专访许华哲：家庭机器人如何破壳而出

华商韬略 2026-11-05 19:27

无论是进入家庭，还是在工厂里干活，机器人还都是一笔算不太明白的账。

前不久，有人尝鲜机器人上门保洁。机器人整理茶几、衣服和鞋子，用了约一个半小时，整理4本书就花了6分钟。而同来的保洁阿姨已经擦完窗户和桌子，洗好碗，打扫完厨房。收尾时，她又把机器人叠过的衣服重新叠了一遍。

工厂里也有另一笔账，一些适合标准化的工作，已经有自动化设备在做。重复性任务，一台机械臂或许就能完成。容易做的工作，已有设备在做；剩下的工作，又往往超出了机器人的能力。具身智能要打开市场，就得跨过这道坎。

但真实的世界不会总按训练时的样子出现，比如衣服会变形，物品会滑落……成熟的机器人应该随机应变，硬件的精度和可靠性要跟上，模型也要学会应变。

破壳机器人创始人、清华大学交叉信息研究院助理教授许华哲认为，“家庭的复杂性恰恰是通用智能成长所需要的。家庭不仅是机器人的应用场景，也能为机器人提供丰富的学习经验，推动其形成适应陌生环境和新任务的泛化能力。”带着这样的初衷，他在2026年初创立破壳机器人。

10月30日，破壳最新发布了RoboAPI，随之而来的还有他们的首个世界-动作模型Poke-Aurora。在完成适配机械臂的接入和标定后，开发者无需为具体任务采集数据、训练或微调模型，就可以用一句指令，让机器人尝试完成没有专门训练过的任务。这为破壳走入服务型场景迈出关键一步。

这种“零数据”调用能应对多少真实任务，许华哲希望交给更多人检验。“一个模型好不好、好不好用、性能强不强，不应该是它的发明人或者是创作者自己告诉大家。”他在接受华商韬略专访时说。

在最初 RoboAPI 之前，许华哲已经探索了多年，怎样让机器自己做决定。而这种在路线上笃定，也成为不少投资人青睐他的原因之一。

在清华电子系读大一时，许华哲参加过一次游戏 AI 比赛，试着用神经网络写程序，效果不好，最后改用了传统搜索算法。后来在伯克利读博，他又花了六到九个月，专门写《星际争霸》AI，希望做出一个能够自主决策的系统。

参与计算机视觉和自动驾驶项目后，许华哲看到 AI 开始在物理世界里做决定，也逐渐把长期目标转向机器人。此后，他在斯坦福做博士后，回到清华任教，研究强化学习和机器人学。

技术目标落到创业上，需要回答一个具体问题，谁buy in你。

筹划家庭机器人时，许华哲认真考虑过，先做一台专门备菜的机器人。

他问国内的朋友，愿意花多少钱买。对方拿厨房里的家电作比较，给出的价格是六千到一万元，大致相当于一台冰箱。

许华哲算的却是另一笔账。按他当时的估算，一个关节就要一千元，一条机械臂至少七个关节。光关节就得七千元，其他硬件和研发成本还没算进去。

只承担少数工作，用户愿意支付的价格，未必撑得起机器人的成本。

许华哲也去工厂和仓库里找过机会，走过汽车厂、鞋厂、食品工厂和物流仓库。他发现，部分价值高、适合标准化的工序已经实现自动化，剩下的一些工作处理起来复杂，价值却未必足以覆盖定制开发的投入。

在接受华商韬略专访时，许华哲解释，工业客户关心节拍、精度和投资回报。对于每天重复少数几项任务的工位，经过针对性训练的小模型，也可能把工作做好。而这与他追求的通用能力存在距离。把一个工位的效率做上去，并不能自然推导出一个能在不同环境里工作的机器人。

许华哲把方向收回到家庭。这里的物品和任务不断变化，机器人学到的经验能否用于新情况，会受到持续考验。同一台机器人能承担的工作增加，家庭也才有理由重新估量它的价值。

但具体从哪些工作开始，他仍要取舍。

做研究时，许华哲希望理解、解释一项技术；做研发时，他关注模型的效果。成为创始人后，他需要让公司的目标与模型能力对齐。筛选家庭任务时，他看两个维度：技术上能不能做，对用户有没有价值。

