行业最热闹的一场悼念，悼错了对象
——WAM每火一次，VLA就死一次
随后，针对“VLA 已死，遥操已亡”的相关讨论，快速占领了讨论区。
▲图源网络
这种叙事足够锋利，把一场严肃的终局推演，压缩成了路线的死刑宣判。可真正值得追问的，从来不是哪一个名词该被埋葬。
因为，当我们顺着演讲脉络不难发现：
通用机器人的终局从来不是单一范式的 “非此即彼”，而是数据、模型、硬件三位一体的深度共生。
因此，本文无意加入悼词竞赛，只打算回到技术基本面探讨Robotics' Endgame：
“
从而真正推向 Jim Fan 所勾勒的三大里程碑。
旧范式的黄昏：遥操作不是落幕，是天花板显现
过去三年，遥操作是机器人灵巧操作从 0 到 1 的关键基石，它提供了大量高质量的交互数据，为机器人学习人类操作逻辑、完成基础任务奠定了基础。
但随着行业向规模化、通用化迈进，它的天然天花板也随之显现：
受限于操作员疲劳、设备成本与场景复杂度，单台机器人单日有效数据量极为有限，难以支撑千万小时级别的数据扩展
—— 这也正对应了 Jim Fan 提出新数据范式的核心原因。
▲机器人遥操© 【深蓝具身智能】编译
行业也曾探索过 UMI、DexUMI 等穿戴式采集方案，试图打通 “人类动作 - 机器人数据” 的直接映射。
但这类侵入式采集，依然难以覆盖全场景、全动作，量级始终卡在 “十万小时级”，离 LLM 式的 “亿级数据” 差了一个时代。
▲DexUMI© 【深蓝具身智能】编译
旧范式的问题，从来不是 “不好”，而是不够大、不够快、不够便宜。
新范式破局：EgoScale验证Scaling Law，人类数据时代已至
Jim Fan 为何反复强调 EgoScale？
因为它第一次把 LLM 的成功路径，完整复刻到机器人灵巧操作领域，并给出了可量化、可预测、可复现的 Scaling Law 实证。
▲EgoScale范式© 【深蓝具身智能】编译
-
预训练阶段
依托海量人类第一视角视频，让模型学习手部关节运动、手腕姿态变化的通用先验知识，建立对人类灵巧动作的基础认知；
-
对齐阶段
结合50小时高精度人机交互数据与4小时机器人实操数据，完成人类动作表征与机器人视觉、本体感知、控制空间的精准锚定；
-
微调阶段
仅需少量机器人示范数据，即可实现折衣、分拣卡片、拧瓶盖、操作注射器等高难度双手灵巧任务的泛化执行。
实验数据清晰显示，随着人类视频数据规模从1k小时增长至20k小时，模型验证损失呈现完美的对数线性下降趋势（R²≈0.9983）。
▲数据规模的力量：机器人灵巧性 Scaling Law 实证© 【深蓝具身智能】编译
这意味着：机器人灵巧能力，终于可以像大模型一样，靠 “堆数据” 稳定提升。
这一突破的实现，高度依赖能精准承接人类动作的硬件载体SharpaWave：
▲配备有22自由度的Sharpa灵巧手
-
1:1 人手构型：
22 个主动自由度，完美匹配人类手掌骨骼结构，21 个手部关键点可直接映射到机器人关节空间，无需复杂翻译；
-
动作无损迁移：
指尖微动作、多指协同、力控细节零丢失，解决纯视觉方案 “看得懂、做不了” 的痛点；
-
数据规模放大器：
只有硬件越像人，才能借用人类世界最庞大的动作数据
但EgoScale并非完美：
纯视觉数据难以捕捉手部精细动作，缺失触觉反馈，且通用化适配能力有限。
这些短板，恰恰是高自由度、人手同构的灵巧硬件可发挥核心价值的关键领域。
关键拼图：从动作到触觉，Sharpa搭建全栈数据闭环
Jim Fan 的终局推演，核心是数据、模型、硬件三位一体的正循环。
EgoScale 解决了 “视觉动作数据规模化”，但通用灵巧操作还缺关键一环：触觉感知。
纯视觉无法捕捉接触力、摩擦力、形变反馈，而这些是拧瓶盖、分拣卡片、精密操作的核心。
（一）硬件为基：灵巧手
Sharpa以Wave灵巧手为物理载体，构建了覆盖“硬件适配-数据生成-模型训练-反哺迭代”的全栈飞轮，提供了可落地的实践范式。
▲春晚盘核桃的那只灵巧手同样来源于Sharpa© 【深蓝具身智能】编译
（二）数据为核：多源数据闭环
数据是模型训练的核心燃料，单一数据类型难以支撑通用灵巧操作，摇操、仿真、人类数据的多源融合，才是破局关键。
除上文提到的人类数据之外，Sharpa依托Wave灵巧手的硬件优势，还打通了以下核心数据链路：
-
轻量化遥操：DexEMG肌电遥操
通过8通道sEMG臂带采集前臂肌电信号，训练模型从肌肉活动模式解码手部姿态，实现了低延迟、高精度的灵巧手控制。
这套方案让操作员可以在无遮挡、无摄像头限制的环境中自然操作，手内旋转任务的成功率从纯遥操的34%提升至76%。
▲DexEMG系统© 【深蓝具身智能】编译
-
高保真遥操：外骨骼+IMCopilot
针对削苹果、组装风车等复杂任务，Sharpa采用外骨骼手套+VR头显的高保真方案，并辅以IMCopilot——一组预训练的手内操作原子技能。
