亮源新创一个月三连发：把大模型后训练那套流程，原样搬进机器人全身
跑酷、导航、抗摔三件看似不相关的事，拼起来是一条完整的路线：中期训练、SFT、在线 RL 的后训练三段式，加上把偏好对齐做进全身控制——创始人姜旭来自 OpenAI RLHF 团队，这套打法是他履历的具身复刻。
- 三连发：过去一个多月，亮源新创接连发布 LightParkour（跑酷技能扩展）、LightNav-0（通用导航，9 月 1 日开源）、Light REACT（抗扰韧性控制）三项技术，分别对应技能、导航、全身控制三个方向。
- 数据引擎：LightNav-0 基于 Real2Sim2Real，把 2000+ 个互联网来源的真实场景转成可反复使用的仿真环境，合成 4000+ 小时视觉-语言-动作经验用于导航后训练——不走遥操作采集。
- 零样本跨本体：同一套模型权重，零样本部署到人形、四足、轮式、飞行四类机器人本体；基座是 Qwen3-VL-4B-Instruct，只扩展词表、不加导航专用头。
- 反直觉细节：仅用单目 RGB、不依赖深度与里程计，在动态跟踪基准上反超使用全景与多相机的系统；在 10 项公开仿真评测中取得领先（团队口径）。
- 判断：这不是三篇孤立的论文，是大模型「预训练—后训练—对齐」范式的具身复刻——Light REACT 干脆把「能站着走就别爬」的人类偏好做进了强化学习目标。
「会做」和「稳定做成」，是两回事
量子位这篇报道开头点出了一个正在行业里扩散的共识：机器人「会做」一件事，和它能在开放环境里长期、稳定、泛化地把事情做成，是两回事。能跨过固定高度的障碍，不代表换一种障碍还行；能在一个房间导航，不代表换一个场景、换一种本体仍然有效；正常状态能稳定行走，不代表被撞了一下、摔了一跤、关节损伤之后还能继续工作。
所以行业的评价标准正在从「会多少技能」转向「能力能不能持续规模化扩展」——这里的 Scaling 不只是参数量，也不只是数据量，而是更多环境、更多任务、更多本体，以及进入物理世界后对没见过的状态的适应。
跑酷、认路、摔了再站起来
三项技术各自解决一个问题：
从简短的人类动作片段出发，通过物理仿真与课程学习扩展出复杂接触技能——人类示范只需要几秒钟，剩下靠仿真里练。
通用导航。以开源视觉语言模型为基座，不添加任何导航专用模块，同一套权重零样本部署到人形、四足、轮式乃至飞行机器人上，听自然语言指令自己找路。
面向外力扰动、跌倒、硬件损伤条件的全身韧性控制，研究机器人如何依据自身交互历史调整运动方式。
看起来是三个不相关的方向，但报道点破了它们的公共结构：三项技术都在回答同一个问题——Physical AI 如何从单点能力走向可以规模化训练、规模化对齐、规模化部署的基础模型体系。
传感器降级反超，和按遗忘曲线分配的注意力
第一个细节是传感器降级、成绩反超。LightNav-0 只用单目 RGB，不依赖深度相机和里程计——在动态跟踪基准上的成绩超过了使用全景与多相机的系统。这类「配置降级、指标反超」的反直觉结果，往往比单纯的 SOTA 更能说明方法本身的含金量：它赢的不是传感器堆料，是训练范式。
第二个细节是记忆设计。为了让模型「记住来路」又不被历史观测撑爆，团队按人类记忆的遗忘曲线分配注意力：越久远的画面保留得越粗略，眼前的画面保留最高精度。工程上，数据没有走遥操作采集，而是把 2000 余个真实场景转成仿真资产、在仿真里合成 4000 余小时训练数据——真实世界负责定义数据分布的边界，仿真负责在边界内规模化，具身后训练由此跨过了最贵的冷启动门槛。
训练流程的复刻则更直白：LightNav-0 的后训练严格按「中期训练—SFT—在线 RL」三阶段展开，几乎是大模型后训练流程的具身翻版；Light REACT 更进一步，先通过监督学习整合起身、行走和爬行技能，再用强化学习对齐「能站着走，就别爬」的人类偏好——把偏好对齐做进了机器人全身控制。
仿真评测领先，不等于真机领先
需要泼的冷水：所有亮眼指标都来自仿真评测（10 项公开仿真基准）。导航任务从仿真到真机的落差集中在动态障碍、光照变化和长时程记忆上，而这些恰恰是仿真环境最难保真的部分。4000 小时合成数据的分布边界由那 2000 个真实场景定义——真实世界里没被这 2000 个场景覆盖的东西，模型依然要靠在线学习兜底。