60分靠数据，100分靠自进化：清华曹婷和「域变换」攻向机器人可部署
详细介绍
具身智能讨论的核心问题正在改变：从谁有更多数据能做出更强基础模型，转向谁能把机器人真正部署到现场，并让它持续做成任务。
在硅谷，这种变化已经成为一批研究者和投资人的共同感受。
一段在小红书播放数万次的机器人自进化视频：不更新模型权重，机器人凭与物理世界的连续交互，学会下一次做得更好。
大模型的成功建立在一个极具吸引力的逻辑上：更多数据、更大参数量与更多算力，可以带来能力的持续涌现。于是，早期具身智能也开始复制这条路径：采集更多操作数据，训练更大的VLA和WAM模型，再通过微调适配不同任务。
域变换具身自进化系统：Zeva与Zetta实现在线和离线模型及Harness学习闭环，Z-Infra以端云协同支撑全周期进化
理解域变换为什么会选择这条路线，需要回到曹婷过去十多年的研究轨迹。
刘云新和曹婷在清华AIR科研小组合照
域变换自进化闭环的内核是Zeva：不更新参数，也能从机器人的每一次交互中学习真实物理条件，并把学到的用于后续动作。
从放置称量纸的误操作中提取因果关系，完成上下文内学习，提升任务精度。
Zeva让模型能够从交互中学习，但会学习还不等于能把任务稳定做完。真实任务是一条长链路：机器人要理解目标、拆解步骤、执行动作、观察结果，并在偏差出现时立即恢复。如果杯子第一步就没抓稳，后续「把杯子放进水槽」的计划再正确也没有意义。
但用户并不关心机器人背后究竟用了VLA、WAM还是ICCL，也不会为某个更先进的技术名词买单。用户只关心结果：任务能否稳定完成，人工接管能否减少，部署成本能否下降，产出能否持续提高。用户最终愿意付费的，是真正的生产力。
这套架构也解释了为什么域变换强调端云结合的能力。机器人与物理世界的交互对延迟极为敏感，关键决策不可能永远等待云端返回。自进化若要成为默认能力，就必须在有限算力、功耗和存储条件下高效运行。
对投资人而言，技术方向成立只是第一步。更关键的问题是：为什么是这支团队？如果自进化成为行业共识，壁垒又在哪里？
过去两年，具身智能完成了最重要的基础建设：VLA、世界模型与大规模机器人数据，让机器从「不会做」走向「基本会做」。正如Karol Hausman所判断的，数据稀缺正在缓解，模型和硬件也在到来。行业的核心问题因而发生了变化：下一阶段不再只是把预训练做得更大，而是把60分的基础能力变成可以长期工作的生产力。
无锡复兴产业园部署搭载域变换z0智能体的导览机器人、送餐小车和巡检机器狗
Zeva项目主页：https://air-embodied-brain.github.io/Zeva/
Zetta项目主页：https://air-embodied-brain.github.io/zetta/
曹婷个人主页：https://tingcao952.github.io/ Z-Trans
小红书链接： https://xhslink.cn/o/AKAgcCTCLqV
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务，如比较价格、添加购物车、回复各种社交媒体等。
项目地址：https://github.com/browser-use/browser-use
【开源免费】字节工作流产品扣子两大核心业务：Coze Studio（扣子开发平台）和 Coze Loop（扣子罗盘）全面开源，而且采用的是 Apache 2.0 许可证，支持商用！
项目地址：https://github.com/coze-dev/coze-studio
项目地址：https://github.com/n8n-io/n8n
在线使用：https://n8n.io/（付费）
项目地址：https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
项目地址：https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用：https://vectorvein.ai/（付费）
【开源免费】DeepBI是一款AI原生的数据分析平台。DeepBI充分利用大语言模型的能力来探索、查询、可视化和共享来自任何数据源的数据。用户可以使用DeepBI洞察数据并做出数据驱动的决策。
项目地址：https://github.com/DeepInsight-AI/DeepBI?tab=readme-ov-file