一个把任务做多，一个把任务做难

——分道扬镳 or 殊途同归？

目录

01    中美代表性研究，首先想解决什么问题？

02    同样是“做成了”，中美研究更想证明什么？

03    为什么会形成不同的研究侧重？

04    两条路线会继续分开，还是最终汇合？

---

在之前的文章里，我们统计了中美研究团队在 Nature 系列期刊上的机器人相关发表，试图从论文产出的侧影，看见两边研究版图的差异。

数字可以给出体量，但很难讲清楚：当两国顶尖实验室把机器人推向真实世界时，他们优先选择解决哪一类问题？

同样是研究机器人，中国部分高校更突出能否完成过去难以实现的复杂物理任务；美国部分机器人研究团队则更关注已经学会的技能，能否迁移到更多任务和场景。

两条路线不是非此即彼，却形成了辨识度很高的发力脉络。这种侧重会影响研究者选什么问题、怎样设计实验，甚至怎样展示成果。

本文以 Nature Index 的机器人与机电工程专题为线索，沿着一批代表性工作，讨论中美机器人研究为什么会呈现出不同的关注点，以及两种方向最终会走向哪里。

注：本文选取若干代表性成果做趋势观察，并非全领域定量普查；文中仅归纳部分团队倾向，不代表学界整体研究工作，不构成官方定论。

01    中美代表性研究，首先想解决什么问题？

在中国高校近期的一些机器人研究中，问题往往从真实任务里来。

一架无人机能稳定悬停，距离高速穿过密集树林还有很长一段路；能飞到目标附近，也不等于能安全地接触目标、施加作用力。高速和接触会把运动惯性、控制延迟、机体结构等问题同时带进来，最后考验的是整套机器人系统。

• 上海交通大学 2025 年发表于 Nature Machine Intelligence 的高速飞行研究，就是一个例子。

研究人员利用可微物理仿真训练视觉控制策略，再将策略部署到真实无人机上，在林地实现了最高约每秒 20 米的飞行速度。论文里有学习算法，也有仿真，但最终要接受检验的是一架真实无人机：感知、动力学和控制能否在高速状态下连续配合，让它真正穿过复杂环境。

▲图｜上海交通大学。基于视觉的敏捷群导航，通过可微物理训练的端到端神经网络控制器穿越杂乱环境。

• 西湖大学的 FlyingToolbox 则把挑战放在无人机之间的近距离物理协作。

通常两架无人机上下靠近时，上方旋翼产生的强气流会干扰下方飞行器，让稳定对接变得非常困难。研究团队设计了一架携带工具的“工具箱无人机”和一架配有机械臂的“操作无人机”，让后者在飞行中自主取用工具，再完成剪切、抓取等操作。论文报告的空中对接误差为 0.80厘米。

▲图｜西湖大学 FlyingToolbox 空中协同操作实验。上方的操作无人机靠近下方的工具箱无人机，在强烈的旋翼气流干扰下自主对接并更换工具，再执行抓取、剪切等任务。它展示了中国高校如何通过机体、感知与控制协同，完成以往难以稳定实现的空中物理操作。

上海交大解决高速飞行中的系统协同，西湖大学处理近距离协作中的气流干扰和精确操作，两项工作都在突破真实物理任务的执行边界。

这类中国高校的代表性研究，通常从一个现有系统难以完成的任务入手，再围绕它改进机体、算法和控制。高速、接触和复杂环境不是实验的附加条件，而是研究问题的一部分。

把目光转向美国高校的机器人学习研究，另一个问题会变得突出：机器人能完成某项操作以后，为什么换个物体、换个摆放位置，往往还要重新训练？

对于要处理大量商品和不同工序的机械臂来说，如果增加一个任务就需要采集一批示教数据、重调一次策略，任务越多，开发成本就越难控制。

• 美国卡内基梅隆大学主导的 3D FlowMatch Actor 就沿着这条思路展开。

研究团队利用三维场景信息学习操作轨迹，在公开评测中覆盖了 13 项双臂任务和 74 项单臂任务，并进行了真实机器人测试。如此设计实验，重点已经从“某个动作能否做成”延伸到“同一套策略能覆盖多少种动作”，希望减少任务变化带来的重复开发。

▲图｜CMU 3D FlowMatch Actor 的多任务机器人操作实验。 同一类三维策略方法被用于多项单臂、双臂任务，并在真实机器人上进行测试。图中不同的操作场景对应着另一类研究目标：在任务不断增加时，尽量减少重新开发和训练策略的成本。