当操作员遇到手内旋转环节时，系统自动接管手指控制，成功率从34%飙升至89%，乒乓球操作成功率也从10%提升至83%。
▲人机协同灵巧操作体系：IMCopilot+MoDE-VLA 实现复杂接触式任务© 【深蓝具身智能】编译
-
仿真数据闭环：TacMap触觉仿真
通过自研的TacMap框架，将仿真与真实触觉数据统一为几何深度图，实现了触觉信号的零样本Sim-to-Real迁移。
这套方案大幅降低了仿真与真实的接触误差，为底层触觉模型预训练提供了海量高质量数据。
▲Tacmap框架© 【深蓝具身智能】编译
（三）模型为魂：CraftNet分层式VTLA架构
硬件提供载体、数据提供燃料，模型则是实现灵巧操作、挖掘数据价值的核心大脑。
Sharpa自研CraftNet分层式VTLA模型，构建“顶层推理-中层规划-底层控制”三级架构，破解视觉与触觉模态竞争、实时控制与计算开销平衡、精细动作执行等核心难题：
▲CraftNet分层式VTLA模型© 【深蓝具身智能】编译
这套分层架构优势显著：
-
分层计算平衡开销与实时性
高频率运行的底层小模型保障实时控制，低频率运行的顶层大模型负责逻辑推理，整体计算成本可控；
-
分层感知缓解模态竞争
顶层以语言为主、中层以视觉为主、底层以触觉为主，避免多模态数据在同一网络争夺权重，最大化发挥不同感知模态价值。
▲CraftNet 分层架构训练数据体系© 【深蓝具身智能】编译
终局推演：算力-环境-数据共振，解锁三大里程碑
Jim Fan 的演讲将大模型领域 “模型 × 数据” 的双轮驱动逻辑，完整迁移至机器人领域：
模型迭代离不开数据支撑，数据价值释放依赖模型能力，二者双向正循环、彼此强化。
在此基础上，他清晰勾勒出通用机器人的终极演进路径，提出行业将依次跨越物理图灵测试、Physical API、Physical Auto Research三大里程碑，整体进程预计在 2040 年前完成。
而 Sharpa 构建的硬件 - 数据 - 模型全栈飞轮，正是推动行业跨越这些关键节点、通往终局的核心之一。
▲用Sharpa灵巧手自主削苹果© 【深蓝具身智能】
-
物理图灵测试（2-3年内）：
随着多源数据（仿真+遥操+人类视频）的融合训练、分层模型的持续优化、触觉感知能力的完善，机器人灵巧操作的自然度、稳定性、泛化性将大幅提升，逐步接近人类操作水平，普通人难以通过肉眼区分机器人与人类操作，实现物理世界的图灵测试突破；
▲物理图灵测试© 【深蓝具身智能】编译
-
Physical API（中长期）：
机器人将从独立硬件，演进为可编程、可调用、可编排的基础设施。依托统一的动作表征、触觉数据标准、分层模型接口，实现不同硬件、不同场景、不同任务的规模化调度，机器人不再是单一设备，而是支撑各类复杂任务的“原子操作引擎”。
-
Physical Auto Research（长期）：
模型与数据的协同迭代持续加速，机器人逐步具备自我设计、自我优化、自我迭代的能力。从硬件构型优化、数据采集策略升级，到模型架构迭代、任务能力拓展，均能自主完成，迭代速度远超人类工程团队，推动机器人技术进入指数级发展阶段。
终局不是某一个技术的胜利，而是算力、仿真环境、多源数据、类人硬件、分层模型的全面共振。
一个时代的结束意味着另一个时代的开启
回到演讲的开始，它从来不是一场否定旧范式的“葬礼”，而是行业范式迭代的信号：
数据规模化升级与模型能力迭代，是机器人行业演进的两大核心方向，而硬件适配、数据链路完善、多技术协同，是实现目标的关键支撑。
从传统遥操作到EgoScale人类视频范式，从纯视觉感知到触觉感知融合——
通用机器人的训练链路正逐步走向全栈化、规模化、系统化。
Sharpa的技术探索，正是这一趋势的缩影——旧的地图已不够用，新的航路正由深耕者一笔一划写就。
旧章已合，新路正长。出发。
编辑｜小小怪博士
审编｜具身君
Ref
1. ViTacFormer： https://arxiv.org/abs/2506.15953
2. SaTA： https://arxiv.org/abs/2510.14647
3. EgoScale： https://arxiv.org/abs/2602.16710
4. SimToolReal： https://arxiv.org/abs/2602.16863
5. TacMap： https://arxiv.org/abs/2602.21625
6. DexEMG： https://arxiv.org/abs/2603.05861
7. MoDE-VLA： https://arxiv.org/abs/2603.08122
8. Robotics' End Game: Nvidia's Jim Fan：https://www.youtube.com/watch?v=3Y8aq_ofEVs
扫码添加阿蓝，选择想要加入的交流群即可
（按照提交顺序邀请，请尽早选择）
👇
