TL;DR：
在喧嚣的具身智能浪潮中，星海图首席科学家赵行以一种近乎“反潮流”的姿态，深耕于“脏活累活”的数据工程，坚信高质量数据才是实现具身智能泛化能力的关键。他将学院派的严谨与产业界的务实融为一体，以深远的技术洞察和开源贡献，静默而有力地推动着整个行业向真正的智能涌现。
2025年的世界机器人大会（WRC），人头攒动，炫目的机器人Demo此起彼伏，如同一场高科技的华丽盛宴。然而，在诸多“敲锣打鼓”式的表演中，星海图的展位却呈现出一种异样的静默——一台机器人正一丝不苟地执行着铺床任务。围观者中不乏困惑的眼神，他们难以理解，为何人类轻而易举的动作，会成为一个公司大费周章展示的焦点。
“铺床是个集各种难度于一身的长程任务。”星海图首席科学家、清华交叉信息学院助理教授赵行，在展会现场对《智能涌现》解释道，语气中带着一种学者的沉稳与技术人的自信，“它考验了机器人柔性物体操作、模型的全身控制等能力，以及在各种杂乱床面上完成整理的泛化性。”随后，工作人员随意弄乱被子，一位观众下达指令，机器人随即开始工作。它调用全身23个自由度，底盘移动，躯干升降俯仰，机械臂抓取、外拉、展平……每一个看似简单的动作，都蕴含着复杂的全身协调与环境感知。这场演示的背后，是星海图新发布的VLA（Vision-Language-Action，视觉-语言-动作）端到端基础模型G0。这并非一场刻意追求“酷炫”的表演，而是赵行和星海图团队对具身智能核心问题的深刻理解与实践。
技术突破的背后：从展台到深层基石
星海图G0模型的诞生，源于赵行对具身智能发展路径的深刻洞察。他坦言，过去的小模型虽能做展示，但难以规模化应用，真正要获得泛化能力，必须走向大模型。这一判断，深植于他对AI“第一性原理”的信念，即大语言模型领域已被验证的“Scaling Law”（规模法则）——数据量变能够引起模型能力的质变，这一规律在机器人领域亦应复现。
模型的泛化性，是具身智能从实验室走向真实世界的关键瓶颈。赵行将其拆解为三大难点：一是操作对象的异质性，从葡萄到番茄，从软到硬，大小各异；二是场景和环境的多样性，即使同一物品，在不同环境布局下操作难度迥异；三是任务和动作的复杂性，例如抓取一张薄纸，需要先“抠边”再拿取，这种难以语言定义的精微动作，恰是人类的本能，机器人的痛点。他坚信，只有大模型才能跨越这些鸿沟，赋予机器人如人类般下意识的泛化能力。
信仰与坚持：数据为王的“脏活累活”
自2024年底决定投身具身大模型以来，过去十个月，赵行将主要精力倾注于一项“脏活累活”——数据工程。这是一个与实验室科研截然不同的领域：“科研需要聪明的大脑，有时一个好的算法几天就能想出来；但数据采集是一个非常基础的工作，需要坚持。”他口中的“脏活累活”，涵盖了采集员培训考核、真机遥操作采集、数据上传、清洗、标注等一系列繁琐而耗时的工作。由于具身智能领域尚处于早期，“整个链路尚未形成标准化流程”，他甚至需要亲自处理一线采集员的反馈。一位星海图的同事透露：“赵老师是我们的加班搭子，经常半夜还能看到他。”这句话背后，是这位科学家日以继夜的投入与执着。
在赵行看来，高质量数据是具身智能大模型泛化能力的基石，而高质量的定义在于真实性和多样性。他举例，很多团队构建的“家庭环境”窗明几净，与真实世界中物品乱堆乱放的情况大相径庭，因此星海图坚持在真实环境中采集数据。同时，数据的“乱的多样性”也至关重要，如同训练大语言模型需遍历整个互联网语料，具身智能亦需尽可能采集覆盖广泛场景的数据，而非仅专注于某一个任务。为此，星海图定义了家庭、酒店、工厂和仓库、超市、餐厅五类真实场景进行数据采集，希望找到机器人真正有价值的应用之地。
