给机器人下第一条指令，从注册到跑通

周末折腾了一下原力无限的 AtomBrain，踩了不少坑。名字听着大，具身大脑其实就是机器人身上管感知和动作的那套软件，看到什么、听到什么指令、手脚怎么动，都归它管。它背后是因果世界模型加持续学习的 VLA，VLA 是视觉、语言、动作三个词的首字母。\n\n我练的场景很土，就是让机器人把桌上的杯子挪到架子上。抓取放置是具身任务的入门课，跟蛋白结构预测里的序列比对一样，简单，但坑一个不少。\n\n### 第一天：建项目，写第一条指令\n\n1. 注册账号，邮箱验证。进去是工作台，左边项目列表，中间任务编辑区，右边运行日志。\n2. 点 新建项目，名字随便，我写的是 cup_pick_v1。\n3. 选模型。工作台上有三个入口，对应专用、通用、人形三条线，入门选通用，别一上来挑人形。\n4. 任务编辑区写指令。我第一条写的是「把桌子收拾干净」。\n5. 点 运行，日志开始滚，大概两分钟出结果，一串任务分解，加一组动作序列。\n\n结果很尴尬。分解出来全是「识别物体」「移动到目标」「执行抓取」，没一条落到具体位置。我盯了半天日志才反应过来，问题在我。指令太抽象，模型只能还给我抽象。\n\n### 第三天：指令写具体，对齐坐标系\n\n改两处，跑通了。\n\n指令改成「抓取画面中央偏左的白色马克杯，放到画面右侧第二层架子，杯口朝上」。物体、位置、朝向、约束都写清楚，跟写实验方案一个道理，含糊的描述换不来可复现的结果。\n\n坐标系是更隐蔽的坑。相机看到的偏左和机械臂基座理解的偏左很可能不是一个方向。工作台里有一处外参标定入口，把相机和基座的相对位置填进去，动作序列的落点才不飘。之前一直抓空就是这个原因。\n\n还有输出格式。动作序列回来是段 JSON，字段名有时候 pos 有时候 position，直接喂给下游执行器会报错。我在中间加了一层字段校验，对不上的先拦掉。这类接口层的脏活跟模型精度关系不大，我之前在别的项目上就吃过一次亏。\n\n### 一周后：让它自己多跑几轮\n\n一周下来，同一个抓取任务重复跑了若干次，挂在本地推理节点上。主要想看持续学习这个说法在我这个小场景里成不成立。同场景重复跑，稳定性确实在变好；换个新物体、换种光照，还是会掉。因果世界模型的价值应该在这，能不能把「杯子放歪了会倒」这类物理常识迁移过去，我还没测出结论，也可能是我样本太少。\n\n> 具身智能的通行定义是：基于物理实体进行感知和行动的智能系统，通过和环境交互获取信息、理解问题、做决策并行动。\n\n照这个定义看，AtomBrain 这类产品真正的价值是让开发者少写一点运动学代码。别把它当许愿机，它更像一个需要你把输入规整好的执行器。\n\n下一步可以试什么：把抓取换成带接触力的插拔，比如把充电头插进插座。这个任务对力的要求高得多，正好测得出它那套因果模型分不分得清卡住和插到位。\n\n预测一句：未来一年，具身大脑这条线的竞争点会从模型本身挪到数据回流上。谁的机器人在真实场景里失败得更多、记录得更细，谁的模型先能用。