「一脑多形」，普渡机器人给出具身智能的另一种答案

2026 年开年的第一天，一场特别的机器人比赛，在广州塔 450 米高的户外观景平台举行。

赛道并不长，却并不好走。

112 级弧形旋转阶梯垂直攀升 10 米，台阶高度存在细微差异，再叠加高空户外环境带来的风阻，11 支参赛队伍需要操控双足人形、多足、轮式等不同形态的机器人完成登高。

最终，普渡机器人的轮式四足机器狗 PUDU D5 用时 13 秒 01 率先登顶，拿下轮式四足机器人组冠军和最佳技术创新奖。

13 秒、112 级台阶、450 米高空，这些数字很快成为传播焦点。

但是当这些能力离开比赛和展台，进入工业厂区、电力设施、消防救援等更加复杂的真实环境，它还能不能像在赛道上一样稳定地完成任务？

8 月 19 日，PUDU D5 出现在世界机器人大会（WRC 2026）的舞台上。不同的是，这一次普渡想展示的，不再只是机器狗能跨过怎样的障碍。

在普渡的展台上，楼梯、砂石、窄道被浓缩进一条复杂环境自主通行路线，背后所指向的，则是工业、电力、消防等真实作业场景。

事实上，这也是普渡过去几年不断拓宽的边界。从最早被大众熟悉的机器人、商用清洁机器人、工业配送机器人，再到如今 PUDU D5 开始进入的复杂环境，机器人拥有了越来越多的身体，也被放进越来越不同的现实世界。

然而，随着机器人越来越多、场景越来越复杂，它们是否还需要各自从头学习？那些散落在不同机器人、不同场景里的经验，又能不能最终汇入同一个「大脑」？

机器人最难学会的，

是人类不需要计算的「直觉」

在这次世界机器人大会的普渡展台上，机器人面对的是一条被刻意「制造麻烦」的路线。

二层结构里，楼梯、砂石、窄道被集中放在一起。

PUDU D5 需要在没有人工实时操控的情况下，自主感知周围环境、规划路线，穿过砂石区域，再完成上下楼梯和狭窄空间通行。

真正值得关注的，并不是 PUDU D5 能不能爬上一级台阶，而是面对一个不断变化的物理世界，它究竟知不知道下一步应该怎么走。

因为真实世界最麻烦的地方，恰恰在于没有标准答案。

人类走到湿滑地面会下意识放慢脚步，端起一杯水时知道不能突然倾斜，搬起一个箱子时会根据重量调整姿势。

我们几乎不会计算摩擦系数、重力或者运动轨迹，但长期与物理世界交互形成的经验，早已把这些判断变成一种「直觉」。

对于机器人而言，这些人类不需要计算的「直觉」，反而是最难学会的东西。

过去几年，大模型让机器人越来越擅长「看懂」世界。VLM 能够理解视觉信息，VLA 进一步把视觉、语言和动作连接起来。

但从「看见」到「行动」之间，其实还缺少重要的一环：如果这样做，接下来会发生什么？

机器人可以知道眼前是一只杯子，却未必理解杯子倾斜之后水会洒出来；可以识别一块湿滑表面，却未必知道抓取或者行走时应该调整力度。

普渡将这种能力的缺失称为「物理直觉缺口」：机器人能够看到物体，却不一定真正理解可达性、可操作性以及动作背后的物理约束。

这也是普渡在其具身智能大模型 PuduFM 中引入 PIM 物理直觉模型的原因。

与单纯预测未来画面不同，PIM 采用因果注意力 Transformer，在潜空间中建模物体运动和物理交互。

它并不追求把未来世界的每一个像素都生成出来，而是试图抓住真正影响机器人行动的物理状态变化。

简单来说，PIM 想让机器人在真正行动之前，多问自己一句：「如果我这么做，会发生什么？」

这是一个很重要的变化。

如果说 VLA 更多解决的是「我应该做什么」，那么 PIM 进一步解决的是「我这么做是否合理」。普渡也因此把 PIM 与 VLA 结合：前者承担物理推理和预测，后者负责多模态理解与动作生成，让机器人逐渐形成从感知、预测到执行的完整链路。

