清华曹婷：机器人从60分到100分靠自进化

具身智能的讨论核心正在改变：从谁有更多数据能做出更强基础模型，转向谁能把机器人真正部署到现场，并让它持续做成任务。

过去两年，行业争论围绕基础模型展开：VLA还是世界模型？端到端还是分层架构？如今，当模型走出实验室，新问题压过路线之争：机器人能不能在真实现场稳定工作？

在硅谷，这已成为一批研究者和投资人的共同感受。投资人Georgi Koreli转述Physical Intelligence联合创始人Karol Hausman的判断：机器人数据稀缺正在缓解，真正未解决的是从“能做”到“可靠完成任务”的最后一段路。从0到60%的zero-shot能力主要是数据问题，从60%走向可部署，还没人能解决。

国内，清华大学智能产业研究院（AIR）教授曹婷与她发起的域变换（Z-Trans）更早押注同一问题。2026年，从z0到Zetta ζ，再到Zeva，团队密集开源上下文因果学习世界模型、闭环在线学习Agent和支持全部署周期的训推基础设施，把研究焦点从“机器人出厂时会什么”推向“机器人部署后还能学会什么”，并率先将这套面向真实物理部署的范式定义为：具身自进化。

答案藏在真实交互里。一只机械臂伸向透明塑料水杯，第一次用力过猛，第二次位置不对，第三次调整动作拿起水杯，之后类似杯子都能成功抓起。几次尝试间，模型没有重新训练，权重也没更新，却从与物理世界交互中学会了下一次该怎么做。

这正是域变换攻下“可部署鸿沟”的方式：让机器人从“部署即定型”走向“部署后进化”，在真实工作中越用越强。

大模型成功建立在更多数据、更大参数量与更多算力带来能力涌现的逻辑上。早期具身智能也复制这条路径：采集更多操作数据，训练更大VLA和WAM模型，再微调适配任务。这条路能提高初始能力，却在真实部署时遭遇瓶颈。模型优化的是对数据中动作的复现，企业需要的却是任务稳定成功。于是，具身模型越来越多、Demo越来越惊艳，真正能进入工厂、实验室和家庭长期工作的机器人依然很少。

所谓“60分”，不是精确及格线，而是对产业阶段的概括：预训练解决基础操作能力，部署要求解决它能否在环境变化、执行误差和长尾情况中“持续做成”。前者可主要依靠离线数据提升，后者不能靠继续离线堆叠数据自然得到。根本原因在于，物理世界持续变化无法被离线数据穷举。每换一个环境就重新采集、fine-tune和部署，成本高且无法形成规模效应。

因此，从60分到可部署，缺的不是再做一次离线训练，而是一种新能力：机器人能在部署中利用真实反馈持续纠偏，把每次成功和失败转化为下一次行动的经验。下一阶段竞争，将从谁拥有更多离线样本，转向谁能率先建立部署后的学习闭环。

域变换率先明确提出和定义的，是具身智能在真实物理世界中的自进化范式：物理智能体在部署环境中持续交互，通过反馈与经验沉淀自主修正策略，并不断提升任务成功率。它不是否定预训练，也不是不要数据，而是重新划定二者位置：预训练是能力起点，部署是进化起点，真实交互成为持续增长的数据来源。

曹婷的第一次关键选择，是进入微软亚洲研究院，担任首席研究主管，研究边缘智能与神经网络训推系统。她带领团队攻克极低比特模型量化、基于查表的大模型高效推理等技术，使复杂神经网络进入微软Office、Windows、Bing等产品。这段经历塑造了她的判断：算法指标不是终点，只有模型能在真实硬件、真实成本和真实业务约束下运行，技术才完成从论文到产业的跃迁。

第二次选择，是2025年夏天加入张亚勤院士创建的清华AIR，研究对象从有限硬件中的AI转向不断变化的物理世界。但团队很快发现，模型在固定设置下能完成动作，环境稍有变化就可能失败，失败中的宝贵信息又被传统系统直接丢弃。

第三次选择由此出现：与清华AIR副院长刘云新教授共同发起域变换，把物理智能自进化的研究推向产业。两人共同底色是对“算法—系统—硬件”协同的长期积累，关心的不只是更高分模型，而是如何把模型变成能部署、学习并长期运行的系统。

域变换自进化闭环的内核是Zeva：不更新参数，也能从机器人每一次交互中学习真实物理条件，并把学到的用于后续动作。现有上下文学习主要依赖人类示范，Zeva创新提出上下文因果学习（ICCL）：让机器人从自己的交互轨迹中提取动作与状态变化的因果关系，同时过滤背景、光照等无关相关性。机器人不是模仿别人做过什么，而是在当下部署物理条件下，理解自己的动作为什么成功或失败，并应用到下一次改进。

Zeva核心机制分三阶段：因果交互提取，CTE把视觉状态、执行动作和观察效果组合为“因果交互状态”，编码为任务阶段与交互信号；双时标因果记忆，BIT保留近期尝试动态信息，PIM在同一episode多次尝试间按相似度合并巩固有用证据；上下文策略注入，系统从记忆检索匹配当前任务阶段的交互证据，为冻结基础策略构造Causal Prompt。模型参数没变，但每次决策依据的上下文已不同。

这条路线最反直觉之处在于：模型不更新，能力却可持续增长。它把推理上下文变成学习通道，也把真实失败从“无效样本”变成学习信号。在Zeva公开实验中，冻结模型在多个典型具身基准任务上累计成功率从26%提升到73%；在RoboCasa365-Atomic5