机器人存在的意义是什么？

在北京人形机器人创新中心看来，答案始终明确而坚定：机器人，最终是为了“能干活、会干活”——是为了走入工厂乃至千家万户，去完成那些重复、繁重、高危的实际任务，创造真实价值。

今天，我们离这个目标又近了一大步。

在业界目光正逐步向实用领域倾斜，大众对于机器人“干活”的呼声也日益强烈的背景下，北京人形机器人创新中心在18日的直播中，正式宣布开源其核心的具身智能跨本体视觉语言动作（VLA）大模型XR-1，推动具身智能机器人向“全自主、更好用”的目标迈进。

结合北京人形升级版大规模机器人数据集RoboMIND V2.0，以及高保真铰接物体数字资产数据集ArtVIP，我们能够发现，此次开源并非一次单纯的技术共享，而是一套旨在系统性解决机器人如何“能干活、会干活”这一核心难题的完整方案。

▍XR-1：一个能跨场景、跨本体、多任务干活的VLA模型

要让机器人像人一样灵巧、智能地完成任务，关键在于“脑”的协同。北京人形将这一体系解构为“具身大脑”与“具身小脑”。

“具身大脑”负责高层的认知、规划与决策，理解“要做什么”和“为什么做”。此前，北京人形已开源了世界模型WoW（我悟）和多模态具身通用模型Pelican-VL（天鹕），为机器人提供了理解物理世界和进行复杂任务规划的能力基础。“具身小脑”则负责将大脑的指令转化为精准、流畅、适应本体特性的动作，解决“具体怎么做”的问题。

XR-1，正是北京人形为机器人打造的“超级具身小脑”的重要组成部分。

它不是一个停留实验室中的理论模型，刚刚在由中国电子技术标准化研究院组织的、基于国家标准的“求索”具身智能测评（EIBench）中，XR-1是首个且唯一通过全部测试的VLA模型，获得了CESI-CTC-20251103具身智能测试证书权威认证。

EIBench测评的核心目标，正是直击具身智能领域数据难复用、模型泛化性差、安全难保障等产业痛点。测评覆盖取放、推拉、旋转、插入等8类核心操作动作，并从物体属性、环境光照、背景干扰等七大维度开展泛化测试。其严苛的考核标准，恰恰印证了XR-1面向“实干”场景的硬核能力。

实际应用中，XR-1在具身天工2.0人形机器人、UR、Franka等多种不同构型的机器人本体上，均表现出了高成功率和强鲁棒性。

具体来说，XR-1的性能，源于其三大技术创新。首先，它采用了独创的UVMC（多模态视动统一表征）技术，通过这项技术，可以将视觉观察、语言指令和机器人动作在统一的表征空间中进行学习，让机器人能够利用海量人类视频进行训练，降低训练成本提升训练效率；同时，它能够搭建起视觉与动作的映射桥梁，让模型能真正理解“看到什么”与“该如何动”之间的内在关联。

其次，通过“多模态预训练→跨本体主网络训练→特定场景微调”的三阶段训练范式，先积累通用操作知识，再快速适配具体任务，实现了通用性与专用性的平衡。将XR-1与目前全球最先进的具身VLA模型进行对比可见，在各种复杂任务中，XR-1的成功率显著领先。在某些高难度任务上，其表现甚至优于头部企业一倍。

最后，其性能根基来自于超百万级自有数据驱动，即北京人形积累的、超百万条的多本体机器人操作数据。基于XR-1，北京人形构建的“慧思开物”平台，能够快速生成面向物流分拣、精密装配等场景的通用技能库，大幅降低了为不同机器人开发新技能的成本和时间，打通了技术走向产业应用的关键路径。

▍RoboMIND V2.0：让VLA模型变聪明的数据基石

XR-1出色的泛化与学习能力，离不开高质量、大规模数据的喂养。本次同步开源的RoboMIND 2.0数据集，正是其能力的重要源泉。目前RoboMind数据集下载量累计已超15w次。

数据集为何对具身智能如此关键？

其实在人工智能领域的“Scaling Law（缩放定律）”已经证实，大模型性能随数据量、模型规模和计算力增加而显著提升，该法则也适用于人形机器人与具身智能领域。本次开源的RoboMIND 2.0，正是针对上述痛点的一套系统性解决方案。其核心在于“真虚结合”的双引擎数据构成，“真机采集数据”在北京人形自建的真实机器人数据基地中，由多种机器人执行海量任务采集而来，数据包含真实的物理交互反馈和视觉信息，是模型学习真实世界物理规律的“金标准”。

“虚拟仿真数据”则在仿真环境中，通过程序化或智能体自动生成的大量操作轨迹。这部分数据成本低、可规模化，能快速覆盖长尾、高危或难以在现实世界大量复现的任务场景。

而这两部分数据得以高效产生和利用，离不开一套强大的工具链。北京人形此前也发布并持续更新X-Humanoid training toolchain，它无缝衔接了RoboMIND数据格式与LeRobot等主流训练框架。开发者只需几行命令，即可完成从数据准备到模型训练的全流程，让研发重心回归算法创新本身。

▍在数字世界里复刻一个可“干活”的真实世界

RoboMIND中高质量的虚拟仿真数据从何而来？答案是ArtVIP。

这个作为被英伟达Isaac Sim 5.1全球唯二官方引用的高保真数字资产数据集，致力于在仿真环境中复刻一个物理准确、视觉真实的平行世界，也是目前已开源的全球最精细的复杂铰接物体库。

ArtVIP提供了涵盖橱柜、冰箱、笔记本电脑、脚踏式垃圾桶等数百种高精度铰接物体。这些物品不仅外观逼真，更内置了精确的物理属性（如质量、摩擦力、铰链阻尼）和符合因果的交互逻辑。在仿真中，机器人可以像在现实世界一样拉开抽屉、按下开关、打开冰箱门，其受力反馈与真实情况高度一致。

这意味着，基于ArtVIP构建的仿真场景，能够生成与真实世界几乎无异的机器人操作轨迹数据，直接用于训练像XR-1这样的模型。它极大地弥补了Sim2Real的鸿沟，让机器人在投入真实工作前，已在数字世界中经历了成千上万次的“岗前培训”。

▍从技术开源到场景落地，机器人已在“真干活”

实际上，北京人形的这一套技术方案，早已走出实验室，在多个行业场景中开始“干活”。

在福田康明斯，机器人正在学习如何更智能、更柔性化地搬运零部件箱体。在中国电科院的高压电力场景，机器人代替人工进行高危的电力设备巡检作业。在李宁运动科学实验室，机器人辅助进行运动装备的人体运动数据采集与分析。

这一切都指向同一个核心目标：让机器人技术褪去炫技的光环，回归解决实际问题的本质。通过开源XR-1、RoboMIND V2.0和ArtVIP，北京人形不仅分享了自身的技术成果，更是为整个具身智能社区提供了一套从数据、训练工具到核心模型的“干活”工具箱。

我们有理由相信，当开发者们能够更便捷地获取高质量数据、训练出能跨本体泛化的模型、并在高保真仿真中验证想法时，机器人真正融入生产生活、成为可靠“劳动者”的时代，才会加速到来。北京人形在该方向的持续聚焦，必然能够与全球开发者一道，推动具身智能迈向“全自主、更好用”的新高度。