TorqueAGI 创始人访谈：多数机器人 AI 只是加了机器人数据的语言或视觉模型

随着机器人公司竞相为在物理世界中运行的机器开发能力日益强大的AI模型，TorqueAGI正采取一种不同的路径：向机器人和设备制造商提供智能层，而不是自行打造硬件。

TorqueAGI由机器人研究者Ashutosh Saxena博士创立，已花费近两年时间开发和测试其所谓的面向工业机器人和重型机械的“世界推理模型”（World-Reasoning Model）。

该公司表示，其方法不同于许多视觉-语言-动作模型，它通过时空架构来表示物体、机器和工作流程，其中物理和几何构成了模型推理的一部分。

其目标是使机器能够适应变化，并从相对少量的演示中学习新任务，同时利用客户已经拥有的运营数据。

Saxena在机器人和人工智能领域拥有深厚的背景。他在斯坦福大学师从AI研究者吴恩达（Andrew Ng）完成博士学位，之后成为康奈尔大学教授，并在那里领导了RoboBrain项目。

他在机器人抓取方面的研究于2023年获得了“机器人学：科学与系统持久影响力奖”（Robotics: Science and Systems Test of Time Award）。

TorqueAGI是英伟达感知合作伙伴（Nvidia Perception Partner），并入选了约翰迪尔（John Deere）2026年初创企业合作者计划（Startup Collaborator Program）。

该公司还与Dexterity在卡车卸货机器人方面展开合作，并表示其技术已与多家主要工业机器人制造商的机器实现集成。

在这次接受《机器人与自动化新闻》（Robotics & Automation News）的问答中，Saxena解释了不同类型的机器之间究竟能迁移多少智能、TorqueAGI为何认为物理和几何应被内置于AI推理之中，以及困难的集成工作仍存在于哪些方面。

他还讨论了公司的“主权物理AI”（Sovereign Physical AI）架构、将工业AI保持私有并本地化于客户的理由，以及世界模型能否实质性减少将机器人引入真实工业运营所需的时间和成本。

专访Ashutosh Saxena博士

《机器人与自动化新闻》：TorqueAGI的世界推理模型能让工业机器人或机器做到哪些现有机器人AI模型做不到的事情？

Ashutosh Saxena

Ashutosh Saxena：如今大多数机器人AI都是在语言或视觉模型上添加机器人数据。它非常擅长将所见内容与已经见过的示例进行匹配。我们的模型运作方式不同。

它将世界表示为一个时空图，其中的物体、机器和工作流程存在于空间中并随时间向前推进，物理和几何被内置于其推理方式之中。

在实践中，这意味着机器无需从头重新训练就能应对变化。如果夹爪变小了，它会算出新的抓取方式。如果传送带移动了半米，它会做出调整。

它还能解释自己为何选择某个动作，这在工程师必须为搬运重载的机器签字确认时至关重要。而且它可以利用客户已经拥有的数据，例如订单历史、设备日志和操作规程，而不必等待数千个新的演示。

