SeeAct AI穆尧：具身智能终局是从被训练走向自我进化

在具身智能尚无成熟数据集与评测基准时，穆尧便进入该领域。他主导的仿真基准 RoboTwin 已成为行业核心评测体系之一，GitHub 获得超 2900 星标。随后，穆尧创办 SeeAct AI（观行智能），明确提出新判断：具身智能的终局，必定是从单纯模仿人类演示走向奖励驱动的自我进化。

奖励驱动与端到端：从自动驾驶到具身智能

早在 2018 年清华读硕期间，穆尧就笃信端到端策略网络与奖励驱动。当时自动驾驶多将感知、规划、控制切分，直到特斯拉 FSD 推动端到端成为主流。

转向机器人领域后，动作空间与本体类型剧增。团队先后开发了 EmbodiedGPT 与基于代码生成的 RoboCodex。当发现底层 API 手写扩展受限后，穆尧转向端到端策略基座，并与上层负责任务拆解规划的 Agent 融合，随后推出了完整具身系统 RoboClaw。

经验规模化：具身 Scaling 的核心杠杆

在数据规模化（Data Scaling）与模型规模化（Model Scaling）之后，穆尧提出具身智能的关键瓶颈是经验规模化（Experience Scaling）。

人类演示数据只能告诉机器“人在这种情况下怎么做”，但机器人自行操作时的动作偏差、打滑、失败以及重试，必须由机器自主经历。具身递归自我进化（Recursive Self-Improvement）的逻辑在于：能力提升后可以自主执行（Rollout）出更高质量的经验，而新经验又会继续反哺模型演进。

在系统全流程中，预训练阶段需要给策略基座注入自主纠错基因，涵盖多任务试错反馈；后训练阶段则在未知场景中，通过交互反馈快速收敛并达到可用标准。

虚拟空间与仿真：低成本试错底座

若完全依赖真机试错，并行度与成本将难以承受。穆尧提出的核心路径是少量真机交互加上大规模虚拟空间生成数据。

面对仿真到真实的差距（Sim-to-Real Gap），穆尧认为物理引擎与世界模型构建的虚拟空间可以视作平行宇宙，模型从中学习到的结构化规律依旧有效。在实际落地中，由真实世界提供关键的物理接触反馈，虚拟空间则负责将问题展开并展开更大规模的并行探索。

模型架构与落地交付：终结项目制

为配合奖励驱动，团队研发了离散扩散视觉-语言-动作（VLA）模型。离散扩散既保留了全局视野与轨迹迭代优化的生成能力，又因其词元预测特性，能够更直接地适配 PPO、GRPO 等强化学习算法。

穆尧表示，SeeAct AI 交付的是软硬件一体的持续进化策略系统。以往机器人方案往往是驻场开发数月的定制化项目制，而具备自主纠错与自我进化的基座模型，有望让机器在新工业场景中于 48 小时左右自主适应并达标，推动具身方案转变为高毛利的标准产品形态。