神秘具身智能团队发布“MVP”模型Demo：展现自进化能力与物理直觉

事件概述

一个内部代号为“MVP”（Make Veritable People，意为“做个人吧”）的具身智能模型团队，继此前引发热议的10分钟一镜到底视频后，再次发布多段Demo视频。该团队回应称，模型旨在让机器人像真人一样思考、自我决策并持续自进化。目前，该模型已实现零样本（zero-shot）任务80%的成功率，并计划进入开放环境测试。

核心技术与表现

1. 超越模仿的物理动力学理解
主流视觉-语言-动作（VLA）和世界动作模型（WAM）在面对遮挡、接触或形变等需要物理推理的场景时容易失效，因为它们主要依赖动作模仿而非理解物理规律。“MVP”模型通过统一动力学预测和长期状态，使机器人轨迹天然满足动力学可行性。

• Demo表现：机器人在受到外力推搡导致易拉罐倾倒风险时，能瞬时反应，左手稳持水杯不洒，右手同时扶住易拉罐。这种手眼协调与动态平衡能力超越了简单的数据拟合，展现出对物理规则的深层理解。

2. 空间认知与人类习惯的泛化能力
不同于VLA模型的“大力出奇迹”或WAM模型的死板拼接，“MVP”模型将空间物体属性理解与人类行为习惯融合，具备极强的长程任务泛化能力。

• Demo表现：在客厅整理任务中，机器人识别出不同物体的属性（如帽子可挂、坐垫可扔），并根据“省力原则”决定操作方式（如直接抛掷坐垫而非弯腰放置）。团队表示这是zero-shot完成的任务，展现了惊人的泛化性。

3. 跨本体协作与“一脑多形”
模型支持不同形态机器人的协同工作，且训练数据仅基于人类视频。

• Demo表现：两台身高不同的机器人配合抖平床单。较矮机器人负责拉扯平整，较高机器人负责抖动去皱，逻辑自洽，模拟了人类的协作流程。

4. 能量驱动的最优行为解
机器人的决策过程被描述为顺着“能量下降方向”自然滑动，具备自主意图，无需刻意规划每一步。

• Demo表现：在收纳场景中，机器人一次性携带围巾、圆环、拖鞋、耳机等多件物品，将其映射到自身不同部位（如颈部、肘部），以最小化往返次数，体现了对世界理解的深度和效率优化的本能。

值得关注的关键特质

• 动作一致性：逻辑自洽，动作丝滑，懂物理原理。
• 思考持续性：长时序任务中环环相扣，不半途而废，且表现出“越用越稳”的自进化特征。
• 个性化倾向：不同机器人似乎展现出独特的做事风格，接近人类的性格特征。

该团队的发布引发了行业对具身智能是否迎来“ChatGPT时刻”的讨论，认为其标志着机器人从概率预测向真正认知和自进化能力的转变。