12 月 18 日，北京人形機器人創新中心正式開源國內首個且唯一通過具身智能國標測試的具身VLA大模型 XR-1，以及配套的數據基礎RoboMIND 2.0、ArtVIP 最新版。基于上述開源成果，能夠推動具身智能行業追尋最本質需求，讓機器人真正在各類應用場景下能干活并且會干活，推動國內具身智能行業邁向“全自主、更好用”的新階段。

聚焦讓人形機器人“能干活、會干活”的核心訴求，北京人形打造了通用機器人平臺“具身天工”、通用具身智能平臺“慧思開物”。圍繞“具身天工”平臺，北京人形已發布具身天工2.0、天軼2.0等多類型通用本體，為人形機器人干活奠定物理本體基礎。而具身大腦和小腦的協同是人形機器人干活的另一前提，目前圍繞“慧思開物”，北京人形已開源WoW（我悟）世界模型和Pelican-VL（天鶘）等具身大腦相關成果。

本次開源的系列內容，是面向具身小腦能力的VLA模型XR-1，以及為XR-1等模型提供數據訓練支持的RoboMIND 2.0和ArtVIP。

XR-1 ——讓機器人擁有“本能”，跨過“看到與做到”的鴻溝

當前，具身智能行業面臨著一個核心痛點：AI 技術雖能實現文本創作、視頻生成等虛擬場景應用，但機器人在物理世界中往往難以完成 “拿東西”、“遞東西” 等基礎任務。這背后是 “視覺感知” 與 “動作執行” 的割裂。

機器人雖能識別物體，卻只能依賴預設指令執行動作，如同 “只會死記硬背的笨學生”，一旦環境出現微小變化便會失效。為啃下這塊技術硬骨頭，北京人形聚焦核心技術攻堅，打造出具備 “知行合一”能力的XR-1具身小腦大模型。

在今年8月的WRC世界機器人大會上，北京人形正式發布了跨本體VLA模型 XR-1，它具備多場景、多本體、多任務特性，并且還擁有高泛化性等優勢特點。

背后的技術原理在于，XR-1具備跨數據源學習、跨模態對齊、跨本體控制三大核心支柱能力。首先，通過跨數據源學習讓機器人能夠利用海量人類視頻進行訓練，降低訓練成本提升訓練效率；其次，依靠跨模態對齊能夠打破視覺和動作的隔閡，讓機器人做到真正的知行合一；最后，借助跨本體控制可以讓XR-1快速匹配不同類型、不同品牌的機器人本體。

其中，北京人形首創的UVMC（多模態視動統一表征）技術是關鍵，通過它，能夠搭建起視覺與動作的映射橋梁，讓機器人將看到的畫面瞬間轉化為身體的本能反應，像人類條件反射般自然做出正確的應對動作。例如：機器人在執行倒水任務中看到正在倒水的杯子被拿走了，就本能地停止倒水，當杯口被遮住，就自然地撥開遮住的人手，繼續倒。 這一關鍵的技術創新讓機器人具備了“本能反應”，可以游刃有余地應對復雜多變的現實世界，以及工作場景中的突發情況，從而真正做到全自主完成工作任務。

XR-1的多構型預訓練能力，使具身天工2.0具備全身多關節絲滑擬人控制，可實現大幅彎腰下蹲并精準抓取隨機擺放的物料箱，完成復雜倒料任務；物料分揀任務需要機器人具備精準識別和高動態抓取零件以及準確分類的能力，基于XR-1框架微調后的輕量級VLA模型，使得機器人具備快速精確物料分揀能力。

在業內首個連續開關穿行5扇門的任務場景中，機器人面對綠色柵欄門時，能主動展開雙臂適配結構并協同底盤通過；遇到藍色下壓把手門，便自然下壓推門；穿越紅色窄門時動態收肩調姿；推開黑色重門時穩力同步前行；識別推拉門后則沿軌精準滑動。關門階段更可反向切換推拉策略，全程無需人工干預。這一能力源于XR-1模型對場景的實時理解與動作預測，讓天軼2.0真正具備了在復雜環境中“看得懂、做得對、走得穩”的全自主操作本能。

