在2026年机器人科学与系统大会（RSS）最后一天的研讨会上，一场关于具身智能未来走向的圆桌讨论引发了激烈交锋。五位来自顶尖机构的研究者围绕“世界模型如何落地”这一核心议题，展开了针锋相对的辩论。辩论的核心分歧在于：机器人究竟应该依赖特定硬件采集的“具身数据”，还是拥抱互联网与人类行为数据？这场讨论不仅反映了当前机器人领域的技术路线之争，更揭示了从实验室走向实际应用的关键瓶颈。
辩论的第一轮聚焦于世界模型与策略模型是否应该合并。来自Physical Intelligence的Laura Smith和英伟达的Max Li支持“大一统”合体派，认为将世界理解与行动能力整合进一个超级模型是未来趋势。Laura指出，混合专家模型（MoE）已能将数百个专家模块塞入单一网络，世界模型与策略模型为何不能合并？Max则务实补充，当前视频模型虽能“想象”世界，但机器人的实际动作数据严重不足，需要通过表征学习将想象力转化为执行力。然而，来自源策未来的陈立（Lee）和谷歌的Sherry Yang等“分开派”学者强烈反对。陈立从工程效率出发，强调机器人必须实时响应，若将庞大的世界模型强行合并，会拖慢策略模型的运算速度，导致动作卡顿，实际落地无法使用。Sherry进一步指出，目前多数模型仍处于欠拟合阶段，分开调试和特殊化处理才是提升效率的关键。
第二轮辩论转向数据来源这一更具争议的话题。主持人提出：机器人学习应依赖特定硬件采集的具身数据，还是拥抱互联网与人类行为数据？Georgia Tech的徐丹飞认为，具身数据虽然精准，但采集成本高、规模有限；而互联网数据虽海量，却与机器人物理世界存在鸿沟。他主张通过组合世界模型，将互联网数据中的常识与具身数据中的物理约束相结合。来自OpenDriveLab的Li Chen则强调，控制方式的选择同样关键——是直接输出动作指令，还是通过像素级视觉反馈间接控制？这决定了机器人能否在复杂环境中灵活适应。辩论中，专家们一致认为，数据来源的多样性是优势，但如何有效融合仍是难题。这场交锋最终没有达成共识，却为具身智能的未来发展指明了关键方向：数据、模型与控制的协同创新，将是机器人从实验室走向千家万户的必经之路。
