具身智能神秘模型又放演示：机器人像人一样思考和进化

还记得上周具身智能圈流传的那段 10 分钟一镜到底视频吗？它当时让许多人直呼“太科幻”，还有人给出最高评价：不会是 AI 生成的吧？质疑者则怀疑是远程操控。

面对争议，这个神秘团队没有过多解释，而是又接连放出几个新 Demo，依旧不剪辑、一镜到底，像是在回应：“智能，不管你信不信，它真的要来了。”

团队透露，模型内部代号是 MVP，全称 Make Veritable People，意思是让模型能力像真人一样。他们开玩笑说，这个名字可以直译成“做个人吧”。

端水遇扰，稳如太极

第一个 Demo 里，机器人左手端着一杯水。有人用木棍戳它的胳膊，它顺势躲向另一侧，又平稳归位，杯中水没有洒出半滴；紧接着，木棍又推倒旁边的易拉罐，它的右手竟然同步扶住了易拉罐。两只手一个稳住水杯、一个抢救易拉罐，还要应对持续的物理干扰——这种手眼协调能力，很多普通人都未必做得到。

主流 VLA 和 WAM 模型常在遮挡、接触、形变等需要物理推理的任务中失效，因为它们只是在模仿动作样子，并不理解背后的物理规则。而 MVP 模型表现出的是对动力学状态的把握：动作不是“猜”出来的，而是像人一样基于物理理解“学”出来的。

收纳归位，懂得偷懒

第二个 Demo 是客厅整理。机器人先把小玩偶放回玄关置物台，接着拖过一只收纳篮，微微下蹲，掏出黑色帽子和紫色健身环，依次挂上衣帽架。最后拿出一只巨大的花朵坐垫时，它明明可以弯腰，却选择直接扔到沙发上。

团队称，这是 zero-shot 完成任务的视频，成功率已达 80%。机器人看起来知道光滑地面上的篮子可以拖，环形物体能挂，坐垫平整柔软、扔出去会自行展开——它甚至已经学会“能省力就省力”。这种对空间、物体属性与人类生活习惯的统一理解，恰恰是许多 VLA 模型做不到的。

双机协作，共抖床单

第三个 Demo 里出现了两台不同型号的机器人。较高的机器人拽住床单一头，较矮的机器人牵住另一头，跨步、弯腰，把床单扯平，高个机器人再轻轻抖几下床单。据称，它们的训练全都来自人类视频，这次却完成了跨本体协作。

动作虽然还有点僵硬，但行为逻辑和人类抖床单如出一辙：把织物抖开、减少褶皱。相比只能靠大量数据硬算的 VLA 或拼积木式的 WAM，这种“一脑多形”显得更接近人的迁移能力。

一次性拿走，绝不跑第二趟

第四个 Demo 更像一个贪心的收纳员。机器人抽出一条黑色围巾搭在肩上，把紫色圆环套进小臂，再让它滑到肘关节，接着挂上拖鞋、耳机……直到身上挂满物品，才淡定转身离开。

它的决策方式看起来不是“下一步做什么”，而是顺着能量下降的方向，选择最省力的路径。主流模型做同类任务，大概率会一件一件单独搬运，因为本质上仍是统计拟合；MVP 则更像一个有自主意图的人，在理解世界的基础上组织长程动作。

做个人，可能真的快了

四个 Demo 看下来，机器人展现出几种类人特质：动作一致性让它全程逻辑自洽、手眼协调；思考持续性让长时序任务环环相扣；不同机器人甚至流露出不同的做事风格，仿佛各自有了性格。

团队还说，下一步会让机器人自己上街，在完全开放的环境里跑起来。到那时，关于“是不是遥操”“是不是概率预测”的争议，也许才会有更直接的答案。智能是不是真的已经涌现？等公开实测见分晓。