具身智能领域创业热潮涌动，技术路线和数据来源选择成为焦点。近期清华、北大团队密集发布的研究成果，为我们解读行业趋势提供了重要线索。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
成立于2023年初的银河通用，由前如布科技联合创始人尹方鸣和姚腾洲以及北大助理教授王鹤共同创立。该公司秉持低成本仿真路线，历经两年研发，近期重磅推出GraspVLA模型。该模型与RoboCasa、RoboGen等类似，通过在海量合成仿真环境中生成机器人数据进行训练。GraspVLA专注于抓取任务，将预训练的AnyGrasp模型部署到仿真环境中，采集大量数据训练VLA模型，并通过引入随机化因素提升模型泛化能力。
AnyGrasp、GraspVLA、OpenVLA演示视频对比
成立于2024年9月的灵初智能，由前京东机器人总裁王启斌、机器人算法负责人柴晓杰、李飞飞学生陈源培以及北大助理教授杨耀东和梁一韬共同创立。
Psi R0演示视频
与银河通用类似，灵初智能也在仿真环境中进行大规模预训练，但其在模仿学习中融合了强化学习技术以及真机数据对齐微调，即使仅使用少量仿真和真机数据，也能实现复杂任务的泛化，并实现不同技能的流畅衔接操作。2024年12月底发布的Psi R0模型，成功完成了双手协作长程泛化打包任务，展现出其强大的商业化潜力。
灵初智能此前发布的乐高组装成果，同样展现了其在长程灵巧手任务上的突破，超越了以往强力抓取的局限，实现了更灵活的抓取和精细动作。据公开信息，灵初智能将于3月份发布自研机器人本体及更泛化的具身大模型。
乐高组装演示视频
在数据选择方面，成立于2023年9月的清华系星海图持截然不同的观点，他们认为数据价值排序为：真机数据 > 互联网数据 > 仿真数据。星海图CEO为Momenta前执行董事高继扬，科学家团队包括清华助理教授赵行和许华哲。他们计划今年发布100万条真机数据，明年发布1000万条。
星海图计划采用真机数据主导的预训练方式，而非灵初和银河的大规模仿真数据预训练。但大规模真机数据存在多样性不足的问题，难以实现泛化能力的涌现。
星海图Real2Sim2Real演示视频
在仿真数据方面，星海图强调Real2Sim2Real后训练，将仿真数据作为后训练的强化手段，在仿真中对真实数据进行随机化扩充，以实现更高的成功率和更好的落地效果。
这三家清北团队在算法和数据选择上各有侧重：灵初智能强调强化学习算法，银河通用强调仿真数据，星海图强调真实数据。但三家公司都采用了仿真和真实数据结合的方法，只是在预训练和后训练阶段对不同数据类型的比例有所侧重。
我们期待这三家极具潜力的公司未来带来更多惊喜。清华、北大作为具身智能创新的先锋，近期还有许多值得关注的研究成果，例如清华星动纪元ERA-42、北大与国地共建具身智能中心RoboMind、北大与智元OmniManip、清华千寻智能CoPa和Data Scaling Law等，都值得深入分析。
