9月16日，乐享科技在上海进行了一场全球首次户外机器人全自主直播，线上观看人次超550万。现场两台搭载以太大模型（Aether）的机器人——负责点单传菜的“二爷”与负责烧烤的“五弟”，在无预设脚本、无遥操作兜底的真实街头环境中，自主连续完成了近一小时的烧烤服务。面对顾客临时加单、插话等突发状况，机器人不仅能灵活应对，还能保持原有任务进度，为观察具身大模型在开放环境中的表现提供了绝佳窗口。
无脚本直播考验：机器人展现自主决策与任务记忆能力
图｜乐享科技机器人在户外烧烤现场操作（来源：乐享科技）
直播中，“二爷”接到顾客“少放辣”或“拿瓶水”等临时需求后，能自主通过手势将信息传递给“五弟”。这种双机协作并未预设交互触发条件，全凭现场情况自主完成。更关键的是，机器人在处理临时插入任务时，能准确分辨并保留此前的任务记忆，待新需求处理完毕后继续未完成的工作，而非清空进度。这证明了其已摆脱对预设程序的依赖，具备在复杂变化中维持任务推进的能力。
技术路径解析：从VLA到“能量驱动”的以太大模型
处理环境变化要求机器人能基于实时环境自主理解与决策。目前主流的视觉—语言—动作模型（VLA，如OpenVLA）通过将场景和指令映射为动作来实现，但受限于训练数据的覆盖范围；世界动作模型（WAM，如Dreamer）虽注重“想后做”的环境预测，但精确建模复杂物理环境的计算与数据成本极高。面对现实世界无法穷举的变化，两者均面临瓶颈。
图｜OpenVLA 工作原理示意图（来源：OpenVLA）
对此，乐享科技提出了“能量驱动”路径。其以太大模型将目标完成度、物理后果、记忆一致性等纳入统一的能量函数，模型沿能量梯度持续推理与动作生成。通俗而言，系统通过统一的能量评价机制，寻找既接近目标又满足执行条件的最优方案，让信息获取、任务判断与动作生成围绕共同目标高效协同。
图｜能量模型的计算图（来源：Alfredo Canziani）
仿生架构与自我迭代：构建跨本体协作与持续进化能力
为支撑能量驱动模型，以太大模型采用了“仿生架构”，参照人脑功能进行模块化分工：从“上丘”的主动信息获取、“角回”的多模态感知，到“内嗅皮层”的情景记忆编码与“顶上小叶”的物理约束模型，再到“前额叶”推理、“运动皮层”轨迹规划及“小脑”执行。这种分层设计确保不同程度的反馈能到达相应模块并触发有效调整。
图｜Aether 仿生架构（来源：以太大模型 Aether 官网）
基于此架构，机器人展现出强大的“跨本体”协作能力。在演示中，一矮一高两台不同品牌机器人协作放置围巾，矮机器人尝试垫高未果后，高机器人顺利接手。同一套模型能理解共同任务，并根据不同机器人的身体条件（身高、臂长等）自主选择可行路径。此外，系统具备“自我迭代”能力，机器人会将执行结果与预测比对，把可靠的规律写入长期记忆，相当于给自己建“错题本”，从而实现能力的持续进化。
图｜两个机器人相互配合（来源：乐享科技）
迈向通用具身智能：在真实世界中定义能力边界
近一小时的户外烧烤直播，虽不足以完全验证长期稳定性，但清晰展示了机器人在连续服务中自主判断、持续行动与进化的潜力。对具身智能而言，真正的能力边界必须在真实世界中被定义。机器人走向通用，核心在于形成持续理解、判断和自我调整的能力，而以太大模型正沿此方向，探索具身智能的下一阶段。