“这件事价值高且我能做，我才去做它。”

麻婆豆腐是破壳交出的一次阶段性展示。机器人敲击碗底，把剩下的葱抖进锅里，让人看到了它处理操作细节的能力。

许华哲随即面对下一步的问题：这套能力，能不能离开展示的厨房？同一道菜，有的家庭加葱，有的加蒜苗。换一道菜，物品和步骤又会变化。把一套流程重复成功，与适应这些变化，需要的能力并不相同。

破壳随后把研发重点进一步转向零样本泛化，希望模型面对没有专门训练过的任务，也能利用已有经验尝试完成。RoboAPI 由此推出：开发者完成适配设备的接入和标定后，无需先为具体任务采集数据、训练或微调模型，就能调用它。

对许华哲而言，开放 API 也让这条路线有了新的检验方式。模型走出自有场地，在别人手里的设备上能做什么，又会在哪里失败，都将成为下一轮研发需要回答的问题。

至于机器人进家这件事情，许华哲把小规模量产进家的目标放在2028年。

在准备 RoboAPI 的过程中，许华哲看到了一个新变化：通用大模型也开始会操作机器人了。

他的团队给 OpenAI 的 GPT‑6 Astra 准备过一根下端劈开的花茎。要把花插进瓶口，先得处理撑开的两叉。Astra 控制机械臂捏住分叉处，把花茎收窄，再往瓶里插。实验资料模型能够根据眼前的情况调整做法，接近了许华哲一直追求的应变能力。这也让破壳需要回答——当开发者可以调用通用大模型控制机械臂，专门训练机器人模型还能带来什么？

海外研究者已经开始讨论这个问题。

MIT 的 Phillip Isola 提出“Robot-Use Agents”的设想：通用模型可以像使用电脑工具一样使用机器人。沿着这个方向，模型每次升级，都可能改善不同机器人的能力，智能进入物理世界的速度也会随之加快。

不过，真实操作也在暴露通用模型的边界。机器人评测团队 Robocurve 让 Astra 把积木放进碗里，20次成功了19次；换成把拼图块嵌入对应凹槽，20次只成功了2次。英伟达的研究还发现，在所测仿真任务中，Astra 直接生成动作时，单次推理平均耗时18.56秒。

显然具身智能模型仍有一系列待优化的空间，比如面对物品接触、精细对位和连续动作，怎样把判断变成可靠的执行？

对此，许华哲的答案是要搞定学习操作所需的数据上。“高水平的事，就得用具身的数据。”在他看来，实际操作中的经验，仍需要专门积累和学习。

破壳选择的是世界—动作模型路线。

抓住衣角往上提，布料会变形；拉开抽屉，夹爪的位置也要跟着调整。Poke-Aurora 在训练中共同预测环境变化和机器人动作，学习两者之间的关系。破壳提出的 MRC 机制，在视频预测与动作预测之间建立可学习的联系，让对物体运动、交互过程的判断参与动作学习。

在破壳公布的自建评测中，姿态与形状对齐任务的成功率，Poke-Aurora 为 54.1%，Astra 为 36.3%。

这条路线可以在操作能力上与通用模型竞争，也存在协作空间。已有研究尝试让 Astra 调用专用机器人模型，在部分任务中结合两者的能力，并减少调用消耗。对于破壳，未来让通用模型调用自身的动作能力，也是一种可以探索的方向。

但在此之前，它需要先让开发者用起来。

“如果零样本泛化能够实现，没有谁会愿意走繁琐的现场部署老路。”许华哲在接受华商韬略专访时说。

RoboAPI 因此把目标落到一个具体步骤上，开发者完成适配机械臂的安装和标定后，无需为眼前的任务采集训练数据、微调模型，就可以直接调用已有能力。设备之间的差异，则通过适配来处理。破壳采用腕部鱼眼相机和末端位姿控制，让不同机械臂按照相近的方式提供观测、接收动作。用户依然需要安装和标定，但可以省去为每项新任务重新准备训练数据的步骤。

开发者 Bingqi 把 RoboAPI 接到实验室的 UR3 上，称照着文档配置，不到半小时便完成接入，随后开始测试抓放任务。许华哲在评论区回应：“UR7e到UR3也是跨了一波本体了。”

