机器人走出Demo还差什么？产业圆桌共探真实世界数据瓶颈

既要摸高，也要过河。在JDDiscovery-2026京东全球科技探索者大会上，一场以“具身智能走出Demo”为主题的圆桌，围绕“最限制机器人走进真实世界的变量”展开讨论。嘉宾包括智元姚卯青、智平方张鹏、鹿明机器人喻超、逆矩阵陈博远和京东探索研究院黄浩洋。

答案指向同一方向：门槛已不只是单点模型能力，而是数据、反馈闭环和系统能力。姚卯青认为核心是“智能化”，机器人需像人一样灵活处理工作且高效、高成功率。张鹏关注“真实落地”，能否产生生产力价值并站得住脚。喻超强调真实场景中的任务闭环能力，包括任务闭环、可靠性与泛化性、持续迭代，已是系统级能力问题。陈博远偏向“反馈闭环”，模型需足够智能进入更深场景，并将真实场景中的及时数据和corner case反馈给模型。黄浩洋认为最缺“规模化、可标注、带动作标注的高质量真机数据”。

关于落地与数据采集，喻超以柔性质检、螺丝锁付为例，介绍鹿明通过工厂收集数据、模型训练、部署产线、多次数据迭代，根据failure case补充调整，作业表现逐步提升。鹿明正构建NexCore系统作为任务闭环载体。黄浩洋提出数据金字塔：真机遥操数据质量最高但昂贵难规模化；UMI数据连接人类与机器动作，成本较低；仿真数据覆盖长尾；egocentric第一人称操作数据可更快规模化。先用egocentric或仿真数据预训练，再用UMI连接，最后SFT后训练做精细真机操作。

黄浩洋指出，互联网数据是“理解世界的监督”，具身数据是“作用于世界的监督”。以拿水杯为例，视频模型只关注合理性，具身需关注怎么拿、从哪拿、用多大力，必须建立从行动到反馈的闭环。京东计划未来两年推出1000万小时人体操作数据、超100万小时真机操作数据，来自零售、物流、家政、工业等真实场景，覆盖失败案例。模型研发正从生成模型到世界模型、再到World-Action Model转变。

姚卯青认为智能化突破需三点：长程记忆与动态决策；灵巧和精度；纠错能力。行业原思路是训一个完备端到端模型，但较理想化。近期讨论通过分层架构，利用多模态大模型完成指令理解、任务拆分、状态监督、失败重规划和纠错，形成agent harness系统。张鹏表示，Demo到规模化需两个前提：一是验证技术框架在场景中work，并真正创造商业价值；二是具备持续性、规模化商业价值创造，还需闭环能力、硬件稳定性和售后、生产、质量体系支撑。逆矩阵陈博远总结，公司在构建真实物理世界的基座模型。