北大副教授董豪谈启元机器人：HIL-UMI、Scaling Law 与量产如何通向具身终局

启元机器人首席科学家董豪提出，具身智能的胜负手在可规模化的后训练，而非预训练数据配比。他给出的路径是 HIL-UMI 无本体数据采集、用世界模型把一条真机轨迹扩增为 50 条等效样本，以及横向 Scaling Law——同时扩展数据量与任务量，使新任务初始成功率更高、所需样本更少。启元已实现全自主洗衣流程，机器人可自主规划路径、开合洗衣机门并在抓取失败时主动重试。