柯丽一鸣的机器人族谱：Pi 如何从 π0 走到 π*0.6
精读张小珺《商业访谈录》第146集：柯丽一鸣拆解机器人技术谱系、Pi 的通用大脑与 π0→π0.5→π*0.6 的能力、泛化、表现路线，解释真机数据和中国供应链为何成为关键变量。
先给结论：机器人竞争，已经从「能不能动」转向「能不能持续变好」
张小珺对 Physical Intelligence（Pi）研究员柯丽一鸣的这次访谈，表面上在讲一家公司和三代模型，真正追问的是一个更大的问题：机器人怎样从一次性演示，变成能在现实世界里不断学习的系统？
这期节目发布于 2026 年 7 月 16 日，单集时长约 3 小时 48 分钟。柯丽一鸣在 Pi 主要负责强化学习研究，也是核心论文作者之一。节目方对 Pi 的介绍是：这是一家专注于「机器人大脑」的公司，目标并不只是做出某一种外形的机器人，而是让一个模型在不同数据、不同机器人构型上发挥作用。1
如果只记住这期访谈的五个关键词，可以是：
- 谱系：今天的机器人公司，背后叠着传统机器人、机械臂操纵、腿足运动和机器学习几条路线。
- 大脑：Pi 的「通用」不是等于人形，而是尽量让多种构型共享学习到的能力。
- 模型：π0 先证明能力，π0.5 追问泛化，π*0.6 回到真实任务中的表现。
- 数据：昂贵的人类遥操作仍然重要，但机器人自己行动、犯错和修正所产生的数据，可能是下一轮飞轮的起点。
- 边界：机器人还很早。模型、真机数据、硬件和任务定义，没有一个可以单独解决问题。
一、机器人「江湖」不是一条线，而是几条谱系叠在一起
柯丽一鸣没有把机器人史讲成一条从旧到新的直线。她更像是在画一张族谱：不同派别解决过不同问题，今天的机器人大模型，是这些传统重新汇流的结果。
1. 传统机器人：先让系统在真实世界里可靠工作
谈到传统谱系，绕不开卡内基梅隆大学的机器人研究。受访者提到，CMU 的机器人研究所从上世纪 70 年代末、80 年代逐渐建立起影响力，这一路线重视感知、决策与动作的完整闭环，也重视把机器人放进灾后救援等真实环境里。
2004—2005 年的 DARPA 自动驾驶挑战赛，则被她视为另一个转折点：它让一批人看见，机器人系统可以在复杂环境中承担更大任务，也间接影响了后来自动驾驶公司的出现。这里的重点不是某个单一算法，而是「真机能不能跑起来」。
2. 机械臂与操纵：灵巧不只在手，而在大脑
柯丽一鸣把 Matt Mason 称为自己的「祖师爷」。Mason 代表的操纵研究，给她留下的核心判断是：所谓灵巧，不一定来自越来越复杂的手指和关节，也可能来自大脑如何控制一个相对简单的结构，完成复杂任务。
她读博时曾经做过「筷子机器人」：自己买组件、搭系统、写程序，再让一双筷子完成桌面操作。后来她不满足于只靠遥操作提供示范，开始转向强化学习，让机器人在真实环境里反复练习。她提到的一个结果是，机器人可以夹住空中晃动的小球，甚至挑战玻璃球这样的高精度任务。
这条个人路径很有代表性：从理论机器学习出发，经过模仿学习，最后被真实硬件和真实失败逼回强化学习。研究问题不再只是「算法是否漂亮」，而是「任务是否真的做成」。
3. 腿足与工程：先把「能做到」的边界推远
另一条谱系来自腿足和生物启发机器人。Sangbae Kim 的 MIT Cheetah、mini cheetah，以及 Marc Raibert 和 Boston Dynamics 的工作，让机器人可以走、跑、跳，也让公众重新认识到电机、结构和控制工程能够把什么变成现实。
