赵行获CoRL 2026青年成就奖谈人形机器人量产

清华大学交叉信息研究院助理教授、星海图CTO赵行在美国奥斯汀举行的CoRL 2026主会场发表Early Career Keynote演讲，成为今年全球三位获此荣誉的研究者中唯一华人。该奖项须同行提名，面向博士毕业十年内且已取得实质成果的机器人学习研究者，被视为该领域对青年学者的高规格认可。

赵行的演讲围绕“机器人的时间”展开。他从Waymo自动驾驶起步，先后研究四足、人形机器人运动与带臂操作，目标是让机器人承担实际体力劳动。他指出，GPT-6 Astra接入机器人后在RoboLab-120仿真中达到66%成功率，明显高于π0.5的28%；在RoboDojo上则为22分对7分，但这些基准没有计入时间成本。Astra每次调用基础模型约需18秒，机器人97%的时间都在等待。

在RoboCasa家庭厨房仿真器中，赵行使用5个陌生厨房、5项任务和每项50秒限制，对比编程、编程加询问、编排、直接控制和智能体五种方式。忽略时间时，除编程策略为45%外，其余成功率均超过60%；加入真实时钟后，直接策略和智能体策略分别降至15%和20%。他的结论是，慢模型并非不能用，但必须与快速的System 1协同。

赵行将机器人智能按时间尺度划分为System 2、System 1和System 0，而不是传统的感知、规划、控制功能层。System 2以秒到分钟响应任务理解，System 1以几十赫兹处理手物交互，System 0则以数百赫兹跟踪接触和受力。他曾在MIT参与Duckietown自动驾驶课程和Cheetah机器狗项目，也在Waymo经历自动驾驶量产，认识到实验室演示与产品之间存在巨大的鲁棒性差距。

他认为，快层负责实时驾驶，慢层负责思考。自动驾驶中，视觉语言模型擅长理解复杂场景，却无法及时控制车辆，因此需要与快速驾驶栈并行运行。类似的快慢双系统后来应用于DriveVLM-Dual，相关方案已落地超过40万辆量产车。对机器人而言，工业装配可主要依靠System 0，物流分拣需要System 1，家务则更依赖能够处理长程任务的System 2。

为提升各层速度，赵行介绍了三项工作：Fast-WAM通过共享视频模型和动作模型权重、调整注意力机制，使推理速度提升4倍以上；其16B参数版本在RTX 5090D上每个动作耗时约60毫秒。星海图的G0.5将任务、边界框和动作轨迹编码为统一token流，约90%的任务开关推理后成功率相同，关闭推理可提速一倍。

第三项工作ActionCodec2采用流式动作tokenizer，将完整动作块拆成可即时执行的小段。相比必须等待整段轨迹生成完毕的传统方案，流式方式能持续感知移动目标，在机械臂追踪方块的测试中避免跟丢并完成抓取。赵行还强调，层间通信应采用多时钟协同：向下传递语言、目标和程序等更丰富的信息，向上则尽量保持简洁。

赵行2019年加入Waymo，2020年回到清华，2023年与高继扬创立星海图。其团队从四足跑酷发展到全尺寸人形全身跑酷，并持续探索流式动作与快速控制。演讲最终传达的核心观点是：前沿模型能力重要，但如果忽视真实时间约束，基准测试就可能制造虚假的机器人能力；让快的层行动、让慢的层思考，才更接近量产要求。