分类：科技 标签：人工智能、具身智能、大模型、机器人
在具身智能领域，如何让机器人真正理解并适应纷繁复杂的现实物理世界，一直是各大团队攻坚的核心难题。近期，乐享科技推出了一项大胆的技术路线——其具身智能模型「以太」（Aether）大模型宣称能够在部署和执行过程中持续更新，成为全球首个具备「自进化」能力的具身智能模型。这一概念引发了行业内外的广泛热议：「自进化」究竟是概念营销，还是通往通用机器人的必经之路？
告别单纯模仿：从动作预测到理解因果
过去几年，具身智能的主流路线是通过视觉、语言与动作的映射，让机器人根据环境输入直接输出动作。这种方式虽然让机器人学会了人类示范，但也存在明显的局限：它擅长回答「下一步做什么」，却未必理解「为什么要这样做」。
真实世界充满了接触力、摩擦、遮挡和物体形变。同一个动作在不同场景下会产生完全不同的后果，仅仅依赖视觉模仿很难在复杂的物理交互中保持稳定。
乐享科技的「以太」模型试图打破这一黑盒。它被定义为一个由世界状态、内部状态和能量状态耦合而成的动力系统，通过能量驱动的状态转移（energy-driven state transition）来进行决策。
- 主动感知：感知不再是被动接收画面，而是带着问题寻找答案。为了消除不确定性，机器人会主动调整观察位置再做决策。
- 因果理解：系统不再仅仅预测下一个动作，而是建立动作、物理状态与结果之间的因果关系，确保机器人在不断变化的环境中做出的动作切实可行。
严谨的闭环：自进化不是口号，而是机制
「自进化」面临的最大质疑在于：模型究竟是如何更新的？乐享科技给出的答案包含了一套完整的闭环机制：
- 预测与纠偏：机器人在行动前形成预测，执行后观察现实结果。一旦发现偏差，系统会实时更新内部状态，触发局部或全局的重新规划。
- 错题本与经验筛选：在线学习最大的风险在于将偶然扰动当成规律。以太模型通过分层记忆和筛选机制，判断经验是否可靠、能否泛化，只将验证过的有效规律沉淀下来，避免被错误经验污染。
- 软硬件解耦与一脑多形：目前，以太大模型已在双臂、双足和轮式等多种不同本体上积累经验。通过自主探索认知不同本体的性能差异和关节限位，模型能够生成适配不同硬件的轨迹，真正实现了跨形态的迁移与泛化。
总结：机器人的生长性时代
如果机器人只能在出厂前被训练，部署后便一成不变，那它本质上依然是一种高级自动化工具。但如果机器人能够在行动中发现偏差、在反馈中筛选经验、在记忆中沉淀规律，并把这些能力带到新的任务和身体上，它就具备了真正的「生长性」。
当然，从目前的工程展示走向真正的全场景自进化，乐享科技依然需要回答泛化边界、长期稳定性等诸多挑战。但正如行业所关注的那样，衡量机器人的标准或许正在发生改变——未来不仅要看「它现在会做什么」，更要看「它做完之后学会了什么」。这，或许就是具身智能真正的 next level。