芝诺发布全球首个协作具身智能基础模型

如何让具身智能持续进化，是行业核心命题。最直接的方案是提升单体能力，但现实任务往往需要多个作用点或并行操作，因此多机器人协作成为另一条关键路径。多台通用机器人平时独立工作，遇复杂任务时组合能力，物理能力可随数量近似线性扩展。关键在于，机器人能否在无中央调度下自主拆解、接力任务，实现1+1＞2，同时避免“三个和尚没水喝”的问题。

芝诺机器人发布Zeno-1，一个3B参数的基础模型，专为去中心化多机器人协作设计，能在本地以30Hz频率进行闭环视觉-运动推理。演示中，两台机器人协作挂裤子、给枕头装真空袋，动作精准稳定，长程任务完成自然。每台机器人运行同一策略模型的副本，各自基于观测判断，协作行为从同一模型分布中“涌现”，与传统依赖中央控制器的路线截然不同。

Zeno-1的训练分四阶段。第一阶段在大规模视频上预训练，学习物理世界规律，不涉及控制。第二阶段进行单体具身训练，将先验转化为具体操作能力。第三阶段是核心创新——闭环伙伴交互（CPI）：两台独立机器人互为训练伙伴，各自行动改变共享环境，影响对方决策。由于搭档本身在学习中，行为不完美，模型对延迟和偏差具备鲁棒性。第四阶段针对协作失败进行纠正，操作员在关键时刻提供演示并补充训练数据，模型在易错处投入更多学习资源。实验表明，提高CPI比例比添加等量同步演示数据效果更优。

Zeno-1还包含两个关键子系统。持久交互记忆模块维护压缩的交互历史，编码任务进展、搭档行为模式和共享物理状态演变。消融实验显示，移除该模块后长时序任务表现显著退化。预测式内省机制让模型执行前评估动作对搭档的影响：在协作决策点上，Zeno-1有87%概率选择让搭档后续行为更优的动作，移除预测模块后降至61%。同时，内置的行动条件世界模型可预测动作后物理状态演变，识别抓取失误、滑动等潜在失败。