此外，XR-1 也首創了結合虛實數據的三階段訓練范式：

第一階段：輸入積累超百萬級的虛實多本體數據、人類視頻數據，由XR-1 把這些復雜的畫面和動作壓縮成一個包含許多離散代碼的“字典”，便于機器人后續隨時調用需要的“動作代碼”；第二階段：用大規模的跨本體機器人數據來預訓練XR-1，讓它懂得物理世界的基本規律，比如“松手東西會掉”、“推門門會開”；第三階段：針對不同的任務場景（例如：分揀、搬箱子、疊衣服等）用少量的特定數據進行微調；最終讓機器人從一個“學富五車”的理論大師，蛻變為一個“心靈手巧”的干活專家。

剛剛過去的11月，由中國電子技術標準化研究院基于編制中的國家標準《人工智能具身智能大模型系統技術要求》正式發布了“求索”具身智能測評基準EIBench，同時邀請了多家國內頂尖具身智能團隊參與了首次測評。在本次測評中，北京人形機器人創新中心的XR-1模型成為了唯一一個通過測試的VLA模型，獲得CESI-CTC-20251103具身智能測試證書，也成為了全國首個獲此殊榮的VLA模型。

RoboMIND 2.0＆ArtVIP ——為“機器人干活”鑄造最牢靠的數據底座

圍繞讓機器人的應用落地，北京人形并非只有單一技術能力的開源，而是構建 “XR-1+RoboMIND 2.0+ArtVIP” 全鏈條開源生態。

為解決具身智能優質數據的稀缺問題，北京人形在2024年12月推出了大規模多構型智能機器人數據集和Benchmark——RoboMIND，發布后吸引全球眾多頂尖實驗室與開發者接入使用，累計下載量已超15萬次。在RoboMIND 1.0階段，包含了10+萬條機器人操作軌跡，覆蓋4種機器人本體，涉及5大場景下的479個任務、38種技能，并且引入了ACT、DP、OpenVLA、RDT 4種模型驗證。

此次在直播中公布的RoboMIND 2.0則在此前版本基礎上進行了全面的升級優化，首先機器人操作軌跡數據增加到了30+萬條、擴展了工業零件分揀、流水線設備、物理化學實驗室、家庭廚房、家電交互等在內的11個涵蓋工業、商用、家庭的場景，機器人本體、任務、技能數量也分別有了2倍以上的提升。更重要的是，在RoboMIND 2.0中，增加了1.2+萬條帶觸覺操作數據支持訓練VTLA、MLA模型、還可用于訓練機器人大小腦模型， 支持不同機器人實現長程協作任務，并開源了基于ArtVIP的大量仿真數據，并且支持仿真數據的批量評測。

作為 XR-1 的數據底座，RoboMIND 2.0提供了海量虛實結合多模態訓練數據支撐，降低了模型訓練的門檻。而作為北京人形最新發布的高保真鉸接物體數字資產數據集ArtVIP則持續輸出開源成果，目前其高保真數字孿生鉸接物品數量正持續增加至超1000個，覆蓋6大場景類型，實現了全場景物品可交互。此次ArtVIP也將大量全新的仿真數據資產在RoboMIND2.0上進行了開源。

根據在ACT、DP、XR-1等全球領先的VLA模型上的初步測試，在機器人訓練中，通過提升ArtVIP的仿真數據比例，能夠有效提升機器人在不同任務執行中的成功率。例如在XR-1模型中，通過將真機數據與仿真數據比例從1：0提升到1：5后，4個不同任務的成功率平均能夠提升超過25%。

目前，北京人形已經與多家合作伙伴達成合作，將人形機器人部署到了各行各業中，例如“具身天工2.0”、“天軼2.0”目前已進入福田康明斯發動機工廠，在“無人生產線”上自主完成料箱取放、搬運，并適應不同貨位高度與多種料箱種類，完成了從實驗室到真實生產的“最后一公里”驗證。此外，北京人形還與中國電科院合作落地了人形機器人進行高危電力巡檢，以及與李寧運動科學實驗室合作通過人形機器人進行長時間高強度的跑鞋測試。近期北京人形還與拜爾簽訂合作協議，共同推動人形機器人及具身智能技術在固體藥品制造生產、包裝、質量控制、倉儲及物流等場景的技術開發。

從深耕核心技術到構建開源生態，北京人形的每一步都圍繞 “打造全自主、更好用的機器人” 這一核心目標，讓機器人“能干活、會干活”。XR-1、RoboMIND 2.0、ArtVIP三者形成的協同效應，從模型、數據到工具實現了全方位的能力開放，將讓更多企業、開發者無需從零開始攻克基礎技術，而是聚焦場景創新與應用落地，加速機器人在工業制造、3D作業、商用服務、家庭服務等領域的規模化應用，讓機器人真正邁向全自主、更好用的新階段。