在这条传统里，硬件和物理建模不是包袱，而是能力本身。它与纯数据驱动路线之间长期存在张力：如果一个算法什么都能做，但每件事都做不好，那么它的泛化到底有没有价值？这也是后来 Pi 的模型路线不断回到「表现」的背景。
4. 机器学习派：让机器人从手工规则转向从经验中学习
吴恩达、Pieter Abbeel、Sergey Levine 等人代表了另一条影响柯丽一鸣的路线。她提到，自己早期大量学习机器学习课程、论文和讲座，也受到强化学习研究者的影响。
两种路线的分歧，可以压缩成一组问题：
- 是先把感知、规划、控制拆开，再逐个保证可靠？
- 还是让模型从更多数据里自己学出策略？
- 是先把物理机制解释清楚？
- 还是先选择当下最可能把任务做出来的方法？
柯丽一鸣的答案偏实用主义。她在访谈中反复提到「黑猫白猫，抓到老鼠就是好猫」。这不是否定理解和理论，而是提醒机器人研究：漂亮的模拟器结果，最后仍然要接受真实世界的检验。1
二、Pi 的位置：不是押注一种外形，而是训练一个可迁移的大脑
访谈里有一个容易被忽略的判断：Pi 的「通用」不是「做一个人形大脑」这么简单。
柯丽一鸣对 Pi 的描述更接近：让模型在不同形态的数据上训练，再在不同形态的机器人上使用。人类可以开车、开挖掘机、操控工具，身体形态发生变化，并不意味着大脑完全换了一套。对机器人来说，通用性的一个方向，也许正是让多个构型受益，而不是把某种外形当成唯一终点。
所以她会把「任务难不难」和「是不是人形」拆开。组装一个麦克风，使用人形机器人当然可以，使用更简单的双臂机器人也可以；真正困难的，是这个任务本身对感知、动作、接触和长时序控制的要求。
这也解释了 Pi 和其他机器人公司的差异：
- Pi 与 Skild 都带有明显的学术创业色彩，目标是通用的机器人模型和大脑。
- Figure 更像是从创业与产品化路径切入人形机器人。
- Dyna 被受访者描述为更强调商业部署和落地。
- Generalist AI、Sunday Robotics 等团队，则更关注用机器人采集数据，再进入工业或家庭场景。
这些并不是简单的公司排名，而是不同的起点：有人先做硬件，有人先做模型，有人先找部署场景。机器人行业还没有一种「定型完成」的硬件形态，构型本身仍在变化。1
三、π0 → π0.5 → π*0.6：从能力、泛化到表现
这三代模型最适合被理解成三个问题，而不是三个孤立版本。
| 模型 | 访谈中的关键词 | 它在追问什么 | 节目中提到的例子 |
|---|---|---|---|
| π0 | 能力 | 机器人基础模型，究竟能不能完成此前很难完成的任务？ | 叠衣服、叠箱子等复杂操作 |
| π0.5 | 泛化 | 在一个房子里学到的能力，能不能迁移到陌生的房子和陌生状态？ | 在多个 Airbnb 采集日常任务数据，观察新环境中的表现 |
| π*0.6 | 表现 | 如果模型「什么都能做一点」，怎样把一个具体任务真正做好、做快？ | 用 throughput，即固定时间内的成功量，衡量任务表现 |
π0：先证明机器人基础模型能做出「以前不敢想」的任务
π0 的价值不只是多做了几个演示，而是把问题往前推了一步：机器人基础模型能否在叠衣服、叠箱子这类高难任务上，表现到让人耳目一新的程度？
这一阶段先回答「有没有能力」。如果连复杂操作都做不到，泛化和规模化都无从谈起。
π0.5：泛化不是「见过所有房子」，而是找到数据的临界点
π0.5 研究的是开放世界泛化。节目里把问题说得很直白：模型在房子 A 里学得很好，到了房子 B、C，甚至第 100 个、第 1000 个房子，还能不能工作？