此次G0模型发布的同时，星海图还即将开源500小时的开放世界真机数据集。这一举措并非权宜之计，而是源于赵行深厚的学术背景与“贡献越多，收获越多”的信念。他回忆起在麻省理工求学期间，曾与其他同学历时两年构建了著名的ADE20K图像分割数据集，其影响力至今仍在。1 他希望通过开放数据集，为具身智能行业提供一个高质量的基准和评价标准，让不同团队能在统一数据上比较算法、验证效果，共同推动技术进步。同时，这也能大幅缩短从购机到模型部署的开发链条，降低重复采集和标注成本，帮助高校、研究所与企业更快进入实验与迭代阶段，构建一个共同开发的生态群体。
战略视野：工业化路径与未来探索
尽管具身智能领域技术路线众多，赵行对星海图的工业化路径有着清晰的判断。他认为，当前的VLA范式是一个“很合理的路径”，因为它能通过遥操作完成生活中九成的任务。他承认触觉等更多模态的引入是未来趋势，但现阶段，视觉传感器因其百年的工业化发展、成熟的工程化与标准化，成为大规模数据采集的首选。他认为，当触觉传感器标准化后，自然会被纳入VLA框架。
在VLA大框架下，星海图选择了“快慢双系统”的技术路线，即系统层面的“慢思考”与“快执行”。这一灵感来源于自动驾驶的经验。赵行解释，单一系统会因思考速度限制运动速度，或模型参数量过大难以部署。更重要的是，从第一性原理来看，人类的条件反射与深度思考也以不同频率协同工作，这是一个更高效、更节能的系统。他强调，这两个系统并非独立存在，而是一种“你进我退”的动态连通关系，随着技术发展，它们将愈发紧密，最终实现类似人脑分层架构的自然协同。
对于当下热议的“世界模型”，赵行认为这是一个“非常面向未来、重要的技术”，星海图也持积极探索态度，但它尚未进入工业化阶段。他将其视为一个典型的“靠聪明头脑驱动的工作”，需要定义出最合理的算法来建模物理世界的运动规律。如果能实现这一点，机器人便无需再模仿学习，可直接预知动作后果。然而，让机器人预知未来“可能比让机器人规划现在的动作更难”，赵行笑言这有点像“为了解决一个难题还要创造另一个难题”。因此，他认为这非常适合最聪明的、最前沿的实验室去探索。
学术滋养与产学协同：一位科学家的归国之旅
赵行的人生轨迹，映射着中国AI领域的蓬勃发展。在麻省理工毕业、留美工作后，他于2020年受姚期智先生邀请，回国在清华交叉信息研究院任教。他认为，清华叉院为年轻学者提供了巨大的空间和自由度，不限制研究方向，这“很有利于人才储备”，使得当新的技术产业机会来临时，能够“涌现出了很多的人才”。
在清华任助理教授，同时在星海图担任首席科学家，赵行是当前中国AI领域“产学结合”的典型代表。他认为，机器人领域当下的浪潮，正是产学协同的最佳体现，许多高校教师投身创业，是因为他们此前在这一方向的探索和积累已达成熟阶段。另一方面，产业的发展能够解决学术领域在机器人学习中遇到的痛点——比如数据规模的限制。“之前在学术领域，虽然大家在尽量做标准化，但因为规模还是小一些，所以会比较难。但是产业发展会带来数据等方面在量级上的提升，量变会促进质变，也可以使学术进展有爆发式的增长。”他总结道。赵行以其深耕基础、着眼未来的学术与产业双重视角，正在中国具身智能的宏大画卷上，静默地描绘着坚实而富有远见的笔触。
引用
-
热闹的Demo不等于泛化能力，具身智能胜负仍在数据量·36氪·富充（2025/8/13）·检索日期2025/8/13 ↩︎