Arm：推动自适应机器人技术迈向更广泛应用

“在中国这一机器人创新不断涌现的重要市场，Arm将继续携手本地生态伙伴，共同推动自适应机器人技术迈向更广泛的真实世界应用。”在近日举行的2026世界机器人大会(WRC)开发者日主题演讲中，Arm物理AI机器人技术研究全球负责人Federico Pecora（费代里科・佩科拉）表示。

期间，费代里科・佩科拉分享了对于物理AI产业发展的看法。他表示，从产业发展趋势来看，机器人能力演进正在经历三个阶段。第一阶段是跨对象泛化，即机器人能够在同一任务流程中处理不同类型的对象，而无需针对每个对象重新训练或编程。这一能力目前已在分拣、物流、零售等结构化场景中得到验证。第二阶段是多任务智能。统一智能平台支持多种任务执行，机器人不再服务于单一固定工作流，而是能够根据任务需求切换不同能力组合。第三个阶段则是实现系统级自适应。届时，无论是终端用户还是机器人自身，都能够根据环境变化完成能力调整，而无需重新开发、训练或部署系统。

“泛化能力的商业价值在于能够显著降低机器人适配和部署到新场景、新流程及新任务的成本与复杂性。因此，泛化能力被视为推动机器人技术实现规模化落地的关键能力，而如何以高效计算支撑这种能力，也成为 Arm 重点聚焦的核心挑战之一。”费代里科・佩科拉说。

费代里科・佩科拉认为，如今，许多单项能力已经可以通过针对性的训练、模型优化和工程化实现。然而，真正的挑战在于如何让机器人自主地将这些能力协调和组合起来，在真实世界中完成复杂任务。

“Arm认为，下一阶段机器人规模化部署将围绕四大系统级挑战展开。”费代里科・佩科拉表示，第一是能力如何实现，机器人无法依靠单一模型完成所有任务，而是需要为不同环节匹配合适的模型、策略、规划器和控制器；第二是不同能力如何在运行过程中持续协同，真实世界中的机器人工作负载具有不同时间尺度，如果缺乏明确的时序结构和优先级调度，这些能力就可能相互争抢计算资源，导致响应延迟，不仅影响系统效率，甚至可能带来安全风险；第三是能力如何映射到计算资源，对于机器人而言，实时响应能力、自主性和安全性往往都需要依赖强大的本地计算能力，系统架构面临的核心挑战在于，如何在 CPU、专用加速器、内存和通信链路之间合理划分计算负载，使数据传输带来的开销不会抵消异构计算所带来的性能和能效优势；第四是能力如何管控，随着机器人具备更强自适应能力，行业需要关注的不再只是碰撞规避、速度限制和力控制等基础安全问题，还包括空间与时间规则、任务偏好以及特定场景下的行为规范等更高层次的约束。

费代里科・佩科拉表示，机器人产业面临的，不只是技术与系统难题，同样存在创新侧重点与产业需求之间的落差。行业需要一个通用的计算基础，能够在大规模部署场景下连接、组织和协调这些能力。Arm正在这一关键环节发挥作用。通过提供开放的计算平台和强大的生态系统支持，Arm致力于帮助产业将单项技术突破转化为可靠的系统级智能，加速机器人技术从实验室走向规模化落地。（经济日报记者 袁勇）