大模型突然会操控机器人了，连没练过的活也能上手

在工业实验室里，机械臂完成拧瓶盖、分拣零件这类精细操作，过去需要工程师花数周编写专属控制程序，每换一个任务就要重新调试。

2026年10月11日，StarDynamics宣布其世界动作模型VPP2在RoboDojo排行榜上以32.26%的平均成功率、39.26分的平均得分位列第一，同时在泛化能力、精细操作等三个维度取得第一。而RoboDojo本身是用于综合评估通用机器人操作策略的统一仿真与真实世界基准测试，包含42个仿真任务和18个真实世界任务，覆盖泛化能力、精细操作等多类操作能力维度。

就在这一节点之后，@claudeai 发布消息称，Fable 5.2在控制实体机器人的能力上有了实质性提升，哪怕是从未专门训练过的任务也能完成。在RoboDojo的双臂仿真机器人测试中，它的表现超过了其他同类大模型，也超过了多数专门为控制机器人打造的AI系统。这条推文发布后获得了6708个点赞、543次转发，浏览量超过104万，收藏数达到1092。

@faraz_r_khan 提到，仅仅6个月前，机器人领域的研究者还普遍认为，基于文本训练的大语言模型根本无法对物理世界进行推理，必须搭配专门的视觉模块才能处理机器人任务。@samuel_spitz 则直接表态，任何不押注通用智能的方向，都是错误的选择。

这意味着，过去需要为每一台工业机械臂单独开发的控制程序，未来可能由同一个通用大模型直接下发指令完成。那些原本只在仿真环境里跑通的操作策略，正在快速向真实世界的双臂机器人迁移。

当通用大模型跨过物理操作的门槛，下一个问题是：工厂里那些被定制程序绑定的机械臂，多久能换上通用的“大脑”？