• Stanford 等美国研究机构参与的 Octo 则希望将复用范围进一步扩大。

它先使用不同机器人平台和任务的数据进行预训练，再借助较少的目标数据适配新的观测和动作空间。与中国上述无人机研究聚焦某种高难度物理能力不同，这批美国机器人学习工作更想建立一种可迁移的基础，让机器人面对下一项任务时少走一些重复训练的路。

这样比较下来，中美代表性研究的差别首先落在研究起点上：

中国这些高校更常从高速、接触等物理难题出发，推动机器人完成一项此前难以完成的任务；美国这些学习团队则把注意力放在任务变化之后，寻找能够反复使用的策略。

研究问题一旦不同，实验自然也会采用不同的证明方式。

02    同样是“做成了”，中美研究更想证明什么？

研究目标不同，最终拿什么结果来证明工作有效，也会有所区别。

对比这些中美高校的代表性论文，差别不仅在 Demo 做了什么，还在于研究者希望读者从 Demo 中看到什么。

上海交大等中国高校的这些物理系统研究，会把高速真机表现、复杂环境中的任务成功率、系统稳定性放在重要位置。浙江大学的空中操作也要证明：当无人机真的与物体接触，面对反作用力和旋翼气流时，任务能否完整做完。

实验首先要回答的是，过去的物理限制有没有被跨过去，系统能否在真实条件下运行。

▲图｜上海交通大学高速无人机研究的速度与成功率对比。图中结合不同复杂场景的飞行轨迹与性能曲线，展示研究者如何同时衡量速度和避障成功率。对于这一类中国高校的物理系统研究，实验要回答的不只是机器人能否完成动作，还包括在高速、障碍密集等困难条件下，系统能够稳定运行到什么程度。

相比之下，CMU、Stanford 等美国高校的机器人学习成果，更需要证明一种方法可以延伸到多大范围：同一套策略能完成多少类操作？换成未见物体或布局，还剩下多少成功率？切换机器人平台时，要补充多少数据才能适配？

因此，它们不仅报告任务成功率，也强调覆盖任务的数量、迁移表现和训练所需的数据。

▲图｜CMU Octo 在多种真实机器人任务上的评测场景。从不同机械臂的物体操作，到咖啡制作、插孔等任务，研究团队使用不同机器人平台和操作环境测试同一套预训练策略，并考察少量数据微调后的表现。与单项高难度任务的极限测试不同，这组实验重点展示了策略跨任务、跨平台适配的能力。

• 两种实验各有明确的工程指向。

任务成功决定机器人能不能承担一项工作，能力泛化决定它能不能以可接受的成本承担更多工作。中国这些工作着力回答复杂物理条件下的可靠执行，美国这些工作则进一步计算任务增加以后需要付出多少采集、训练和调试成本。

• 所以，两边的成果展示也形成了不同的节奏。

中国高校的高速穿越、空中接触 Demo，往往围绕一个难度很高的完整任务展开；美国高校的多任务操作视频，则会接连切换物体、场景和动作，展示同一方法的适用范围。前者要证明动作做得出来，后者还要证明换个任务也能做。

• 当机器人从实验室走向长期运行，这两种指标会同时影响部署。

一台机械臂即使能完成很难的操作，每换一种零件就需要重新调试，依然难以进入多品种产线；一套策略即使覆盖很多任务，如果接触不稳定、控制容易失误，同样无法连续工作。

为什么一些团队优先解决物理执行，另一些团队优先解决能力复用？除了论文目标，还要看它们从哪里积累经验、面对什么产业需求。

03    为什么会形成不同的研究侧重？

先看研究传统。

上海交大、浙大等中国高校的上述团队，长期积累了机体、动力学、运动控制和真机实验能力。实验室有能力把机器人放进高速飞行和接触操作等高难度场景，便更容易从这些系统反复失败的环节里找到研究问题：机体是否需要重新设计，控制器能否及时响应，学习策略如何适应真实动力学。

与之形成对照，CMU、Stanford 等美国高校的代表性工作有较强的机器学习与机器人学习背景，能将多个机器人平台、数据集和任务组织到同一套训练与评测流程里。这样的研究基础，使“怎样减少新任务所需的数据”“一个策略能覆盖多少操作”更容易成为持续推进的问题。

