清华现场演示：机器狗“哮天”无脚本指挥人类，同一认知系统跨本体迁移
2026/07/13 12:14阅读量 23
清华大学在开放现场演示了搭载一念Unisonmind端侧大脑的机器狗“哮天”，在无预设脚本、任务随机、观众即兴出题的环境下，完成了看图走迷宫、指挥人类使用天平称重、估算矿泉水瓶剩余水量等任务。同一认知底座还可迁移至人形机器人和电动轮椅，验证了基于统一世界Token空间的Physical AGI架构，实现“感知—行动—反馈”闭环。
事件概述
清华大学在一场有几十位观众围观的开放现场中，演示了搭载一念Unisonmind端侧大脑的机器狗“哮天”。任务随机、环境开放，无预设脚本，观众可即兴出题。演示旨在验证Physical AGI（物理通用人工智能）的可行性，以人类智能为标尺，展示同一认知系统在真实世界中的泛化能力。
核心任务
- 看图走迷宫：黑板上随手画一幅简笔画，机器狗理解其为身后的三维迷宫。主持人在图上圈出位置，机器狗便去场地寻找对应物体。随后主持人画“8”字，机器狗询问“能不能走捷径”，走完捷径后按图行进。
- 指挥人类使用天平称重：机器狗让人类助手使用天平秤，随机找物品称重。涉及语言交流、行动规划和社会协作等多领域智能共同配合。
- 估算剩余水量：观众临时拿出两瓶喝过的矿泉水，询问剩余水量。这不是预设题目，机器狗看了一眼后回应：“你先把矿泉水瓶标签撕了。”
跨本体迁移
同一个Unisonmind端侧大脑还运行在另一只机器狗、人形机器人和电动轮椅上。同一认知底座可进入不同本体，能力随身体与场景变化被重新调用，证明其通用性。
底层架构
采用“统一世界Token空间”模型架构，多模态输入（视频、图像、声音、文字、动作）汇入统一状态空间，世界状态持续演化；模型根据任务输出语言、声音、动作等多模态结果，外部反馈成为下一轮输入，形成闭环。该架构可概括为“3+1”特征：
- 全模态 Any-to-Any：输入端/输出端多模态，同一模型处理。
- 理解与生成统一：路线被看见、指令被理解、状态被预判、行动被生成、声音被输出。
- 全链路 Runtime：模型常驻运行，持续接收信息，每18毫秒对齐一次状态并做出反应。
- 端侧本体部署：整套模型运行在机器狗、人形机器人和轮椅端侧，直接置于真实世界闭环。
结论
现场演示从能力实证、模型结构解释和跨本体运行三个方面，验证了同一认知系统能够在真实世界中持续组织多维度智能，并自主迭代。文章认为，一念Unisonmind已跨过Physical AGI的基本形态门槛，即一套以实体为载体、在真实世界中持续运行、可适配多种本体的通用认知范式。