6月24日，通用具身智能领域的科技企业RoboScience机器科学正式推出旗下通用具身大模型Visics，并首次完整公开了其自主研发的VLOA技术架构。与此同时，该模型在家具组装、灵巧抓取、动态流水线等多个真实场景中的应用成果也同步亮相展示。

让我们深入探讨这样一个问题：大语言模型拥有标准化的文本Token，自动驾驶算法则具备统一的视觉或点云表征形式。这些基础数据格式的明确，使得数据和模型能够在不同应用场景之间高效复用。然而，具身智能领域至今仍缺乏一个被行业广泛认可的基础表征单元。这直接决定了数据的采集方式、模型的学习起点，以及学习成果能否成功迁移到全新的场景。

过去两年间，行业中最主流的做法是让模型直接学习机器人的关节运动轨迹。这种方式看似直观，实则存在根本性问题——它本质上只是在复制特定硬件在特定任务中的动作坐标。一旦更换机器人本体、操作物体或应用场景，模型之前习得的能力便无法直接迁移复用。它学会的是“某个夹爪如何抓取某个特定杯子”，而非真正理解“抓取”这一动作的本质——什么是抓取、需要施加多大的力、物体受力后会如何反应。

RoboScience机器科学创始人兼CEO田野指出，当前机器人操作技术面临三大核心挑战：泛化能力不足、精细操作困难、长程任务中误差持续累积。为解决这些问题，团队决定从底层技术出发，构建一套全新的具身智能基础表征单元。

RoboScience机器科学创始人兼CEO田野（图源/企业）

作为整套技术体系的核心基石，RoboScience机器科学自主研发了Visics通用具身大模型，并提出以Object Trajectory（物体3D点云轨迹）作为统一中间表征标准。基于此，团队搭建了分层解耦的VLOA架构，以物体为中心重新定义机器人的认知与执行逻辑。

田野解释称，“Object这个词汇同时包含物体与目标两层含义，能够精准刻画机器人与物件的交互关系，以及操作完成后物体所需要达成的运动变化状态。”

Visics通用具身大模型采用双引擎架构，由具身世界模型和通用操作模型各自独立运行，独立进行预训练和迭代更新，彼此互不干扰。其中，具身世界模型以海量互联网视频作为预训练数据，专注于物体状态、三维轨迹、接触力与物理因果关系建模，从而学习物体在真实世界中的运动规律。

Visics通用具身大模型，VLOA架构（图源/企业）

通用操作模型则负责将“物体运动轨迹”转化为“机器人应如何执行动作”。它借助物理引擎生成大规模仿真数据，并持续迭代优化，能够操作刚体、铰链件、软质可形变体等多种物体类型。该模型支持跨本体部署与闭环控制，同时兼容视觉、触觉、力觉等多模态感知输入。

两大引擎通过VLOA架构实现分层协同，将Object Trajectory作为统一的中间接口。上层的具身世界模型负责预判和推演物体的合理运动轨迹；下层的通用操作模型则生成适配各类机器人本体的硬件控制指令，最终完成轨迹的执行落地。

这种分层解耦的设计，最终实现了三大维度的全域泛化能力：适配任意机器人本体、操作任意类型物体、自主完成多样化任务。以抓取动作为例，相比传统方案中绑定单一机械臂和单一物件的训练方式，基于VLOA架构的模型在抓取成功率、操作姿态丰富度以及运算响应速度方面均展现出显著提升。

搭载Visics通用具身大模型的机械臂执行拼家具任务（图源/企业）

在具身智能领域，数据是模型能力的根本保障，但传统的数据采集路线正面临成本与产能的双重瓶颈。

RoboScience机器科学以自研的高精度仿真引擎RoboMirage为核心，结合全自动视频数据标注与清洗管线，构建了一套“仿真+视频”双数据飞轮体系。该体系能将单条数据的获取成本压缩至传统方案的1/20到1/200，并以每周数十万小时的速度持续扩张数据规模。预计到2026年，将构建超过1Tb的高质量操作轨迹数据集。

RoboScience机器科学联合创始人汪涛（图源/企业）

自成立以来，RoboScience机器科学已获得京东集团、商汤科技、达晨财智、招商局创投、零一创投、普华资本等多家CVC及财务机构的投资与产业支持，并在北京、深圳、苏州、杭州设有研发和生产中心。公司以大模型为核心，纵向打通自研本体、控制器与RobotOS，横向构建模型泛化、便捷开发与多层级生态，打造软硬一体、闭环协同的商业发展模式。

联合创始人汪涛指出，具身智能真正的规模化落地仍未到来，公司选择先从物体维度切入——解决对刚性、柔性以及各种属性物体的泛化操作能力，而非直接进入工业场景与现有自动化方案竞争。例如商超、电商物流等场景，天然面临海量SKU、多品类的拣选与补货需求，正是验证物体维度泛化能力的最佳试验场。

目前，RoboScience机器科学已与多家零售、物流、康养服务企业，以及机器人本体和灵巧手公司开展试点合作，计划于今年实现面向工业与商业场景的标准化机器人本体产品量产。