文章

1 —— 定位：端侧 robotic foundation model 最难的一半你们做完了：本体量产、进了真实场景、带着 VR 遥操作在跑；剩下的是模型与数据系统 [blog: carnewschina 2026-04-13] 目标是端侧的 foundation model。要有 foundation model 的能力，就得走大模型范式——参数、数据、FLOPs、算法强度一起 scale up，用计算换智能 [arXiv:2606.05737] 做大之后再压回端侧：以 OPD 为主的蒸馏技术栈 + infra 优化 + 推理软件优化 + 软硬件协同设计，最终活在 0.7 kWh 的预算里 [arXiv:2604.00626] 2 —— 系统长什么样 两个工厂：Model Factory 把数据变成能上车的策略，Data Flywheel 把机器人的运行变成可训练的数据 [arXiv:2511.19647] 它们之间只有两条通路——Policy API Contract 与 Episode Contract；中间那个器官 evaluation 两头卡 [arXiv:2604.15483 §3] 流水线的右半段就是"压回端侧"那一段：compress 与 serve [arXiv:2602.18397] 3 —— 模型怎么被调用，怎么被训练 输入：最多 4 路相机 × 最多 6 帧历史、每帧 448×448；proprioception 每个历史状态一个 token；语言 prompt 六个字段 [arXiv:2604.15483 §VI-B] 输出：50 个 action token（执行 25 个就重规划）加一个标量 value；最小变体 3 路相机、5 步去噪下 38 ms [arXiv:2604.15483 App. D] 每个本体的 action 维度是所有公开系统都没给的一个量，由 embodiment adapter 决定 [arXiv:2604.15483 §VI-B] 4 —— 一条训练样本，三路监督 ...

我们要一起建的东西 最难的那一半，你们已经做完了：本体量产、铺进真实场景、带着 VR 遥操作在跑 [blog: carnewschina 2026-04-13]。 剩下的一半是 robot foundation model 和喂养它的数据系统。下面讲的就是这一半——具体建什么，按什么顺序建，每一步靠什么证据判断它成了 [arXiv:2511.19647]。 定位从第一天就定下来：我们做的是端侧的 robotic foundation model。 这句话里两个词都要当真 foundation model 意味着能力必须从大模型范式里长出来——把参数、数据、FLOPs 与算法强度一起 scale up，用计算换智能。这一点没有捷径：同样的小架构直接训练，到不了大模型经蒸馏之后的位置 [arXiv:2606.05737]。 端侧意味着最终交付物必须活在一块 0.7 kWh 电池和一颗 SoC 的预算里 [blog: carnewschina 2026-04-13]。 这两件事表面上互相矛盾，解法是把它们拆成先后两段：先用大模型范式把智能做出来，再把它压回端侧。 压回去这一段不是单一技术，而是一整条链路——以 on-policy distillation 为主的 compression / distillation 技术栈、训练与推理 infra 优化、推理侧的软件优化，以及软硬件协同设计 [arXiv:2604.00626]。整份材料的结构就是这条逻辑：第 2 部分讲怎么把它做大，2.7 节与 2.8 节讲怎么压回去，第 6 部分讲这两段在时间上怎么排。 还有一条贯穿始终的规矩：凡是给出的数字都能追到一行出处，或者追到一次基于出处的算术；追不到的，我们直接说这个还不知道，不编 [computed: 本文的取数规则]。 需要说明的是第三类：工作取值（tentative）。像模型规模区间、压缩后的成功率预算、脱机时长这些，我们给了具体数字，是为了让方案可讨论、可反驳——工程上没有具体数字就没法开始。但它们是随测量结果移动的工作取值，不是承诺。文中凡是这一类的数字都会写明它是工作取值，读的时候直接当作"当前的起点，后面会改"就对了 [computed: 本文的取数规则]。 第 0 部分 —— 一页纸的全景 先看这张图。后面六个部分都是它的放大 系统由两个工厂组成。Model Factory 把数据变成能在机器人上跑的策略：pretrain → post-train → experience loop → compress → serve。Data Flywheel 把机器人的运行变成可训练的数据：generate → collect → clean → label → store → sample [arXiv:2511.19647]。 ...