机器人电报8月25日讯，在2026年世界机器人大会（WRC）开发者日上，Arm物理AI机器人技术研究全球负责人Federico Pecora发表了主题演讲，阐述了他对物理AI发展路径的行业见解，即从当前的“能力堆叠”模式转向“系统级自适应”模式。
Federico Pecora指出，尽管机器人近年来在感知、认知和运动控制方面进步显著，应用范围也在不断拓宽，但要脱离预设环境、应对真实世界中密集人流和随机变量的挑战，仅靠单项技能的突破是不够的。他认为，真正的难点在于使机器人能在未知场景中，自主地、动态地组合多项能力，形成一套稳定、可靠且可自适应调整的完整智能系统。对于物理AI，模型能力是基础，而能力编排、实时调度、状态管理和行为约束等机制，是机器人进入开放真实场景的关键。
机器人的泛化能力被认为是实现规模化落地的核心，如何通过高效计算来支持这一能力，是Arm聚焦的重点。Federico Pecora在与媒体交流时表示，机器人规模化落地既依赖AI模型的持续进步，也需要底层硬件与系统架构的协同演进。Arm的计算平台已提供高能效计算、实时响应、安全隔离等对机器人至关重要的能力，其在汽车领域积累的经验也适用于各类物理AI场景。
然而，机器人应用面临着独特挑战，例如需处理多样化的物体并执行各类任务。因此，计算架构必须能应对更高的自由度，支持更多并行运行的感知与规划模型，同时满足更复杂、计算开销更大的控制需求。在他看来，未来计算平台的另一个关键课题，是支持不同机器人之间能力的复用与组合，行业需要一个统一、开放且可扩展的计算基础，以适应不同的机器人形态、算力配置和应用场景。