爻方智能发布iFLYTEK-Embodied-Omni：用“本体认知”打破具身智能Demo困境
2026年世界人工智能大会（WAIC）开幕前夕，人工智能领域的头部企业科大讯飞再次向具身智能核心地带发起冲击。其旗下新成立的安徽爻方智能科技有限公司（注册资本3亿元，负责人潘嘉），联合中国科学技术大学及聆动通用机器人，正式发布了具身智能技术报告 iFLYTEK-Embodied-Omni。
这份报告不仅深度剖析了当前行业“视觉-语言-动作”（VLA）架构与世界模型在物理落地上的局限性，更创造性地提出了引入“本体认知”与“大脑-小脑协同”机制的解决方案，试图打通具身智能从“Demo演示”到“实用落地”的最后壁垒。
一、 行业痛点：为什么展区的机器人总是“慢半拍”？
在近期的各类科技展会和具身智能展区中，一个普遍的现象引发了业界的关注：尽管机器人的“大脑”越来越聪明，但在执行具体任务时，动作往往显得迟缓且拘谨。
对于这种“慢”，爻智能负责人潘嘉指出，这并非单纯的技术算力瓶颈，而是出于对出错率的主动控制。现有的机器人大脑在面对环境或物体的微小变化时，动作极易变形。为了规避风险，开发者不得不将展示场景限制在精心布置的理想环境中，导致具身智能长期难以走出实验室。
究其根源，主要存在两大技术短板：
1. VLA架构的局限：主流方案仅关注即时的感官反应，缺乏对动作后果的推演能力。
2. 世界模型的缺陷：现有方案多将预测画面与生成动作串行处理，导致“误差累积”。同时，模型普遍缺乏对自身物理极限的“本体认知”，就像一个只懂宏观战略却不知自己手脚长度的棋手。
二、 技术破局：iFLYTEK-Embodied-Omni 的三大创新
针对上述痛点，iFLYTEK-Embodied-Omni 报告提出了一套全新的架构思路，通过三大技术创新，旨在让机器人真正具备“身体感”和“预判力”。
1. 引入“本体认知”：补齐世界模型的短板
爻方认为，仅有对环境的精准预测不足以支撑高难度的物理操作。因此，该模型将逆运动学作为独立的训练任务，通过设定终点位置，让模型自主推导关节的运动路径。
这一机制的建立，使得模型能够形成对身体的直观认知。相比英伟达早期GR00T项目将本体状态仅作为输入信号的做法，爻方的方案更强调身体状态与动作执行的内在一致性，从而大幅提升了操作的精准度。
2. “大脑-小脑”实时协同架构
传统机器人控制多采用“先规划后执行”的串行模式，极易受误差影响。为此，新架构采用了类似人类神经系统的三核模块设计：
* 高层“大脑”：由VLM（视觉语言模型）负责环境理解与任务规划，配合VGM（视频生成模型）进行未来动作的推演预测。
* 底层“小脑”：AGM（动作生成模型）负责将高层的子目标翻译为具体的电机动作指令。
这三者通过共享的多模态自注意力机制实现实时交互。这就好比人类在打篮球时，大脑在预判落点的同时，小脑已经在同步调节肌肉和关节，实现了“预判”与“执行”的完美同步。
3. 优化数据配比：强化空间推理能力
真机数据稀缺是制约具身智能发展的共性难题。爻方在训练策略上进行了大胆调整，大幅降低了纯真机数据的依赖，转而提升非真机数据的权重。根据报告披露的数据配比：
* 空间推理、感知与任务规划数据：占比高达 49.11%；
* 带动作标注的机器人轨迹：占比 26.88%；
* 无动作的人类操作视频：占比 18.95%；
* 通用VQA（视觉问答）数据：占比 5.06%。
配合“分步开小灶+联合微调”的四步走训练策略（分别训练VLM、VGM、AGM后再进行对齐），有效提升了模型的泛化能力。
三、 验证与落地：从基准测试到工业应用
技术的先进性最终需要数据和应用来验证。报告显示，该模型在多项权威基准测试中表现优异：
* 在LIBERO-Plus零样本基准测试中，平均成功率达到 89.6%，超越了当时的VLA和WAM等主流方法。
* 在RoboTwin 2.0双臂协同基准中，无论是在标准环境还是随机干扰环境下，成功率均稳定在 93% 以上（分别为93.68%和93.16%）。
在工程化落地方面，科大讯飞的布局已初见成效。其控股子公司安徽聆动通用机器人已经拿下了全国首个工业应用领域的具身智能机器人CR认证。虽然目前WAIC现场展示的聆动真机搭载的是自研的iFlyBot-VLM/VLA模型，但硬件平台已具备随时替换更强“大脑”的能力。
四、 战略背景：从“离身”到“具身”的跨越
爻方智能的成立，标志着科大讯飞正从传统的语音交互（“离身交互”）向更复杂的物理世界交互（“具身交互”）进行全面转型。
在这一新布局中，科大讯飞的内部分工十分明确：讯飞总部提供AI底座，爻方智能专攻机器人大脑算法，而聆动通用则负责本体硬件开发与落地场景拓展。 潘嘉作为国家科技进步一等奖的主要完成人，带领着这支拥有从语音识别到多模态长期研发经验的团队，正在填补算法层面的空白。
对于未来的商业化路径，聆动通用CEO季超表示得非常务实：下一阶段，行业将不再仅仅关注技术参数，而是更看重收入、订单及客户复购率。他们的目标很明确——让机器人真正进入工厂产线，产生持续的付费价值。
随着 iFLYTEK-Embodied-Omni 报告的发布，以及后续硬件底座的持续迭代，科大讯飞在具身智能这条长赛道上，似乎终于找到了跨越“Demo鸿沟”的那把钥匙。
参考文献/延伸阅读：技术报告 arXiv:2607.02542