苹果发布AMP1：通用大模型驱动机器人实现“零样本”操控
桌面上放着一只芥末瓶，机械臂伸手却无法直接抓取。按照传统逻辑，任务往往以失败告终或需人工干预。但在此次测试中，机械臂并未停止，而是主动寻找工具——它用木勺将瓶子拨倒，调整角度后成功抓起瓶盖并放入碗中。
这一场景记录于苹果11月6日发布的机器人操控论文《Agentic Manipulation Policies 1》（简称AMP1）。全程没有任何预设提示词或专用子程序，仅由一个通用大模型通过实时观察、编写Python代码、计算轨迹并执行复查来完成。
类似的高阶能力还包括：当目标物体被遮挡时，主动移除障碍物；面对过宽的石榴，利用重物固定并从底部兜起；在执行出现偏差时，自行诊断相机标定误差并修正参数；甚至能完成下棋后归位棋子等复杂长程任务。
AMP1代表了一种不同于当前主流的技术路线。现有的视觉-语言-动作模型（VLA）和世界动作模型（WAM）主要依赖数据驱动，即通过大量示教录像训练专用策略。而AMP1让通用大模型每次从零开始，不依赖任何预设技能或专项训练数据，实时生成控制代码。
在RoboLab-120仿真基准的120个任务中，Gemini 4 Argon搭配AMP1框架的成功率达85.6%，Claude Opus 5.5配套时为82.8%，远超当时排行榜最强的VLA（49.2%）和WAM（42.9%）。
在Franka机械臂的真机测试中（12个任务共108次试验），开启错误恢复功能的AMP1成功率高达96.3%，而未开启时也有87.0%。相比之下，对比组FLUX 3 Action和π0.5的成功率仅为45.4%和27.8%。
大模型坐进驾驶舱：观察、推理、执行、复查
AMP1的核心架构可概括为四个步骤：观察、推理、执行、复查。每一轮循环中，模型从三个摄像头读取图像、深度信息及相机标定参数，编写Python代码计算末端执行器轨迹，预览确认可行后下发指令，并在动作结束后再次拍照以决定下一步行动。
统计分析显示，AMP1在仿真任务中自发形成了多种基本动作模式：约61%的任务会先进行点云对齐抓握轴，66%的任务会预先测量容器尺寸，40%的任务能在计划被拒后自行修复，39%的任务会在失败后先诊断原因再重规划。
不同基础模型的表现差异显著。Opus 5.5在仿真基准中的成功率为82.8%，Haiku 5.5为51.6%，而较旧的Opus 4.5仅为35.2%。
感知信息的完整性对结果影响巨大。对于强模型Opus 5.5，去除深度信息后成功率仅微降至81.1%，但推理调用次数从34.8次增至46.3次，表明其通过增加计算量弥补了感知缺失。然而，弱模型Haiku 5.5在去除深度和标定信息后，成功率从51.6%暴跌至10.7%，即使增加推理量也无济于事。
此外，将图像输入替换为文字描述会导致Opus 5.5成功率减半，证明视觉中包含的几何对齐细节难以通过语言准确传达。
引入跨回合持久记忆后，AMP1在双臂操控基准RoboDojo上的零样本成功率从26.4%跃升至84.1%，超越当时榜首的68.9%。连续学习实验也表明，早期任务积累的经验能有效迁移至后续未见过的任务，整体成功率提升至57.6%。
这一思路与VIA（Visual Interface Agent）及CaP-X（Code-as-Policy）等项目一脉相承，旨在绕过传统机器人对大量动作数据的依赖，让AI Agent直接通过代码操纵现实世界中的机器人。
图源：VIA: Visual Interface Agent for Robot Control
速度瓶颈与行业变革
目前AMP1面临的主要挑战是速度。真机测试中，完成一次成功任务平均耗时280秒，其中推理时间约占211秒，远高于对比组的44-62秒。由于机械臂大部分时间在等待模型推理，且目前无法在轨迹执行中途重新决策，该方案暂不适用于时间敏感或动态场景。
论文提出了多种加速路径，包括代码复用、本地快速反馈控制器、并行规划以及利用AMP产生的数据蒸馏更小的本地模型。随着推理成本的逐年降低，速度劣势有望逐渐消解。
AMP1的出现可能改变机器人行业的竞争格局。苹果同期提交的人形机器人论文HALO显示，其部署在宇树G1上，调用千问系列模型而非自研模型，在无预先扫描的房间内测试成功率超90%。这表明科技巨头正将重心从硬件设计转向软件能力整合，且不必然依赖自有模型。
图源：Perceptive Humanoid Motion from Simulation
对于硬件厂商而言，通用大模型的普及降低了软件研发门槛，扩大了潜在客户群。但这也意味着，若大家使用相近的通用模型，机器人的差异化竞争将回归机械设计、执行器性能、传感器精度、可靠性及成本控制。
未来的机器人硬件企业，不仅要宣称拥有强大的AI能力，更需确保其硬件能够安全、稳定、低成本地兼容各类主流通用模型。对于缺乏工程优势和部署渠道、仅能组装标准化机械臂的企业来说，这将是一次严峻的挑战。