核心技术突破 - 提出名为Skild Brain的通用机器人大脑概念，其核心是与机器人身体解耦，可独立适应[3][4] - 控制策略分为高频与低频两个层级，高层负责规划导航，低层负责将策略转化为关节扭矩和角度，并能在不同机器人之间迁移[6] - 系统通过大规模模拟训练实现能力，构建包含1万种不同机器人形态的虚拟宇宙，模型在其中进行了相当于1000年的模拟时间训练[13] 核心能力与特点 - 具备强大的在线自适应机制，能实时感知身体状态（如腿僵住、电机卡住）并立刻调整控制策略[14] - 拥有非凡的长时记忆力，其上下文窗口比多数机器人控制策略长一百倍以上，能记住过去更长时间的反馈和动作轨迹[17] - 展现出“零样本”适应能力，能在训练集中未包含的极端损伤场景（如断肢、关节锁死）下快速找到可行的行动方式[8][9] 技术实现路径 - 融合强化学习路径，模型在模拟世界中不断尝试、失败、优化，并结合长时记忆实现快速修正[13] - 具备迁移与泛化能力，旨在实现“一次学习，处处可用”，可跨不同机器人形态和任务操作[13] - 通过将硬件故障从致命伤转变为可“绕道继续”的挑战，实现了机器人控制范式的一次跃迁[6][12] 应用场景与潜力 - 在工业领域可大幅提升效率，生产线上的机器人不必因小故障就全线停机，能带伤工作至维护窗口[21][22] - 在灾难救援中价值直观，即使机器人“残肢断臂”也能在恶劣条件下继续执行搜救任务[23][24][25] - 潜在应用于军事领域，提升设备在战损后的续航力与生存力，以及在消费级市场实现一个大脑多用途以摊薄成本[26][27]