RoboScience发布通用具身大模型，重构机器人认知逻辑，成本降至传统1/200！

【导语：6月24日，通用具身智能企业RoboScience机器科学发布通用具身大模型，披露自研Visics大模型的技术架构VLOA，并展示其在多项真实场景的应用。该模型解决了具身智能领域的诸多难题，有望推动具身智能规模化落地。】

具身智能无公认表征，传统做法难迁移

大语言模型有标准文本Token，自动驾驶有统一表征，让数据和模型可跨场景复用。但具身智能至今无行业公认的基础表征单元，它决定着数据采集、模型学习及能力迁移。过去两年，行业主流让模型学习机器人关节运动轨迹，可换硬件、物体或场景，能力就无法迁移复用。

自研模型提出新标准，分层解耦实现泛化

RoboScience机器科学创始人田野指出机器人操作面临泛化能力差等三大瓶颈。为此，团队自研Visics通用具身大模型，提出Object Trajectory统一中间表征标准，搭建分层解耦的VLOA架构。

Visics模型采用双引擎架构，具身世界模型以海量互联网视频预训练，学习物体运动规律；通用操作模型将“物体运动轨迹”转化为“机器人动作”，通过物理引擎生成仿真数据迭代，支持跨本体部署与多模态感知输入。

两大引擎通过VLOA架构协同，Object Trajectory作为接口，上层预判物体轨迹，下层给出硬件控制指令，实现适配任意机器人、操作任意物体、完成多样化任务的全域泛化。对比传统方案，基于VLOT架构的模型在抓取等方面表现更优。

双数据飞轮降成本，试点合作促量产

在具身智能领域，传统数据路线面临成本与产能天花板。RoboScience机器科学以自研高精度仿真引擎RoboMirage为核心，构建“仿真+视频”双数据飞轮，将单条数据获取成本压至传统方案的1/20至1/200，预计2026年构建超1T高质量操作轨迹数据集。

该公司已获多家机构投资及产业支持，搭建软硬一体商业模式。联合创始人汪涛表示先从物体维度切入，商超、电商物流等场景是验证泛化能力的试验场。目前已与多家企业开展试点合作，计划今年实现标准化机器人本体产品量产。

编辑观点：RoboScience机器科学的技术突破为具身智能发展带来新契机，解决了行业痛点，其数据方案也降低了成本。随着试点合作推进和产品量产，有望加速具身智能规模化落地。