RSS 2026 實錄：當 AGI 撞上「物理之牆」，想象力成為具身智能的第一生產力

2026 年 7 月，澳洲雪梨迎來了一年一度的 RSS（機器人科學與系統）大會。會場內外，一股既激昂又糾結的氣氛在與會者之間蔓延，彷彿同時置身於火焰與海水之間——火焰來自大型生成式 AI 模型在雲端持續狂飆的發展態勢，海水則來自具身智能在真實世界中落地時遭遇的「物理陣痛」。當 AGI 開始撞上現實環境的種種限制，如何讓機器人真正理解並適應物理世界，成了今年大會最核心的命題。走進「機器人世界模型」專題現場，可以感受到一種思維轉折正在發生。過往幾年，機器人學習高度依賴大量真實場景數據與繁複的人工標註，數據的蒐集成本、標註精度與場景多樣性始終是制約進展的瓶頸。

然而，會上專家見證了一股新思潮的崛起：想象力正在終結具身智能長久以來的「數據暴政」。過去，機器人只能不斷透過實際操作來累積經驗，如今研究人員開始轉向讓機器人擁有類似人類的「想像力」。所謂的「想像力」，在技術層面體現為合成數據與世界模型的結合。研究團隊嘗試讓機器人在虛擬環境中推演行動後果，利用生成式模型模擬多種可能性，從而跳脫對物理樣本的絕對依賴。這種方法不僅大幅降低了對真實世界數據的渴求，也讓機器人能預先探索那些在現實中難以重複或高風險的場景，例如複雜的動態障礙、極端天氣下的移動行為，或是人機協作中的意外狀況。與會專家指出，這是一場從「像素導演」到「具身大腦」的範式轉移。

過去，機器人往往被視為被動的數據接收者，工程師像導演一樣精心設計每一個動作序列與感知任務；而現在，具身智能的目標是賦予機器人自主規劃與想像的能力，讓它自己在腦中「排練」各種可能的路徑與結果。這種轉變預示著具身智能或許不再卡在數據與物理的瓶頸上，而是靠想像力驅動進化。值得注意的是，這股思潮並非憑空出現。過去一年，多模態大模型在語言、視覺與推理能力上的突破，為世界模型的構建提供了新的基礎。例如，將視覺語言模型與擴散模型結合，可以在不依賴真實影像的情況下，生成極具多樣性的機器人訓練場景。

同時，強化學習與世界模型的交互方式也被重新審視，越來越多的實驗顯示，機器人可以在虛擬環境中進行數百萬次嘗試，然後將學到的策略遷移到真實環境，且幾乎不需要再次調整。RSS 大會現場，多位學者分享了他們在合成數據與世界模型方面的最新成果。有團隊展示了一套基於生成式模型的機器人操作框架，機器人僅需見過幾次真實物體，便能透過想像生成數百種抓取姿態的模擬結果，並在實際測試中達到接近九成的成功率。還有研究聚焦於動態環境下的導航，機器人透過持續建構自身所處環境的預測模型，即使面對未曾見過的障礙物，也能快速產生替代路徑，表現出類似人類的應變能力。

這些進展讓與會者感到振奮，但也引發了新的討論：想像力本身是否會帶來新的風險？如果機器人依賴合成數據與世界模型進行推演，那麼模型中的偏差或錯誤很可能被放大，導致機器人在真實世界中做出不可預期的行為。因此，如何在想像力與物理現實之間建立有效的校驗機制，成為後續發展的關鍵。在會場的走廊與討論區，許多參與者都提到一個共同的感受：過去幾年，具身智能似乎總是在「數據荒」與「物理壁壘」之間來回擺盪，而今年的大會彷彿讓人看到一道裂縫——想象力或許就是那道裂縫中透進的光。當 AGI 開始撞上物理之牆，與其強行堆疊更多真實數據，不如從根本上改變學習的範式，讓機器人學會在腦中先「想」再做。

當然，這場範式轉移才剛剛開始。目前世界模型的推理能力仍有限，合成數據與真實環境之間的差距也需要更精細的對齊方法。不過，RSS 2026 的氛圍已經清楚傳達一個信號：具身智能的下一步，不再是單純追求更大的模型或更多的數據，而是追求更強的想像力。當機器人能夠像人類一樣，在行動之前先在腦中模擬後果，那麼真正的通用機器人或許就不遠了。從雪梨的海港到大會展廳，從學術報告到技術展示，2026 年的 RSS 大會讓人看到了具身智能告別「數據暴政」的曙光。想像力，正在成為驅動這場變革的第一生產力。而物理之牆，或許終將被想像的翅膀越過。