但这种「直觉」同样不可能凭空长出来。

为此，普渡给 PuduFM 设计了预训练、仿真强化和真实世界微调三阶段训练体系，并把真实环境中的人工介入重新转化为模型持续修正的数据。

于是，真实世界对于机器人的意义也开始发生变化。

对于一台真正需要长期工作的机器人而言，现实世界既是它最终工作的地方，也是它永远无法毕业的训练场。

从自主行动到解决问题，

需要越过几道「坎」？

拥有「物理直觉」，并不意味着机器人就能够真正把工作做完。现实世界对机器人的考验，往往是一环扣一环。

到了工业、电力、消防这些环境里，一台机器人首先要能够自己抵达任务地点，然后找到真正的异常，最后还要尽可能完成处置。任何一环掉链子，所谓的「智能」都很难转化成真正的生产力。

所以，PUDU D5 真正要越过的第一道坎，是「到得了」。

这听起来简单，却是很多自动化设备的天然边界。

过去大量机器人之所以能够稳定工作，一个重要前提是环境足够规整：地面平整、路线固定，甚至需要提前改造场地。但工业、电力、消防不会为了机器人重新设计现场。

面对楼梯、斜坡、崎岖路面和临时障碍，机器人必须反过来适应环境。PUDU D5 采用轮腿式形态，本质上也是在效率和通过性之间寻找平衡：平整路面可以快速移动，遇到台阶和复杂地形，则依靠腿部完成跨越。

