在具身智能领域，技术迭代的方向与节奏正经历着微妙变化，行业内部对于未来的发展路径也产生了诸多分歧。近期，北大副教授董豪提出了一种全新的观点，为具身智能的发展提供了新的思路。他认为，当前主流的模仿学习、强化学习以及仿真数据方法均存在一定局限性，行业亟需转变思维方式，探索更为高效的发展路径。
董豪指出，具身模型的训练目前主要分为两个阶段：预训练阶段依赖模仿学习，而后置迭代则依靠强化学习。然而，这两种方法都存在显著短板。模仿学习虽然能够快速赋予机器人基础操作能力，但其训练样本全部为正确轨迹，缺乏故障和失误样本，导致机器人在真实场景中执行任务出错时无法自主调整和纠错。而强化学习则能够弥补这一容错短板，通过补充故障场景样本和人工干预纠错轨迹，提升机器人在真机环境中的任务稳定性。
为了验证这一观点，董豪分享了实验室的最新成果。他们成功实现了机器人全自主洗衣流程，从规划移动路径、开合洗衣机门到抓取衣物，整个流程无需人工介入。即使在抓取衣物失败时，机器人也能像人类一样主动重试。这一成果充分证明了模仿学习打底、强化学习持续迭代的组合方案的有效性。
然而，董豪认为，即便实现了模仿与强化学习的闭环，传统的一维缩放逻辑仍然无法描绘通用具身智能的长期增长潜力。为此，他提出了横向二维缩放定律的创新观点，即在原有数据量维度之外，新增任务数量坐标轴。这一框架下，随着数据集的持续扩充，机器人全新任务的初始完成率将同步上涨，而达成高成功率所需的样本量则会持续下降。
董豪强调，行业需要规避两种低效增长曲线：一是数据增长与可掌握任务仅呈线性关系；二是边际收益持续递减。理想的技术曲线应该是“高效红线”，即伴随模型迭代和数据规模扩张，机器人可掌握的任务数量高速提升，实现“越学越省”。这一观点得到了近半年行业火热的世界模型、Umi等技术概念的支持，它们底层目标全部服务于这条全新增长曲线。
为了实现这一目标，董豪团队还探索了多路径数据增强的落地方法。他们依托世界模型与生成AI，将单条真机采集轨迹生成50条物体摆放、空间位置差异化的高逼真等效训练数据，极大缓解了真机数据采集成本高、样本稀缺的问题。同时，仿真体系在基础动作训练之外，还成为家用机器人突破非标家电操作瓶颈的关键。通过仿真批量生成海量训练素材，与真机数据双向互补，持续拓宽机器人能力边界。
董豪团队还探索了普惠化低成本方案，通过穿戴式手持相机记录人类操作视频，直接转化为机器人可训练轨迹。这一方案在同等预算下可获取海量示范数据，持续优化二维缩放增长曲线，长期压低机器人数据采集边际成本。这些前沿技术的探索与实践，为具身智能的发展提供了新的方向和动力。