用户“内向梅梅（黑化版）”则在 AUBO 机械臂上测试抓放香蕉、插笔筒，还改造了夹爪。他看重的是，这种方式“适合快速验证具身操作想法”。许华哲注意到了那个镂空的夹爪，留言为这次尝试点赞。用户随即提出新期待：开放双臂版本。

从这些反馈中，破壳开始看到开发者选择它的理由，利用手头的设备，花较少的准备时间，就能验证一个操作想法。至于模型还能完成多少任务，要靠更多使用继续检验。许华哲把开放 API 看作“一种规模化的评测”，希望借此“看到现在模型的边界在哪”。“我说我的东西好，你拿去用，你用了之后真的好，这是非常直接的。”

RoboAPI 开放后，用户也会把新的问题带回来。这些需求进入研发流程，破壳需要进一步判断：哪些问题出在模型，需要调整结构；哪些出在数据，需要补充标注；哪些又出在运行环境，需要另行排查。

在华商韬略专访中，许华哲解释，单次失败可能只是偶然的抓取失误，团队真正要做的是统计反复出现的问题——判断模型缺的是记忆还是灵巧性，再决定是调整模型结构、修改数据权重，还是补充标注。

“原始数据都是‘生数据’，需要加工成我们定义的‘熟数据’，而每家具身企业对熟数据的标准各不相同。”破壳既自采数据，也向第三方采购。不同来源的动作记录需要对齐坐标系，标注也要满足模型训练的要求，买回来的原始记录才能成为团队真正用得上的数据。

也正因如此，在破壳，标注的花费有时高于采购数据本身，参与这项工作的同事中不乏清华或海外高校的博士。

“做数据的要懂模型，做模型的也要懂数据，不能只守自己的一亩三分地。”许华哲不认为这件事可以让各部门分头交差——如果数据团队只管完成采集指标，东西交出去后模型团队却用不上，工作也就谈不上完成。在破壳，没有人挑活儿，“我们所有人的目标都服务于打造通用具身机器人。”在许华哲看来，这种力出一孔的敏捷，或许正是 AI 原生组织与其他组织的不同之处：数据部门完成自己的指标，却产出一批用不上的数据，模型照样训不好；模型团队要说清楚每次改动的目的，数据和 Infra 人员也要参与讨论，共同决定下一轮训练怎样配合。

除了组织协作，训练环境本身也可能拖住研发的脚步。

在与腾讯云合作之前，许华哲用“要跟显卡搏斗”形容团队遇到的底层问题：代码反复调试，显卡利用率却始终上不去，排查到最后才发现问题出在适配环节。这种情况下，算力虽然已经到位，研发人员仍要先花时间处理运行环境，才能开始训练。

许华哲提到，破壳正在使用国产卡，自行适配需要投入大量人力；而与腾讯云配合时，团队只需提交一段代码，对方就会返回适配后的版本。“模型部署上去就能开展训练，训练过程中的底层问题不用我们耗费精力处理，我们只聚焦模型训练本身。”对于要持续改进模型的团队来说，研发人员的时间应该留给模型暴露出的短板，而不是消耗在环境排查上——基础设施必须跟上每一轮训练的要求。腾讯云提供计算资源，也协助处理使用这些资源时遇到的工程问题，让破壳省去了大量自行排查和适配的投入。

而当 RoboAPI 面向更多地区的开发者时，模型还要通过云端及时返回动作——推理和网络传输的耗时，都会直接影响机器人在现场干活的表现。“未来大量任务会依赖云端推理，这就需要云厂商提供稳定、低时延的云端推理服务，这会是重要的合作点。”许华哲说。

随着 RoboAPI 走向更多开发者，云端推理的稳定性和低时延将直接决定机器人在现场干活的效率，这也是双方未来合作的核心。

许华哲非常看好 WorkBuddy 与 RoboAPI 的联动前景：未来用户有望只需向数字 Agent 提出复杂需求，由 Agent 在云端完成任务规划，就能直接调用 RoboAPI 控制机器人完成现实操作。

从选择家庭场景作为起点，到主动推动模型从实验室Demo走向更多开发者的真实机器人，破壳正带着一份公开面对模型边界的坦诚，接受真实世界的检验，去证明且推动未来通用机器人的落地机会。