但「到得了」只是开始。第二道坎，是「看得懂」。

巡检并不是让机器狗按照固定路线走上一圈，再拍几张照片回来。

到了电力场景，它需要关注设备温度、仪表状态、异常声源；进入工业车间，又要识别异常发热、泄漏以及有毒有害气体。

这也是工业巡检真正困难的地方。环境越复杂，不确定因素越多，而巡检最终的价值并不是完成路线本身，而是及时发现异常。

也就是说，PUDU D5 既要理解「路在哪里」，还要知道「问题在哪里」，机器人由一个移动底盘，开始变成能够持续感知现场的智能终端。

于是，第三道坎随之出现：发现问题之后，能不能进一步「把事情解决」？

从能力来看，PUDU D5 并不是一个固定功能的产品，更像是一套可以根据任务改变能力的作业平台。

进入电力场景，可以通过机械臂完成阀门操作和物品抓取；面对工业环境，可以搭载不同感知设备完成风险检测。

进入消防场景，PUDU D5 又可以根据任务搭载水炮、脉冲灭火、惰性气体灭火等专业模块，让人员留在相对安全的位置，由机器人抵近危险区域完成处置。

PUDU D5 本身也采用开放式扩展设计，可搭载不同外围设备适配巡检、运输等任务。

从「到得了」，到「看得懂」，再到「解决问题」，这三道坎其实勾勒出了 PUDU D5 真正想解决的问题。

它并不是为了证明四足机器人比轮式机器人或者人形机器人更高级。

恰恰相反，PUDU D5 说明的是另一件事：

现实世界如此复杂，本来就很难存在一种适合所有任务的身体，而当机器人需要跨过楼梯、砂石和斜坡，进入那些人员受限甚至存在风险的区域时，四足形态才显现出它独特的价值。

一脑多形，或许是具身智能

「通用」更现实的答案

过去几年，人形机器人快速升温，「像人」一度成为通用机器人的重要想象。

但真正进入商业世界之后，另一个现实也越来越明显：并不是所有工作，都需要一台「像人」的机器人。

具身智能所谓的「通用」，可能从一开始就存在两种不同的答案：

一种是寻找一个足够通用的身体，让一台机器人完成尽可能多的任务；另一种则是身体保持专业化，但让不同身体背后的「大脑」逐渐通用。

普渡选择的是后者。这也是普渡「一脑多形」技术理念真正值得讨论的地方。

它并不是简单地把 PUDU D5、PUDU D7 以及配送、清洁机器人放在同一个产品矩阵里，而是试图解决具身智能行业长期存在的另一个问题：

过去不同形态的机器人，往往拥有各自独立的模型、软件和数据体系。

做一台配送机器人要开发一套能力，换成清洁机器人又重新开发，进入工业场景再来一次。不同产品之间看似属于同一家公司，背后的智能却可能是一座座彼此隔离的「孤岛」。

普渡也将这种不同构型之间模型和数据相互割裂的问题，称为具身智能走向通用的一道「构型鸿沟」。

「一脑多形」要做的，恰恰是把身体和智能逐渐拆开。

按照普渡提出的 Physical Agent 架构，一台机器人可以被拆成「本体+系统+技能」三个层次。

其中，本体决定机器人以什么方式进入物理世界：PUDU D5 负责复杂地形，PUDU D7 面向工业作业，PUDU D9 进一步探索更加通用的人机协作。

PuduAgent OS 则像机器人的中枢，负责理解任务、拆解任务、调用能力以及管理记忆。

再往下，PuduFM 负责环境理解、物理预测和动作执行。

普渡今年推出 PuduAgent 时，也将其定义为连接认知、记忆、执行与安全的统一具身智能基础设施。

这样一来，机器人行业过去「一种产品对应一套智能」的开发逻辑，就有机会发生变化。

比如过去在配送场景里积累的导航能力，不必永远停留在配送机器人身上；

进入清洁、工业乃至新的机器人形态之后，一部分能力可以通过统一模型继续迁移和复用。

普渡的 PuduFM 已经试图让配送、清洁、工业以及人形等不同机器人共享同一个「大脑」，其 PIM 与 VLA 结合的架构也原生支持异构硬件。

从这个角度看，「一脑多形」真正试图降低的，其实是具身智能规模化的边际成本。

因为具身智能要真正进入成百上千种商业场景，不可能每进入一个行业、每换一种身体，都重新从零训练一套模型、重新开发一套软件。

如果过去机器人产业的扩张方式是「多一种机器人，就多开发一套系统」，那么未来更理想的状态应该是：底层智能越来越通用，身体和技能根据任务灵活组合。

但真正决定这套体系能不能成立的，还不是架构画得有多漂亮，而是「大脑」究竟有没有足够多的现实经验。

这恰恰让普渡过去十年的商业化积累有了新的意义。截至目前，普渡累计出货超过 13 万台，业务进入 85 个以上国家和地区。

根据普渡披露的数据，每年还在产生数千万小时的真实导航和操作数据。

过去这些数字更多意味着销量、客户和市场规模；到了 Physical AI 阶段，它们同时意味着大量持续与物理世界发生交互的数据入口。

于是，「一脑多形」真正的飞轮才开始出现：

更多身体进入更多场景，产生导航、操作、交互以及异常纠正数据；

这些数据继续训练共同的「大脑」；大脑能力提升之后，又可以赋予更多机器人，让它们进入新的场景。

这也意味着，普渡所说的「场景智能」，并不是单纯让一台机器人变得更聪明，而是让场景本身开始成为智能持续生长的土壤。

当 PUDU D5 在复杂地形里获得的经验、配送机器人在餐厅里学会的导航、清洁机器人在商场里遇到的人流，以及 PUDU D7 在工厂里完成的一次作业，最终都有机会沉淀进同一个「大脑」，所谓「一脑多形」才真正从一个产品架构，变成一种具身智能的进化方式。

所以，具身智能真正的「通用」，或许从来不只有「造出一个万能的人形机器人」这一条路。

身体可以继续千差万别，各自去做最适合自己的工作；但真正需要越来越通用的，是身体背后的智能大脑。

而这，或许才是「通用」更现实的一种答案。