数据，让系统提前遇见更多失败。

这一轮值得认真对待，因为这些能力开始进入同一套系统。

Physical Intelligence 在 2025 年公布的 π0.5 已经采用分层结构。模型先预测高层子任务，再生成低层动作。论文里的移动机器人能在训练集之外的家庭清理厨房和卧室，单次任务持续 10 至 15 分钟。

Google DeepMind 公布的 Gemini Robotics 2 把分工做得更清楚。高层 ER 模型观察房间、拆解任务并追踪进度，再调度 VLA 执行动作。Google 称系统可以处理持续数分钟、包含数百次决策的任务，并在某一步失败后自我纠正。这些结果目前主要来自公司材料，仍然需要独立测试。

现在宣布机器人已经解决还太早。十几分钟任务与连续工作几天之间，差距依然很大。可研究目标已经从增加动作技能，转向维持状态、规划长任务和处理失败。机器人第一次有机会从 Skill Scaling 走向 Autonomy Scaling。

接下来判断行业进度，可以少看一点技能清单。先看机器人能独立工作多久，再看一小时里要人接管几次。平均人工干预间隔从几分钟变成几小时，再走向几天，才意味着产业真的变了。

到那时，狼来没来，不必再看发布会。现场已经没人负责救它了。