人形機器人具身智能關鍵技術是優必選研發的重點方向，優必選研究院在面向通用任務的規劃大模型、語義 VSLAM、學習型運動控制等具身智能關鍵技術領域的突破，賦予了人形機器人聰明的大腦和敏捷的小腦，并助力工業人形機器人Walker S1進入全球最多汽車工廠實訓，加速其產業化進程。

針對最新的開源推理大模型 DeepSeek-R1，優必選已在人形機器人應用場景中進行了驗證，最新測試結果顯示，經過多模態能力擴展的DeepSeek-R1能夠讓人形機器人在執行任務前結合看到的場景和接收到的指令進行思考驗證，零樣本推理水平與調優后的同級別大模型推理水平相當。

優必選將基于DeepSeek-R1研發適用于人形機器人的多模態具身推理大模型，預期在真實場景的數據調優后，其表現將會進一步提升，將從以下幾個方面賦能人形機器人在工業場景的應用：

第一，更高效的任務分解和規劃流程。聚焦人形機器人在工業場景的應用，優必選構建了面向大模型調優的自有數據集，并訓練了面向工業制造場景的人形機器人規劃大模型，采用“大模型+小模型”的架構方案，由大模型作為“大腦”對多模態信息進行處理，理解場景與任務，給出規劃，再由小模型進行具體執行。這種方案不僅能發揮大模型的理解與泛化能力優勢，還能發揮小模型能耗低、針對特定任務效果好的特點，適配人形機器人各種任務需求。在工業場景和交互領域，這一架構在效果層面已經超過部分通用大模型的表現，并已在比亞迪、吉利、富士康等多家工廠的實訓中使用。

優必選采用“大模型+小模型”的架構方案用于人形機器人工業場景實訓

未來，優必選將基于DeepSeek-R1調優推理大模型，用豐富的工業場景真實數據進行訓練，用戶僅僅需要下達一個口頭指令，工業人形機器人Walker S1的“大腦”就能將指令拆解為若干子任務，并做好任務規劃。以搬運為例，任務能夠被拆解為“識別貨物→規劃路徑→抓取貨物→放置貨物”等環節，在執行中將不同環節的子任務轉換成更加微觀的速度、角度、力度等信息，并根據現實情況進行動態調整，工程師也只需對任務拆解的結果進行驗證，這能夠有效提升人形機器人執行任務的效率。

第二，復雜環境中更準確的反應和決策結果。在真實應用場景中，人形機器人需要對各種突發或異常情況進行反應及決策。相比于傳統工作任務流在遇到障礙會出現失去響應的情況，基于DeepSeek-R1的多模態具身推理大模型經過真實數據調優后，其深度推理和復雜邏輯分析能力可以讓人形機器人具備類似人類常識的推理能力，實現提前判斷和自主決策，更快地做出反應。

此外，基于DeepSeek-R1的多模態具身推理大模型還能夠幫助人形機器人在任務執行的決策過程中采用更符合現實邏輯的動作組合，提升動作執行的準確率。未來針對如裝配等長序列任務，人形機器人有望能在完成任務的過程中對包括取料異常、對準異常、擰緊異常在內的一系列潛在異常情況實現智能監測，并實時給出異常恢復策略，確保任務順利完成。

第三，助力人形機器人規模化部署和協作。基于DeepSeek-R1的多模態具身推理大模型，可以更好地支持人形機器人在真實場景中具備更強的多模態人機交互、復雜環境中指令理解、任務分解與規劃等能力，從而進一步提升泛化性，減少適配成本。此外，優必選將優化DeepSeek-R1的推理效率，通過動態推理和模型蒸餾，加速多模態具身推理大模型在人形機器人端側算力上的相應速度，滿足實時性的需求。

后續在大場景下，多模態具身推理大模型能夠幫助人形機器人實現群體協同，例如在搬運任務里，多臺人形機器人能夠在復雜環境以及動態需求下，完成對成百上千個料箱的高效調度。今年，優必選會在工廠規模化部署工業人形機器人，在多臺人形機器人之間實現復雜任務的拆解、工作任務的調度和協同。

真實數據有助于優必選對大模型進行訓練和調優

以DeepSeek-R1為代表的大模型可以賦予人形機器人智能的大腦，但在人形機器人的實際應用中，還需要足夠的真實場景數據去訓練和調優，才能達到應用效果。優必選工業人形機器人Walker S系列已經進入東風柳汽、吉利汽車、一汽-大眾青島分公司、奧迪一汽、比亞迪、北汽新能源、富士康、順豐等多家企業實訓，積累了豐富的工業場景的真實數據，通過這些真實數據對DeepSeek-R1多模態具身推理大模型進行訓練和調優，將進一步提升工業人形機器人Walker S系列的實訓表現，加快實現規模化的部署。