机器人与具身智能 2026-08-30 05:44

机器人操作迈向“阶段自适应”：清华团队开源 PhaseLoRA，为具身智能提供动态权重新思路

在具身智能与机器人操作研究中，如何让大模型高效适配复杂多变的物理任务，一直是产业落地的关键难题。

在具身智能与机器人操作研究中，如何让大模型高效适配复杂多变的物理任务，一直是产业落地的关键难题。近日，清华大学韩军功教授团队宣布开源一项名为 PhaseLoRA 的机器人训练新方法，其核心在于让低秩适配（LoRA）模块能够根据机器人操作的不同阶段进行动态调整，而非使用固定权重。这一技术动向迅速引发行业关注。

从“静态微调”到“动态适配”：PhaseLoRA 的技术定位

传统上，LoRA 技术通过对预训练模型进行低秩分解和参数高效微调，大幅降低了训练成本，已广泛用于大语言模型及多模态模型。但在机器人操作任务中，任务往往包含“接近目标”“抓取”“移动”“放置”等不同阶段，每个阶段对特征提取和动作生成的需求差异显著。韩军功教授团队此次开源的 PhaseLoRA，核心创新即在于打破了 LoRA 权重全程不变的假设，使其随操作阶段变化而动态更新。 根据新浪网发布的消息，该成果已由团队开源，这意味着全球研究者和开发者均可复现与二次开发。从公开摘要看，PhaseLoRA 聚焦于提升机器人操作的泛化能力与精细度，但具体的网络结构细节、训练数据规模及实验对比数据，在现有标题和摘要中并未明确披露。因此，其实际性能增益仍需以论文正式版本或代码仓库中的详细文档为准。

开源生态与产业影响：低成本适配或将加速机器人训练平台迭代

在机器人训练领域，数据采集成本高、任务泛化难是公认的两大痛点。PhaseLoRA 的出现，可能为行业提供一种“轻量级”的解决方案——无需对整个骨干网络进行全量微调，只需按阶段调整少量参数，即可让模型适应新任务或新场景。这一思路与当前具身智能领域追求“数据高效、算力友好”的趋势高度契合。 从产业背景看，全球机器人训练平台正进入快速发展期。参考行业研究机构数据，根据 MarketsandMarkets 在 2025 年发布的报告，全球机器人仿真软件市场预计将从 2025 年的约 12 亿美元增长至 2030 年的 25 亿美元，年复合增长率约为 16%。而根据国际机器人联合会（IFR）2025 年发布的《世界机器人报告》，2024 年全球工业机器人新安装量约为 54.1 万台，服务机器人市场同样保持增长。这些数据表明，机器人操作模型的训练效率与泛化能力，正成为决定产品落地速度的核心竞争点。

算力与芯片视角：动态 LoRA 对推理和边缘部署提出新要求

PhaseLoRA 所代表的“动态权重”机制，不仅影响算法层面，也可能对底层芯片与算力架构产生涟漪效应。传统固定权重模型在部署时，可预先编译优化；而动态 LoRA 意味着在推理过程中，模型需要根据当前任务阶段实时计算和切换局部权重。这要求机器人主控芯片具备更强的灵活调度能力、低延迟存储访问以及高效矩阵运算单元。 从半导体产业趋势看，端侧 AI 芯片的算力提升正持续加速。根据 IDC 在 2025 年发布的数据，全球边缘 AI 芯片市场规模预计将从 2024 年的约 94 亿美元增长至 2027 年的 178 亿美元，年复合增长率约为 23.7%。与此同时，高带宽内存（HBM）渗透率上升，为频繁的权重切换提供了带宽基础。但需要注意的是，PhaseLoRA 是否能在主流嵌入式 GPU 或 NPU 上实现实时运行，目前尚无公开测试数据，其落地效果有待进一步确认。 此外，该研究中“阶段划分”机制本身也可能催生新的软件栈和中间件需求。例如，机器人操作系统（ROS）可能需要增加对动态 LoRA 调度的原生支持，这将为国内外的 AI 中间件公司提供新的产品方向。不过目前这些猜想均属于产业推演，并未有厂商公开宣布相关适配计划。

数据参考

以下为本篇报道引用的关键数据，均已区分“本次新闻已确认数据”与“行业背景参考数据”。 本次新闻已确认数据来源：

  • 暂无。本次新闻仅确认清华大学韩军功教授团队开源 PhaseLoRA 技术，且主要应用于机器人操作阶段的动态 LoRA 适配。文中未提供任何性能参数、训练规模或用户数据。 行业背景参考数据（非本次新闻新增信息）：
  1. 全球机器人仿真软件市场：2025 年约 12 亿美元，预计 2030 年约 25 亿美元，年复合增长率约 16%。来源：MarketsandMarkets，2025 年发布（预测数据）。
  2. 2024 年全球工业机器人新安装量约 54.1 万台。来源：国际机器人联合会（IFR）《世界机器人报告》，2025 年发布。
  3. 全球边缘 AI 芯片市场：2024 年约 94 亿美元，预计 2027 年约 178 亿美元，年复合增长率约 23.7%。来源：IDC，2025 年发布（预测数据）。
  4. 关于 PhaseLoRA 的具体推理时延、参数量、能耗对比等数据，暂缺可核验数据，需等待团队论文正式发布。 #机器人 #具身智能 #清华开源 #机器人与具身智能