智元和北大让人形机器人先想再做

机器人叠衣服叠到一半停住，多半不是手抖，是它不知道该进行到哪一步了。

一、发生了什么

2026 年 10 月，智元联合北京大学 DA Group 和 CocoMatrix 团队发布了 ViGAR，全称是视觉目标条件下的动作推理。按论文的说法，这是首个面向全尺寸人形双足机器人的完整世界-动作模型，验证平台是智元的 AgiBot A2。

在 RoboTwin 2.0 的 Clean2Random 基准上，ViGAR 报告的成功率是干净场景 82.00%、随机场景 67.02%，平均 74.51%，比最强基线高 12.81 个百分点，发布时曾登顶，发稿时排在总榜第三，这个榜单是实时更新的。该基准包含 50 项任务，模型只能用干净场景的同一份示范训练，却要在背景、光照、桌面高度都随机的场景里考。50 项里有 13 项拿到全榜最高分。

真机部分更能说明问题。团队用两条 7 自由度机械臂、两个腕部相机加一个前置相机，采了约 900 小时的同平台遥操作数据做中期训练。这批数据的覆盖面是 752 项任务、两百多种物体、十几种背景。五个长时程任务各含 3 到 5 个顺序子阶段，每项测 20 次，用「任务进度」而不是成败来打分。ViGAR 的平均进度是 0.69，π0.5 是 0.60，用同样数据配方但不做子目标规划的对照模型是 0.54。论文、代码、权重和训练数据都已公开，编号 2610.02368。

二、跟你有什么关系

做具身算法的团队：这套架构的关键不在参数量，在把「预测下一帧画面」换成「预测下一个子目标的画面」。如果你的模型在长任务上总是中途崩，先检查有没有显式的中段表示。

做人形机器人整机的厂商：全尺寸双足平台的数据最难采，900 小时是同平台的量，跨平台迁移仍要重做。评估供应商时，问它有没有公开的真机进度数据。

看这个赛道的人：别再只盯成功率。长时程任务的正确指标是阶段完成比例，只看最终成败会把「干了一半」和「完全没动」混为一谈。

三、怎么判断

1. 看任务有没有被拆成阶段。3 到 5 个子阶段、每段单独评分，这种设计比一个总分更能暴露问题。
2. 看对照组。论文里最有说服力的对照不是别家的模型，而是「同数据、去掉子目标规划」的自家人。它掉了多少，就说明这套设计值多少。
3. 看数据是不是同平台。跨本体复用听着美，实际会因为手臂长度、相机位置差异全部重标。

四、三个别信的说法

登顶过榜单就等于最强。 榜单实时更新，发布时第一、几周后第三很正常。更要紧的是它只在特定基准的特定子项上领先，换个任务集名次就会变。

进度 0.69 意味着任务完成了七成。 这是顺序阶段的完成比例，前面几步容易、后面几步难，0.69 往往对应「卡在最后一步」。真正的可用性要看完整成功率。

开源了权重就能直接上自己的机器人。 权重配的是 A2 的相机参数和臂长。换本体至少要重采后训练数据，工作量不比从头训小。

五、一句话结论

长时程操作的分水岭不在手，在「下一步该长什么样」这个中间判断有没有被显式做出来。

信息来源

• 智元与北大发布 ViGAR 世界-动作模型，2026-10-22

功能与价格以官方公告为准。本文写于 2026 年 10 月 23 日。