《机器人与自动化新闻》：你说该模型只需少量演示就能学习新任务。这个“少量”是多少，以及在机器能够可靠执行任务之前，通常还需要哪些额外的训练或工程工作？

AS：对于一项新任务，我们通常需要几十个示例，而不是数万个。这些示例通常来自客户自己的运营场景，真正的变化就存在于那里。

示例只是全貌的一部分。在工作现场，新员工被示范几次任务后就能迅速上手，因为他们已经理解物理世界的运作方式，而模型也是从同样的起点出发。

客户补充的是上下文：他们的操作规程、安全限值、设备日志。随后，我们会在仿真中以及在客户现场的一次监督运行中验证其行为，之后机器才会无人值守地工作。

目标是让工程投入用于针对该现场的检查和调优，而不是用于收集堆积如山的数据。

《机器人与自动化新闻》：不同的机器人和机器之间究竟能真正迁移多少知识？例如，在机械臂上学到的东西能否对人形机器人、农业机械或工程车辆有用？

AS：能够迁移的是对物理世界和工作流程的理解。物体会掉落，转弯时载荷会偏移，两个固体不能占据同一空间，托盘必须按一定顺序堆叠。

这些都不属于某一种身体。同一个模型已在单臂和双臂机器人、移动平台、剪叉式升降机、人形机器人和拖拉机上运行过。

不会自动迁移的是身体特定的细节：某台机器如何运动、它的限制是什么、它的控制如何响应。

这些必须针对每台机器进行描述。关键在于我们描述身体并保留智能，而不是为每台新机器从头开始。

《机器人与自动化新闻》：你的模型将物理和几何纳入推理。这与目前为机器人开发的视觉-语言-动作模型及其他世界模型有何不同？

AS：视觉-语言-动作模型把机器人看到的内容加上一条指令，映射为它应该做什么。它们从大量演示数据中学习这种映射。世界模型预测接下来会发生什么，其中许多模型从超大规模的视频中学习这一点。

我们的模型建立在一个时空图之上，它把世界表示为在空间中发生、并随时间向前推进的事件，物理和几何是结构的一部分，而不是模型必须从示例中推断出来的东西。

这使得它能在同一个系统中预测后果并选择动作，这也是我们把这个产品称为世界模型的原因。但它与这两个阵营走的都是不同的路线，实际差别在于，它不需要多次见过某种情形，就能对其做出合理的推理。

R&AN：TorqueAGI 提供的是智能，而不是制造机器人硬件。把你们的模型与不同制造商的机器人、传感器和控制系统集成有多难，大部分集成工作仍然留在哪里？

AS：集成是实打实的工作，我不会假装不是。我们已经与 Dexterity、Kawasaki Robotics、Kuka、Berkshire Grey、Universal Robots 和 ABB 的机器人完成了集成，每一家都教会了我们一些东西，让下一家集成得更快。

由于智能存在于对工作流程的理解之中，而不是存在于某个特定的身体里，所以模型本身从一台机器到另一台机器并没有太大变化。

剩余的大部分工作都在机器一侧：连接制造商的控制接口、校准传感器，并确保模型遵守该机器的安全系统和限制。

这也是制造商最能帮上忙的地方，也正是我们作为模型供应商，与制造这些机器的公司并肩合作的原因。

R&AN：对工业客户来说，你们的“主权物理AI”架构在实际意义上意味着什么，为什么在边缘本地运行和学习，比使用共享的云端模型更重要？

AS：在实际意义上，它意味着一个共同的基础，而每个客户都在自己的机器上运行自己专用的私有模型。模型在本地学习，遵循该客户自己的操作规程，而它学到的东西留在该客户那里。你的机器、你的数据、你的智能。

这之所以重要，有三个原因。

第一，运营：机器不能因为网络中断就失去智能，所以感知和安全决策必须在机器上完成。

第二，控制：使用共享模型时，你的运营知识会喂养一个所有其他客户（包括你的竞争对手）也在使用的大脑，而且当供应商更新它时，它可能会在你脚下发生变化。

第三，问责与合规：工业设备必须经过测试和认证，而自2027年1月起适用的《欧盟机械法规》将AI驱动的安全功能视为高风险。

你无法在一个你无法进行版本管理和测试的模型上认证一台机器。共享模型改进得更快，我并不否认这一点，但对于关键设备，我认为所有权更重要。

R&AN：最终，这种方法能否实质性降低部署工业机器人所需的成本和时间？你们的企业试点，或与 John Deere 和 Dexterity 等公司的合作中，有什么证据可以证明这一点？

AS：能，原因很简单。部署机器人时昂贵的那部分很少是机器人本身。而是收集数据、适应每一个新产品或新布局，以及验证结果。一个能从客户现有数据中推理和学习的模型，同时攻克了这三点。

关于证据，在一次大型仓库部署中，我们在70万笔订单上提高了包装密度，而在那项业务中，百分之一到百分之二的提升就已经很可观了。

在与一家重型设备客户的合作中，一个在6,000个事件上训练的模型，达到了一个用九年时间和700万个事件构建的系统的水平。我们的模型还为 Dexterity 的卡车卸货机器人提供支持，我们也是 John Deere 2026 Startup Collaborator Program 的一员。

我还要补充一点：正确的检验标准是你的客户所采用的那一个：产线能否在整个班次中保持全速运行。这正是我们鼓励买家向每一家供应商索要的数字。