来源：机器之心 · 2026-09-07 · 原文链接

分类：技术发布 / 具身智能（主线强相关）

一句话概括

芝诺机器人（Zeno AI）发布 3B 参数、30Hz 本地闭环的 Zeno-1，让每台机器人各自跑同一份策略副本、不通信不调度，靠「闭环伙伴交互（CPI）」在真实物理环境里互为训练伙伴自学协作——协作行为不是模仿人类演示得来的，是从共享物理世界的闭环里涌现出来的。

核心要点

  • 问题不是"单体不够强"，是"协作数据拿不到"。多机器人联合状态空间随机器人数指数膨胀，中心化 MARL 需要"多机同步协作数据 + 特权数据"，在真机上几乎不可行。
  • CPI（闭环伙伴交互）是核心创新：两台独立机器人互为训练伙伴，A 的动作改变共享物理环境 → 该变化进入 B 的下一帧观测 → 影响 B 的决策，反之亦然。因为搭档本身也是"正在学习的自主体"，天然带有快慢、失误、犹豫，模型在训练中就见够了搭档行为偏差，因此对延迟鲁棒。
  • 四阶段训练：① 大规模视频预训练学物理先验（纯旁观者，不涉及控制）→ ② 单体具身训练落到本体 → ③ CPI 协同进化 → ④ 针对协作崩溃时刻的纠正性演示回灌（失败处加权，非均匀学习）。
  • 两个关键子系统：持久交互记忆（编码任务进展 / 搭档行为模式 / 共享物理状态演变，消融显示对 >3 分钟任务至关重要）＋预测式内省（评估候选动作对搭档的影响 + 内置 Action-Conditioned Latent World Model 预判接触失败）。
  • 量化数字：协作决策点 87% 选到"让搭档后续行为更优"的动作（移除搭档预测模块降至 61%）；世界模型在 0.5 秒预警窗口内预测接触失败 AUC 0.94（仅用当前观测 0.81），200 次真机实验。
  • 去中心化的两个理由：扩展性（联合动作空间 d^N → 线性，加一台只需多加载一份策略副本）+ 鲁棒性（无单点故障，可按需逐台扩产能）。
  • “共享的物理世界本身就是协调接口”——协调不依赖显式通信和统一调度，从真实世界的持续交互中自然产生。

金句

「先成为一个称职的个体，然后才有资格谈协作。」

「没有持久交互记忆的机器人就是纯粹的『金鱼』记忆，每一步都从零开始判断局势。」

「机器人通过真正的协作来学习协作，而不是通过观看人类演示来『模仿』协作。」

「机器人之间靠什么协调？答案是：物理世界本身。」

本文为阅读剪藏（摘要 + 摘录 + 评论），非原文转载。查看原文