智元机器人姚卯青：以世界模型驱动飞轮，解锁具身智能规模化应用

8月10日，2025 世界机器人大会在北京举行。智元机器人合伙人兼具身业务部总裁姚卯青在会议上发表了题为《通向具身智能大规模突破之路——智元的本体数据算法飞轮》的演讲，系统阐述了智元在具身智能领域的探索成果与未来方向。

姚卯青介绍，上海智元机器人成立于 2023 年 2 月，自创立起便致力于推动 AI 与机器人的深度融合。至今，智元已取得一系列扎实成果：发布全系列多款机器人产品，建成规模化生产产线与机器人训练场数据采集中心，在具身智能相关算法领域实现多项创新，并在多个实际应用场景完成探索验证，为技术落地筑牢根基。

姚卯青强调，机器人企业要让软硬件产品在行业有效落地，核心在于构建 “本体 – 数据 – 模型 – 场景” 紧密耦合的全栈布局。这四者形成相互驱动的飞轮迭代逻辑：优质本体产生高质量数据，海量高质量数据支撑算法持续突破，算法结合场景试错后，又为本体优化、数据采集方向、算法迭代提供新指引。这种闭环循环不断加速，未来智元将分享更多飞轮迭代成果。

“进入飞轮循环的首个挑战是数据。”姚卯青指出，与大语言模型从业者不同，机器人从业者需直面物理世界强交互特性，既要调试硬件，又要将模型部署到工业级系统测试，这使得数据需求与互联网数据存在本质差异。

“然而，现有互联网数据对机器人训练远远不够，” 姚卯青解释道，“机器人需要大量动作类、长程规划类数据，这类数据在网络上极为稀缺。” 为此，智元希望 “种下第一棵树”，吸引更多同行加入数据建设，共同形成数据海洋，目前这一探索已取得阶段性成果。

为破解数据难题，智元于2024年底开源了AgiBot World百万真机数据集。姚卯青表示，该数据集旨在提供工业级高质量数据支撑，包含百万条机器人数轨迹，每条数据都经过多轮审核，确保场景贴近现实、任务复杂多样。

姚卯青还表示，AgiBot World数据集只是起点，智元在数据采集方式上有两项关键创新：

对抗式采集数据：在常规数据采集过程中主动引入干扰，例如改变语言指令、制造视觉扰动等，以此提升数据信息密度。实践证明，这种方式能提供数倍于常规数据的信息量，有效加快机器人训练收敛速度，且已在多任务和多构型机器人上验证效果。

自主进化式的数据采集：针对机器人在真实环境中自主执行任务时难以提前枚举的 “长尾失效” 问题，智元引入自主进化式采集方案。 当机器人执行任务失效瞬间，系统自动接管并打断进程，回退到失效前状态，再通过人工接管完成数据采集。这一方式能将难场景下的高价值数据补充到训练集，有效拓展数据分布边界，依托数据扩增提升机器人能力上限，其逻辑类似 Dagger 算法框架。

姚卯青说，围绕数据消费，智元于今年 3 月推出具身智能基座模型GO-1 。该模型在架构上实现双重创新：依托 VLM 基础模型和 MOE 混合专家架构，其中 “隐式动作专家” 融合多源数据形成通用动作表达，“显式动作专家” 则将通用描述精准落实到特定本体控制，让机器人既能从人类视角学习动作规律，又能掌握物理世界交互逻辑。

姚卯青指出，GO-1 模型发布后，其在生活、零售、工业三大场景的评测中表现尤为亮眼。相较于 3 月时的海内外开源模型，成功率提升 10%-30%。同时，智元发布的AgiBot World数据集，能够很好的验证 Scaling Law，研究揭示了预训练关键规律：数据量、多样性及质量对模型性能影响显著，且实验证明，单一本体预训练数据的后训练迁移效果优于多本体数据。这表明，机器人预训练的核心在于数据场景的多样性、质量，以及适配的模型设计。

“除 GO-1外，智元团队深耕世界模型方向，秉持 “生成理解一体化” 理念。正如人类做事前会在脑海中规划推演，机器人也需依托世界模型精准推演，缩短与实际操作的差距。测试显示，在智元自身本体的多任务测试中，GE-Act 效果优于近期开源的 UniVLA 和 NVIDIA 的 GR00T 模型；针对跨本体迁移能力，以AgiBot World数据集训练的 GE-Base 模型，在 Franka 等本体上表现优异，在开源 Benchmark 和真机测试中，成功率显著高于现有开源模型。”姚卯青说

姚卯青强调，基于世界模型生成的动作，智元机器人能完成叠衣服、组装纸盒等复杂双臂灵巧操作，也能在工业传送带上精准执行物体抓取和打包任务。值得注意的是，相较于 VLA 等短时序输入输出模型，具备长时序推演能力的 GE-Act 在动态场景抓取定位精度上优势明显。

GE-Sim 以动作序列为输入，如同高精度仿真器，能在杂乱真实环境中渲染画面，且具备时空一致性和语义合理性。对比测试显示，其与真实机器人的推理效果高度一致，量化成功率接近。姚卯青说，依托该仿真器，可快速迭代机器人策略，极大缩短模型研发周期，减少实际评测中的复杂流程与损失。

姚卯青表示，为规范世界模型评测，智元推出 GE Bench 并已在 GitHub 和 HuggingFace 开源，成为 IROS 世界模型挑战赛的重要准备工具。 该 Benchmark 从轨迹遵循度、语义合理性、因果一致性等多维度评估模型，而基于机前数据预训练的 GE-Base 模型，在各维度表现均优于主流视频生成类模型。

姚卯青分享了智元在机器人研发中的实践心得：机器人本质要回归执行器，优质执行器是性能基础；传感器虽重要，但调教与量产一致性是行业难题；若聚焦单一机器人类型，人形是较合理的选择；具身智能应是 “机器人 + AI”，需深度结合硬件本体；此外，必须追求量产和一致性，以减少各环节误差。

姚卯青表示，智元计划将上述 “苦涩教训” 融入飞轮迭代，并于今年下半年推出新一代机器人AgiBotG2。该平台采用更灵巧的本体设计，对传感器、执行器提出更高标准，搭载英伟达 Thor 高算力量产域控制器，被定义为 “工业级交互式具身智能作业全球标杆平台”，引发行业广泛关注。

姚卯青强调，“数据 – 模型 – 本体 – 场景” 飞轮的转动，最终是为赋能千行百业。过去一年，智元在多场景取得突破：柔性制造中，用具身智能解决专业设备无法应对的高精度、力控、泛化性操作问题；物流分拣上，具身智能通用机器人与专用设备配合，处理传统视觉定位 + 规划难以完成的杂乱物品分拣；此外，还实现了安检岗点人力清零、电力通信机房巡检操作等场景的人力替代与降本增效。

“具身智能赛道广阔，” 姚卯青呼吁，“希望全球同行携手，共同探索这一智能边疆，让技术真正创造价值。”