北大副教授董豪转向家用具身智能，探索后训练规模化

董豪是具身智能领域少见的跨界实践者：29岁成为北京大学博导，曾在创业失败后回到帝国理工攻读博士，后来加入智元机器人并参与成立联合实验室，如今担任启元机器人首席科学家，主攻家用具身智能。他关注的核心问题并非宏大叙事，而是如何避免依赖上万台真机完成高成本后训练，给出的思路包括 HIL-UMI、Scaling Law 与量产。

董豪英本英硕四年完成学业，入职北大后遭遇疫情，曾在线上讲授一整年的机器人课程。虽然学生常不开摄像头、机器人也无法实际操作，但他认为自己能坚持下来，除了运气，也因为始终聚焦机器人这一兼具学术和产业价值的方向。他还曾将实验室内部 AI 框架开源，项目获得 ACM MM 最佳开源软件奖，体现了“一项工作产生多种成果”的做事方式。

2012年硕士毕业时，导师郭毅可曾建议他继续读博，但他选择回国创业，开发便携脑机接口和智能手环，甚至住进工厂八人间宿舍。三年后，随着小米、华为等大厂快速进入可穿戴市场，他意识到供应链、渠道和品牌形成的竞争差距，转而回到帝国理工读博。创业经历让他认识到，硬科技真正困难的是量产：从样机到稳定制造一百件产品，往往需要一两年，改动还可能牵动模具、产线和验证周期。

2023年智元机器人成立后，董豪作为核心成员加入；如今转向启元，是因为家庭场景要求机器人具备通用导航、人机交互和通用作业能力，难度高于许多 ToB 应用。他认为企业不能只等待方向成熟，也不能一开始什么都做，而应先在衣物整理、洗衣等低风险场景打穿能力。启元计划按三年周期推进，已实现机器人自主规划路径、开合洗衣机门、抓取失败后重试的全自主洗衣流程。

在技术判断上，董豪认为预训练和后训练并非固定比例，而是会阶段性更替。预训练负责建立基础世界观，模仿学习适合冷启动，却难以处理真实环境中的错误；机器人要获得更强泛化和成功率，关键在可规模化的后训练，类似 AlphaGo 通过自我博弈强化、ChatGPT 借助 RLHF 完成能力提升。真机数量和成本限制了这一过程，因此启元采用 HIL-UMI，让人通过穿戴式或手持相机记录操作，不直接操控机器人本体，也能生成训练轨迹。

董豪表示，单靠万级数据采集仍不够，还要提高数据效率。一条真机轨迹可借助世界模型或生成式 AI 扩展为约50条不同物体摆放和空间位置的等效样本，将真机数据价值放大50倍。人类示教、真机锚点和生成式扩增结合，才可能形成可规模化的后训练体系。访谈随后进一步转向横向 Scaling Law，以及他如何将个人一贯的多线并行风格理论化。