据量子位报道，一个神秘的具身智能团队近日连续发布多个机器人演示视频，展示其内部代号为“MVP”（Make Veritable People，直译“做个人吧”）的自进化模型。视频中，机器人展现出类似人类的物理理解、行为逻辑和持续学习能力，被部分网友评价为“具身智能的ChatGPT时刻”。该团队此前发布的十分钟一镜到底视频已在行业内引发热议，甚至有头部公司专门开会研究。
针对外界关于“是否遥操”的质疑，该团队没有直接回应，而是又发布了几个依旧一镜到底的演示视频。团队表示，模型也像人，要让它自己说。据悉，MVP模型的名字意为“模型能力像真人一样”，团队还透露，下一步将让机器人上街，在开放环境中直接展示。
在第一个演示中，机器人左手端水杯，在被人用木棍推搡时能平稳躲避，杯中水未洒半滴；当右侧易拉罐被推倒时，它还能同时用右手扶住易拉罐。团队称，这一表现得益于模型对物理规律的理解，而非简单的动作模仿。相比之下，主流的VLA和WAM模型在面对遮挡、接触、形变等物理推理场景时容易失效。
第二个演示中，机器人执行家务整理任务，团队称这是零样本完成的，成功率已达80%。视频里，机器人将玩偶放回原处，从收纳篮中取出帽子和健身环挂上衣帽架，并将坐垫扔到沙发上。其动作显示出对空间、物体属性和人类习惯的理解，例如知道环状物可挂、平整物可扔，甚至会“偷懒”选择省力的方式。
第三个演示中，两台不同型号的机器人协作拉平、抖动床单。团队称，这些机器人的训练数据全部来自人类视频，并通过“一脑多形”实现了跨本体协作。该模型似乎将物理世界理解与人类行为逻辑统一起来，而主流模型往往缺乏这种自进化能力。
第四个演示中，机器人在收纳物品时表现出“能量最优”的决策倾向。它一次尽量多带物品，把围巾搭在脖子上、圆环套在小臂上，身上挂满物品后转身离开。一分钟内收纳四件物品，显示了处理长程任务和建立物体与自身能力映射的能力。团队认为，主流模型基于统计拟合，缺乏自主意图，而MVP模型的行为像水往低处流一样自然。
四个演示视频展示了机器人动作一致性、思考持续性和个性化特征。团队称，装载MVP模型的机器人仿佛各有“做事的独特调调”，有了性格。尽管视频画质粗糙，但其中展现的智能迹象已让不少人相信，具身智能真正为人所用的时刻可能正在临近。