Pi 的做法之一，是在多个 Airbnb 环境里收集日常任务数据，把机器人从整洁、可控的实验室带到真正杂乱的别人家里。这里的关键不是把世界上每一个房子都采一遍，而是观察：当数据规模增长到某个程度后，模型能否跨过一个临界点，在未见环境里保持能力。
这是一种比「多收数据就会变好」更具体的提问：究竟需要什么覆盖度，才能让模型面对没有见过的房间、物体和状态？
π*0.6：从「会做」到「做得值不值得用」
π*0.6 把重点拉回任务表现。一个模型可以覆盖很多任务，但如果每个任务都只完成一半，用户仍然无法依赖它。
因此节目里谈到 throughput：固定时间内完成多少次成功任务。它把「成功」和「速度」放在同一个指标里，也迫使团队重新定义任务到底算不算完成。对机器人来说，完成一个动作不只取决于结果像不像，还取决于是否符合人真正想让它做的事。
这一路线还有一个重要变化：当模型已经差不多会做一个任务，就让它自己在真实世界里行动，收集自己的体验，再把数据放回训练池。人类遥操作员不再是唯一的数据来源。
节目方在 shownotes 中另外补充了 π0.7：它强调统一模型，不需要后训练也能达到以往经过后训练的通用能力，架构和数据设计中还使用了此前自主 rollout 产生的数据。需要注意，这部分是节目方对最新模型的补充，不属于这次较早录制的现场对话。1
四、真正的技术难题：数据贵，但「犯错后怎么修」更值钱
机器人数据最贵的地方，不只是按一下录制键，而是要准备真机、把设备放进真实家庭或工作场所、维护设备，再安排人完成任务和交流。柯丽一鸣的判断是，如果把一部分数据操作者换成已经训练好的模型，让机器人自己跑，数据成本有机会大幅下降。
但自主数据不是把机器人放出去就结束。模仿学习有一个经典问题：机器人一旦走偏，后续状态可能越来越糟，因为训练数据里只有完美示范，没有「走错以后怎么回来」。
所以她强调，错误数据真正有价值的部分，是错误之后的纠正数据。机器人进入坏状态，如何修正动作、重新找到任务轨迹，这类经验比一段从头到尾都正确的演示更能提高鲁棒性。强化学习的意义，也可以用一句白话表达：一个系统怎样通过体验，逐渐变得更好。
这并不意味着仿真没有用。只是以叠衣服为例，柔性、摩擦、褶皱等复杂物理属性，很难在模拟器里完整复现。她更接近「什么数据真正好用就相信什么数据」的立场：真机数据昂贵，但很多任务目前仍然无法被仿真完全替代。
访谈还提到几条容易被模型版本掩盖的研究线：
- FAST：寻找更合适的动作表达空间。
- Hi Robot：把长任务拆成高层小任务和低层动作，避免端到端模型在长时序里迷路。
- Olympics：研究员和数据收集员用遥操作挑战开锁、开门等难任务，主动把人类操控边界往外推。
- 任务专用硬件：为了完成咖啡机任务，团队会设计可替换夹爪；硬件不是为软件服务的固定底座，而是围绕最终任务不断迭代。
五、为什么放弃剑桥教职：她想解决问题，而不是只完成一条职业路径
柯丽一鸣原本很坚定地想当教授，也喜欢剑桥的人文气质：做研究、写小说，似乎可以同时拥有。但在最后一刻，她放弃了教职 offer，加入 Pi。
她给出的理由不是「工业界更酷」，而是更具体：她想解决问题，不想把大量精力投入 funding proposal；工业界有更多算力、数据和硬件，也有一群做过大量成功工作的同事。她还担心，学术界学生通常三到五年就要离开，真正有开创性的机器人问题，未必能在这么短的时间里完成。
