2025年的机器人领域，一场关于“视觉”的革命正在悄然发生。传统机器人就像戴着“眼罩”的独行侠，只能盯着眼前一小片区域，而香港大学与上海AI Lab联合提出的VLN-R1框架，直接给机器人装上了“全景摄像头”。这项发表于2025年6月的研究，让机器人首次实现了从“视觉输入→文本描述→离散决策”到“第一人称视频流→连续动作”的跨越。举个例子：当你说“去厨房拿牛奶”时，机器人不再需要先生成文字描述(shù)“前(qián)方(fāng)有(yǒu)门(mén)”，而(ér)是(shì)直(zhí)接(jiē)像(xiàng)人(rén)类(lèi)一(yī)样(yàng)，边(biān)走(zǒu)边(biān)调(diào)整(zhěng)方(fāng)向(xiàng)，避(bì)开(kāi)椅(yǐ)子(zi)、打(dǎ)开(kāi)冰(bīng)箱(xiāng)，甚(shén)至(zhì)还(hái)能(néng)回(huí)答(dá)你(nǐ)“还(hái)剩(shèng)半(bàn)瓶(píng)”。在(zài)VLN-CE基(jī)准(zhǔn)测(cè)试(shì)中(zhōng)，仅(jǐn)用(yòng)20亿(yì)参(cān)数(shù)的(de)Qwen2-🍒VL-2B模(mó)型(xíng)，通(tōng)过(guò)强(qiáng)化训练后，性能就超越了70亿参数的SFT模型，在长距离导航任务中，用1万条样本就能达到完整数据集训练的效果，数据效率提升近7倍——这就像让一个新手快递员，通过少量案例就能快速掌握复杂路线规划。
🎲如果说VLN-R1解决了机器人“怎么走”的问题，那么港大团队另一项研究则攻克了“怎么操作”的难题。2025年10月，香港科技大学（广州）团队提出的“空间强制”训练法，让机器人无需3D传感器，仅靠2D图像就能“脑补”出三维空间。传统机器人就像只会看平面照片的“画(huà)师(shī)”，面(miàn)对(duì)“拿(ná)起(qǐ)红(hóng)色(sè)杯(bēi)子(zi)”的(de)指(zhǐ)令(lìng)，能(néng)识(shi)别(bié)颜(yán)色(sè)和(hé)形(xíng)状，却搞不清杯子距离多远、需要伸多长的手臂。而“空间强制”训练法通过让机器人模仿“空间导师”VGGT模型（能从照片中准确判断物体高度、距离和空间关系），在中间层进行深度对齐训练，使其学会从视觉线索中推断空间信息。在LIBERO仿真环境中，经过这种训练的机器人在空间布局任务中成功率达99.4%，物体操作任务成功率99.6%，长期规划任务成功率96.0%，且训练数据量仅为传统方法的1/5——这就像让一个从未见过楼梯的人，通过观察照片就能学会上下楼，甚至能规划出最优路径。
机器人要真正融入人类生活，仅靠“看”和“走”还远远不够。2025年8月，一目科技发布的视触觉传感器，为机器人装上了“能看见🔋电子登录触感”的眼睛。这种传感器通过拍摄弹性材料接触物体时的形变，生成高清“触觉照片”，能同时感知物体的软硬、纹理甚至滑动趋势。在2025武汉机器视觉展上，这项技术被展示为“工业4.0的关键拼图”——在汽车制造中，机器人可以通过视觉检测零部件尺寸，再通过触觉感知装配时的力度，避免划伤表面；在医疗领域，手术机器人能结合视觉定位肿瘤位置，再通过触觉感知组织弹性，提高切割精度。更关键的是，这种多模态融合技术解决了具身智能的“数据瓶颈”：传统大模型需要海量数据才能收敛，而触觉传感器通过“真实触觉信号锚定仿真系统”，能生成超真实任务变体数据，为模型提供“养料”——这就像给机器人装上了“五感”，让它们能像人类一样，通过触摸、观察和思考来完成复杂任务。
从工业到家庭，从导航到操作，机器人视觉的突破正在引发连锁反应。在工业领域，2025武汉机器视觉展上展示的3C电子检测系统，通过2D/3D视觉检测，将智能手机屏幕贴合误差控制在0.01毫米以内，良品率提升(shēng)15%；在(zài)家(jiā)庭(tíng)场(chǎng)景(jǐng)中(zhōng)，VLN-R1框(kuāng)架(jià)让(ràng)服(fú)务(wu)机(jī)器(qì)人(rén)能(néng)理(lǐ)解(jiě)“先(xiān)整(zhěng)理(lǐ)桌(zhuō)面(miàn)，再(zài)泡(pào)茶(chá)”的(de)多(duō)步(bù)骤(zhòu)指(zhǐ)令(lìng)，而(ér)“空(kōng)间(jiān)强(qiáng)制(zhì)”训(xun)练(liàn)法(fǎ)则(zé)让(ràng)它(tā)们(men)能(néng)精(jīng)准(zhǔn)避(bì)开(kāi)障(zhàng)碍(ài)物(wù)，避(bì)免(miǎn)打(dǎ)翻(fān)水(shuǐ)杯(bēi)；在(zài)医疗领域，结合触觉传感器的手术机器人，正在尝试完成更精细的神经外科手术，成功率比人类医生高20%。这些突破背后，是跨学科团队的智慧碰撞——港大团队用“时间衰减奖励”机制(zhì)让(ràng)模(mó)型(xíng)学(xué)会(huì)“先(xiān)看(kàn)脚(jiǎo)下(xià)再(zài)看(kàn)远(yuǎn)方(fāng)”，科(kē)大(dà)团(tuán)队(duì)用(yòng)“空(kōng)间(jiān)对(duì)齐(qí)”训(xun)练(liàn)让(ràng)机(jī)器(qì)人(rén)“脑(nǎo)补(bǔ)”三(sān)维(wéi)世(shì)界(jiè)，一(yī)目(mù)科(kē)技(jì)用(yòng)“触(chù)觉(jué)照(zhào)片(piàn)”填(tián)补(bǔ)物(wù)理(lǐ)世(shì)界(jiè)的(de)数(shù)据(jù)空(kōng)白(bái)。正(zhèng)如(rú)李(li)智(zhì)强博士所说：“具身智能的核心，是让机器人像人类一样，通过感知-决策-行动的闭环学习。”当机器人能“看”懂世🅾电子登录界、“摸”清环境、“想”明逻辑时，我们离“机器人服务人类”的未来，或许真的不远了。
