正面叫板 Figure Helix 的 Delta 0：力气不够，它知道用腰和腿来凑
清北背景的德塔智能今天放出一段 3 分钟视频。装上新发布的双足人形基础模型 Delta 0 的机器人，从铺床、捡玩偶、塞脏衣服、开洗碗机、到踩垃圾桶丢苹果，一气呵成全自主干完，中间一次没卡壳，末了转身瘫进沙发。视频最扎眼的地方，是它对标的对象——Figure 的 Helix，还特意拿速度、长程任务和任务花样挨个比了一遍。国内把这一步做到公开的，目前确实只有它。
视频里印象最深的一下，是它一把拽开那扇洗碗机门。德塔团队拿拉力计实测过，这扇门得用大约 5 公斤的力才拉得开，机器人手臂力气只有 1.5 公斤左右，差了 3 倍多。它没硬刚，先一只手撑住柜子找个支点，另一只手抓住门把手，腰和腿猛地往后一坐，把全身重量压上去，门顺着铰链就转开了。踩垃圾桶也是同样路子，先把重心全压到一条腿上，再抬起另一只脚精准踩踏板——劲儿小了桶盖弹不开，劲儿大了身子就晃。前一秒还在走路的脚，这一秒成了开盖的工具。
力气不够，那就借力。这句话基本就是 Delta 0 的技术思路。它的全身从头到脚放在同一个动作空间里管理，一共 69 个自由度，身体占 29 个，两只手留了 40 个。上下半身一起学，所以胳膊没劲儿的时候，它懂得调动腰和腿来帮忙。能使劲还不行，还得知道自己使了多大劲。Delta 0 的办法是直接算，团队管这叫力的「内生」——它想把手伸到 A 点，却被门挡在 B 点，差得越远，关节往 A 点使的劲就越大，看这段差距就能算出力有多大。顺着这思路做出来的纯算法力位混合控制，拿到了机器人顶会 CoRL 的最佳论文。
从预训练开始，Delta 0 吃的就是没降过速的人类全身数据。人怎么干活，它就怎么学。到了练具体活儿的阶段，数据改用遥操作来采，操作员直接拿身体当遥控器，人弯腰它就跟着弯腰，人干活有多利索，采出来的数据就多利索。这是双足人形才有的便宜——它和人长得一样，人一边走一边干活的数据，它能原汁原味直接学。德塔还放话，以后发出来的画面按 0.5 倍速放，不然人眼根本看不清动作细节。大脑每秒刷新 10 到 20 次动作规划，小脑每秒至少执行 50 次，团队内部已经跑出了 500 次的版本。
连着干一串家务，磨人的是衔接。上一件事做完时身子停在哪、手里攥着什么，决定下一件事从哪起步。它从桌上端杯子走到洗碗机前，先把杯子搁在台面上、腾出手去拉那扇沉门，等门开了再把杯子拿进去——死攥着杯子门根本拉不开，搁远了门开了又够不着。这种长程拼的是衔接的确定性：假设连做 30 步，每一步都有 95% 把握，一口气全做对也只有两成出头。
Delta 0 能把这串动作丝滑地串起来，靠的是一个隐式世界-动作模型。身体动起来之前，先在心里把接下来的画面预演一遍，预演发生在模型内部特征里、不真的把画面画出来，所以叫「隐式」。模型分三路，分别处理眼前的画面指令、预测未来的画面、规划全身动作，三路随时互通。整段任务只给大方向，两段之间怎么接全靠它自己补。光会脑补还不够，现实里意外多，出了岔子还得自己兜：一把没抓稳它会再抓一次，有人故意把垃圾桶盖按回去，它就再踩一次，而且踩得比上次更用力，整个过程不需要有人冲上去帮它复位。这些临场应变不少没人专门教过，是预训练海量人类数据里自带的本能，换一套从没见过的彩色灯光，它照样能把杯子放进洗碗机。
能做完还不行，得每次都做完。双足人形的大脑和小脑是两套独立网络，过去想一边让它跑一边纠正它是老大难。Delta 0 的巧招是把大小脑之间的指令改成「增量动作」，每次只告诉小脑在现在姿势上再挪一点点，人随时能插手，在它快出错的那瞬间直接掰正，这段被掰正的轨迹当场就变成训练数据——这就是人在回路学习。洗碗机抓杯子这件事，只用遥操作数据训练时 20 次只能成 4 次，在真机上练一轮成功率飙到 50%，再练一轮到 65%。德塔自己也承认，这还远远不够，目标是接近完美。
为了证明小脑是真学过而不是手写规则死磕，团队拿四个公开的全身控制器做了场零样本「裸考」，其中就有英伟达开源的 SONIC，501 段日常动作、约 3.5 小时，全都没练过直接上场。Delta 0 的全局位置误差只有 0.106 米，SONIC 是 0.165 米；身体各部位位置误差 Delta 0 是 16.73 毫米，SONIC 是 22.58 毫米，两项都在五家里最低。为了喂饱这套大小脑，德塔自研了头戴式全身全景数采设备 D1，人戴着正常走路干活，第一人称画面、全身骨骼连同手指细节一样不落记下来，按计划年底前攒够 10 万小时这样的全身数据。
做这台机器人的，是一支清华加 UCLA 背景的团队。德塔智能今年 1 月才成立，由北京通用人工智能研究院孵化，创始人兼 CEO 马晓健本科清华计算机系、UCLA 计算机博士，回国前在 Google DeepMind 和英伟达研究院做机器人学习研究；首席科学家黄思远清华自动化系本科、UCLA 统计博士，曾是 DeepMind 和 Meta 前沿研究者，还兼任通研院具身机器人中心主任；联合创始人刘航欣是北京大学智能学院助理教授。成立半年，德塔完成了六轮融资，最新一轮天使++ 轮近 5 亿元，乐聚、智元、星海图几家机器人本体厂商成了战略投资方。
马晓健的方向判断是，能源和基建这类高危场景未来一两年会迎来集中落地。高压电站、井下巷道、海上平台，脚下到处是台阶，门口还有几十公分高的挡鼠板，里面阀门开关却全照着人的身高和手型设计——这些活人也能干，但风险高、环境恶劣。据报道今年光是人形带电作业机器人，国家电网就计划采购 500 台。马斯克想让 Optimus 比人类先上火星，德塔的说法更实在：地球上就有不少「火星」。至于它跟 Figure Helix 那场比试最终能不能兑现，视频只是开场，得等它落地到真厂房里再看了。
相关链接
- https://www.figure.ai/news/helix-02