在具身智能领域，通过端到端的学习训练，构建一个通用机器人基础模型，正逐渐成为一种主流范式，典型代表是 PI 的 0 模型、Figure 的 Helix 模型，国内的具身智能创业公司也在纷纷发布自己的端到端VLA（语言-视觉-动作模型）模型。在这个范式下，首要的命题是，使用什么数据和训练方法来训练这个模型。可以说，数据means everything，最终机器人能做什么、是否真的能在开放的现实世界中成为人类的好帮手，很大程度上取决于模型能够获得和处理怎样的数据输入。

目前用于机器人学习主要有三类数据来源：机器人本体在实际环境中采集的真实数据、虚拟仿真模拟环境中生成的合成数据、互联网数据（例如人类作为本体进行操作行为的视频数据）。每类数据都有其优势和局限性。

真实数据：数据质量高，但难以大规模获取，且欠缺面向开放世界的多样性；

合成数据：可批量生成，但永远无法完全模拟开放的真实世界，且始终面临现实与仿真的偏差问题；

互联网数据：海量，但缺乏精确度。

学术界和产业界围绕如何构建大规模的机器人数据集、以及如何更好地利用不同数据类型用于机器人学习，开展了大量工作，也在不断获得突破。但时至今日，数据依然是具身大模型的核心瓶颈。那么，在上述围绕数据为核心的端到端训练框架以外，是否有其他方法来训练和赋予机器人操作的能力，从而一定程度上缓解机器人训练的数据瓶颈？

ReKep 代表了一种新思路：不依赖任何机器人数据集，直接利用大模型的常识知识和推理能力来指导机器人操作。

机器人的操作涉及与环境中物体的复杂交互，这些交互通常可以在空间和时间域中被表征为“约束条件”。以“向杯子里倒茶”这一任务为例：机器人必须先抓住手柄，而后进行移动，并在移动过程中保持杯子直立，直到将壶嘴与目标容器对齐，然后以正确的角度倾斜杯子来完成倒茶。

泛化能力：在“折叠衣物”任务中，测试了 ReKep在8 类不同衣物（不同类型的衣服匹配不同的折叠方法）上的策略生成成功率和执行成功率，体现了其根据物体特性生成多样化操作策略的能力。

如果具身智能大模型有这样的泛化能力，理论上就不需要每个动作都得针对性的训练。像上海的智元机器人那样，同时部署100台机器人在那里训练100个不同的场景，不断的模仿训练，不断的积累数据。

虚拟动点应该往这个方向拓展。你不拓展，很快就会有别的公司在这方面取得突破。

不过这对机器人本身零部件提出更高要求，因为动作算法是和各部位零部件的能力紧密相关的，有时算法可以实现，但零部件的物理能力受限。

所以虚拟动点必须和类似松延动力这类机器人企业紧密合作，有时算法公司提出零部件的改进要求，有时机器人公司提出算法上进行优化。只有这样双方分工协作，互相迭代，共同努力，摸索出最优算法与零部件的组合体。