不同学科的研究基础在中美都有分布，但放在这组代表性案例中，确实能看到两种不同的积累路径：一边从整机实验里不断找到新任务，一边从数据和学习框架里不断扩大任务范围。

这样的差异，也和两国各自被广泛展示的产业应用场景形成呼应。

在中国，人形机器人和自动化企业正持续尝试把设备送进汽车制造、物料搬运、分拣和质检等场景。

• 优必选 Walker S 系列公开展示的汽车生产相关应用中，机器人需要完成物料转运、零部件分拣等工作，还要适应生产线既有的设备与节拍。

对这样的应用，单次操作成功只是入场条件，连续运行、现场安全、设备协同和维护效率都会左右最终价值。这些约束，也让中国机器人研究中的系统可靠性问题格外贴近产业现场。

▲图5｜优必选 Walker S 系列在工业制造场景中的应用。 机器人参与物料搬运、分拣或质检，需要适应车间里的设备、节拍和作业流程。这样的应用背景，使真实系统的稳定执行与多设备协同成为重要的工程问题。

• 在美国，Amazon Robotics 的仓储自动化展示了另一种突出的工程需求。

大型履约中心协同使用移动机器人、机械臂和自动化库存系统，需要处理数量庞大、种类各异的商品，还要把成熟流程复制到不同站点。这里的难题同样有硬件与控制，但更容易被反复追问的是：已经建立的能力，能否被下一座仓库继续利用，新增任务要增加多少部署成本。这与美国高校代表性机器人学习研究强调的策略复用形成了呼应。

▲图6｜Amazon 仓储机器人与自动化履约系统。 移动机器人、机械臂和库存管理设备在统一流程中配合工作，重点是让大量商品和任务在持续运行的系统里被高效处理。它从产业应用侧展示了能力复用和规模化部署的重要性。

把研究传统与产业需求放在一起，中美这组代表性成果为何强调不同的问题就更容易理解了。中国部分团队沿着本体、控制与真机系统不断拓展物理任务，美国部分团队沿着数据、学习和规模化流程扩大能力覆盖范围。

产业实践并不能直接决定高校研究方向，但在一定程度上能说明这两类问题为什么都值得长期投入。

04    两条路线会继续分开，还是最终汇合？

把这些中美研究放到一起，差异已经比较清楚：中国部分高校的代表性成果先把机器人推向复杂物理任务，美国部分高校的代表性学习成果则着力扩大一个策略可以适用的范围。

两种研究路径在实验室里可以各有重点，走进实际生产和服务场景后，却要接受同一份考验：既能把事情做成，也能在下一处场景继续做成。

如果中国高校擅长突破的物理能力只能依靠针对单一场景的大量调试，下一次部署仍要付出很高成本；如果美国高校追求的通用策略面对重量、摩擦和接触变化时不够可靠，再强的泛化指标也无法直接变成稳定的生产能力。

两边研究遇到的难题，正在这些实际任务里逐渐重叠。

从技术方法看，两边早已明显出现交汇。上海交大的高速飞行结合了可微物理仿真和神经网络策略，说明中国高校的物理系统研究早已把学习方法纳入关键环节；CMU 等美国高校的多任务策略同样要进入真实机械臂，检验接触、运动与执行中的误差。中国团队推动物理任务向更难的方向发展，美国团队推动学习策略向更广的任务范围扩展，最终都绕不开身体与智能的协同。

所以，中美机器人研究当下看起来确实有两种醒目的发力方式：一边突出复杂物理任务的真实执行，一边突出通用策略的迁移与复用。它们并非两条各走各路的终点，而是机器人实际应用需要同时具备的两种能力。

未来的机器人既要能在复杂环境里可靠地完成工作，也要能以可接受的成本学会下一项任务。

个人观察，供讨论。

编辑｜阿豹

Ref
1. Nature Index, Control Engineering, Mechatronics and Robotics：https://www.nature.com/nature-index/topics/control-engineering-mechatronics-and-robotics
2. Learning vision-based agile flight via differentiable physics, Nature Machine Intelligence, 2025：https://www.nature.com/articles/s42256-025-01048-0
3. FLOAT Drone: A Fully-actuated Coaxial Aerial Robot for Close-Proximity Operations, IROS 2025：https://zju-jxlin.github.io/float-drone.github.io/
4. 3D FlowMatch Actor: Unified 3D Policy for Single- and Dual-Arm Manipulation：https://3d-flow-actor.github.io/
5. Octo: An Open-Source Generalist Robot Policy：https://octo-models.github.io/