Pi 的组织文化也与传统公司不太一样。她形容那里「相对而言是一种比较自由的氛围」：不打卡，作息因人而异，早期的每日例会后来也随着人数增长改成研究会和课题组会议。自由并不等于松散，创业团队里自发推进的重要动力，是每个人都希望公司变好。
她对强化学习的解释，则把研究问题和个人成长连在了一起：强化学习本质上是在问，一个人如何通过体验变得更好。它至少包含两个难题：
- 探索：下一步该尝试什么，才更可能带来成功？
- 归因：一长串动作里，到底是哪一步带来了奖励？
这比「写一个奖励函数」更难。机器人最终需要理解的，不只是数学上的 reward，还包括人真正想让它完成的事情。
六、中美机器人：一边更像研究实验室，一边更像制造业现场
谈到中国机器人，柯丽一鸣的判断很明确，但也应当把它看作受访者的观察，而不是一份产业统计报告。
她认为，中国最突出的优势在硬件和产业链：电机选择多，供应链成熟，定制和迭代速度快，很难想象一台机器人完全不含中国制造的零件。美国团队在算法、模型和研究资源上有优势，但硬件投入、制造业人才和教育体系的缺口，不是一两年能补齐的。
她所在的 Pi 暂时更偏研究导向，甚至会担心商业化成为 distraction，过早的单一场景落地可能牺牲通用性。她观察到的一些中国团队，则更强调实用主义和商业回本。两种路径没有简单的高下之分：
- 研究型路线更容易把时间投入到通用模型、数据和基础能力。
- 商业部署路线更早面对成本、可靠性和真实用户。
- 前者可能缺少硬件反馈，后者可能过早被单一场景锁定。
机器人不是纯软件产品。硬件迭代速度会改变算法能否被验证，算法和数据又会反过来决定硬件应该怎么设计。真正的竞争，最终会落在这几个环节能否组成闭环。
七、从这期访谈带走五个观察问题
下次再看到一个机器人演示，可以先不问「它像不像人」，而问：
- 换一个环境还能做吗？ 这是泛化，不是一次成功演示。
- 失败以后能自己修吗？ 没有纠正数据，系统很难走出训练分布。
- 数据从哪里来？ 人类遥操作、仿真、真实部署和自主 rollout，各自承担什么角色？
- 完成得够快吗？ throughput 比「成功过一次」更接近可用性。
- 它依赖哪一种身体？ 如果换一个机械臂、双臂或其他构型，能力还能不能迁移？
这五个问题也构成了 Pi 这条路线的核心：机器人真正的护城河，未必是一条发布会视频，而是一个能把任务、数据、模型和硬件持续接回去的闭环。
最后：机器人还很早，但问题已经变具体了
访谈最后谈到机器人意识、机器人是否会形成自己的「种族」、机器能否组装和修复自己。柯丽一鸣对这些问题没有给出确定答案，却提出了一个有意思的想象：如果机器人不断替换零件，它还是不是原来的那个机器人？这像是把「忒修斯之船」搬进了机器人的未来。
比意识更迫近的，可能是另一个问题：机器人能不能成为人类做过的某种「最后一件作品」，把生产力推向更高的地方，同时把时间还给人类去写小说、做游戏、探索宇宙？
这期访谈没有给机器人行业选出一个赢家。它提供的是一张更有用的地图：传统机器人负责把真实世界的难题摆出来，机器学习负责寻找从经验中变好的方法，Pi 试图把两者装进一个可以跨构型迁移的模型里；而最终能否成立，还要由真机、数据、硬件和任务表现共同回答。
本文基于节目方公开的第 146 集单集页、shownotes 与完整音频整理。文中引语按音频口语整理，少量停顿和重复已删；涉及公司定位、产业判断与模型表现的表述，均保留为节目中的嘉宾或主持人观点，不作投资建议。
同名节目在 Apple Podcasts 的节目页也可交叉确认。2
References
Related content
- Sign in to comment.