DeepSeek重塑“大脑” 优必选加快人形机器人工业场景规模化部署

人形机器人具身智能关键技术是优必选研发的重点方向，优必选研究院在面向通用任务的规划大模型、语义 VSLAM、学习型运动控制等具身智能关键技术领域的突破，赋予了人形机器人聪明的大脑和敏捷的小脑，并助力工业人形机器人Walker S1进入全球最多汽车工厂实训，加速其产业化进程。

针对最新的开源推理大模型 DeepSeek-R1，优必选已在人形机器人应用场景中进行了验证，最新测试结果显示，经过多模态能力扩展的DeepSeek-R1能够让人形机器人在执行任务前结合看到的场景和接收到的指令进行思考验证，零样本推理水平与调优后的同级别大模型推理水平相当。

优必选将基于DeepSeek-R1研发适用于人形机器人的多模态具身推理大模型，预期在真实场景的数据调优后，其表现将会进一步提升，将从以下几个方面赋能人形机器人在工业场景的应用：

第一，更高效的任务分解和规划流程。聚焦人形机器人在工业场景的应用，优必选构建了面向大模型调优的自有数据集，并训练了面向工业制造场景的人形机器人规划大模型，采用“大模型+小模型”的架构方案，由大模型作为“大脑”对多模态信息进行处理，理解场景与任务，给出规划，再由小模型进行具体执行。这种方案不仅能发挥大模型的理解与泛化能力优势，还能发挥小模型能耗低、针对特定任务效果好的特点，适配人形机器人各种任务需求。在工业场景和交互领域，这一架构在效果层面已经超过部分通用大模型的表现，并已在比亚迪、吉利、富士康等多家工厂的实训中使用。

优必选采用“大模型+小模型”的架构方案用于人形机器人工业场景实训

未来，优必选将基于DeepSeek-R1调优推理大模型，用丰富的工业场景真实数据进行训练，用户仅仅需要下达一个口头指令，工业人形机器人Walker S1的“大脑”就能将指令拆解为若干子任务，并做好任务规划。以搬运为例，任务能够被拆解为“识别货物→规划路径→抓取货物→放置货物”等环节，在执行中将不同环节的子任务转换成更加微观的速度、角度、力度等信息，并根据现实情况进行动态调整，工程师也只需对任务拆解的结果进行验证，这能够有效提升人形机器人执行任务的效率。

第二，复杂环境中更准确的反应和决策结果。在真实应用场景中，人形机器人需要对各种突发或异常情况进行反应及决策。相比于传统工作任务流在遇到障碍会出现失去响应的情况，基于DeepSeek-R1的多模态具身推理大模型经过真实数据调优后，其深度推理和复杂逻辑分析能力可以让人形机器人具备类似人类常识的推理能力，实现提前判断和自主决策，更快地做出反应。

此外，基于DeepSeek-R1的多模态具身推理大模型还能够帮助人形机器人在任务执行的决策过程中采用更符合现实逻辑的动作组合，提升动作执行的准确率。未来针对如装配等长序列任务，人形机器人有望能在完成任务的过程中对包括取料异常、对准异常、拧紧异常在内的一系列潜在异常情况实现智能监测，并实时给出异常恢复策略，确保任务顺利完成。

第三，助力人形机器人规模化部署和协作。基于DeepSeek-R1的多模态具身推理大模型，可以更好地支持人形机器人在真实场景中具备更强的多模态人机交互、复杂环境中指令理解、任务分解与规划等能力，从而进一步提升泛化性，减少适配成本。此外，优必选将优化DeepSeek-R1的推理效率，通过动态推理和模型蒸馏，加速多模态具身推理大模型在人形机器人端侧算力上的相应速度，满足实时性的需求。

后续在大场景下，多模态具身推理大模型能够帮助人形机器人实现群体协同，例如在搬运任务里，多台人形机器人能够在复杂环境以及动态需求下，完成对成百上千个料箱的高效调度。今年，优必选会在工厂规模化部署工业人形机器人，在多台人形机器人之间实现复杂任务的拆解、工作任务的调度和协同。

真实数据有助于优必选对大模型进行训练和调优

以DeepSeek-R1为代表的大模型可以赋予人形机器人智能的大脑，但在人形机器人的实际应用中，还需要足够的真实场景数据去训练和调优，才能达到应用效果。优必选工业人形机器人Walker S系列已经进入东风柳汽、吉利汽车、一汽-大众青岛分公司、奥迪一汽、比亚迪、北汽新能源、富士康、顺丰等多家企业实训，积累了丰富的工业场景的真实数据，通过这些真实数据对DeepSeek-R1多模态具身推理大模型进行训练和调优，将进一步提升工业人形机器人Walker S系列的实训表现，加快实现规模化的部署。