芝诺发布 Zeno-1：首个去中心化多机器人协作基础模型

单打独斗不够用，机器人也得学会搭伙干活

过去几年，具身智能的发展重心大多放在“单体能力”上：更灵巧的手、更强的泛化、更稳的执行。但现实中的任务，很少是为一台机器人量身定制的。哪怕是最简单的家务，比如给枕头装真空袋，也需要多个动作点、连续判断和精细配合。

于是问题来了：如果把两台甚至更多机器人放在一起，它们是能像两个靠谱同事一样默契配合，还是各自为政、互相干扰，甚至在桌前“抢杯子”？

芝诺机器人最近发布的 Zeno-1，试图回答这个问题。它是一个 3B 参数的基础模型，也是第一个专为去中心化多机器人协作设计的物理智能模型。每台机器人运行的是同一个策略的副本，仅靠自己的视觉和本体感知做决策，却能在没有人类指挥、没有统一调度的情况下，自然地拆分任务、接力操作、协同完成。

从挂裤子到封装真空袋，演示视频里两个机器人配合得相当流畅——夹取、传递、扶袋、密封、抽气，一气呵成。中间任何一环出错，整个任务都会失败。而它们做到了。

这背后不是靠预设脚本，也不是靠中央大脑分配任务，而是模型自己“长”出了协作能力。

四阶段训练：从看世界到真协作

Zeno-1 的核心挑战很直接：怎么让一个模型在不知道队友在想什么的情况下，学会跟它配合？

这事儿难在哪？首先，两台机器人的联合状态空间会爆炸式增长；其次，协作是连续实时的，0.1 秒的时序偏差积累几秒后就可能让任务崩盘；最后，真实搭档不会完美执行预设轨迹——它可能犹豫、打滑、误判，模型必须对这些不确定性保持鲁棒。

为了解决这些问题，Zeno-1 采用了四阶段递进训练。

第一阶段：先当个“旁观者”，学物理常识

模型在大规模真实世界视频上进行预训练，学习物体如何受力移动、接触时发生什么、柔性材料怎么形变、液体如何流动。这一步不涉及控制，纯粹是建立对物理世界的通用先验。

有了这些常识，模型就不需要从零开始理解“用力过猛会推翻东西”或“松手物体会掉”。这些直觉被编码进网络，成为后续决策的基础。

第二阶段：落地到自家身体，练单兵能力

光有常识不够，还得会动。第二阶段让单台机器人在真实环境中训练，把视觉-物理先验转化为具体的感知-决策-执行链路。模型学会从自己的摄像头和关节状态中提取信息，并输出连贯的全身动作序列。

经过这一阶段，Zeno-1 作为单体已经能完成灵巧操作、工具使用和移动交互。用团队的话说：“先成为一个称职的个体，才有资格谈协作。”

第三阶段：核心创新——闭环伙伴交互（CPI）

传统多机器人训练依赖大量同步演示数据，但现实中很难让两台真机反复配合生成高质量数据。Zeno-1 走了另一条路：让两台正在学习的机器人互为训练伙伴。

每台机器人根据自己的观测独立行动，它的动作会改变共享环境，进而影响对方的下一步决策。搭档的行为天然带有噪声、延迟和失误——而这恰恰是训练所需的真实扰动。

在这个闭环中，协作行为自发涌现：减速、等待、让步、维持接触、重新校准时序。模型不是在模仿人类演示，而是在通过真正的协作来学习协作。

实验显示，即使人为引入会让同步策略失效的延迟，Zeno-1 仍能保持协调。这种鲁棒性正是 CPI 训练带来的直接结果。

第四阶段：哪里跌倒，就在哪里爬起来

部署过程中，系统会自动识别协作出错的关键时刻。操作员只需围绕这些片段提供少量纠正性演示，模型就会在这些高风险区域投入更多学习资源。

有趣的是，增加 CPI 数据比添加等量的同步演示数据更能提升协作性能。这说明，真实的交互反馈比完美的示范更有价值。

两个关键子系统：让长程协作成为可能

挂裤子可能几十秒搞定，但给枕头抽真空要好几分钟。要在这么长时间里保持协调，光靠反应式策略远远不够。Zeno-1 引入了两个子系统来支撑长程任务。

持久交互记忆：别做“金鱼脑”

这个可学习的记忆模块在每个时间步更新，压缩记录三类信息：任务进展到哪一步、搭档近期的行为趋势（是否在减速或调整策略）、共享物体的状态如何演变（比如袋子是否已封口、枕头是否完全入袋）。

消融实验证明，移除该模块后，模型在超过 3 分钟的任务上表现大幅退化。没有记忆的机器人就像金鱼，每一步都从零开始判断局势，无法利用已积累的上下文。

预测式内省：动手前先“想一想”

Zeno-1 在执行动作前会做两层预测。

第一层是对搭档的影响。一个动作局部看可能最优，但如果会让搭档陷入被动，整体就是次优的。测试数据显示，Zeno-1 在 87% 的协作决策点上选择了对搭档更友好的动作；移除该机制后，这一比例降到 61%。

第二层是物理接触的稳定性。模型内置了一个行动条件世界模型，能预测执行某个动作后物体状态会如何变化。在 200 次真实实验中，它能在接触发生前 0.5 秒预判抓取失败，AUC 达到 0.94，远高于仅依赖当前观测的 0.81。

简单说，它既能“为搭档着想”，又能“预判物理风险”，从而主动避免协作失误。

为什么坚持去中心化？

有人可能会问：既然协作这么难，为什么不干脆用中央控制器统一分工？芝诺选择去中心化，主要出于两个实际考量。

一是扩展性。中心化系统的联合动作空间随机器人数量指数级膨胀。假设每台机器人的动作维度是 d，N 台就是 d^N。而 Zeno-1 的架构下，新增一台机器人只需加载同一策略副本，计算量线性增长，无需重新设计控制器。

二是鲁棒性。中心化系统存在单点故障风险。一旦中央调度器延迟或宕机，整个团队瘫痪。而去中心化系统中，每台机器人独立运行，单点故障不会扩散。

这意味着用户可以按需逐台增加机器人，灵活应对产能变化，而不必一次性部署整套系统。

更重要的是，Zeno-1 把共享的物理世界本身当作协调接口。机器人通过观察环境和其他机器人的行为来判断任务状态，协调在真实交互中自然产生，而非依赖显式通信或预设协议。

协作智能，正在成为新共识

Zeno-1 并非孤例。学术界和产业界都在向这个方向靠拢。

今年 6 月，斯坦福 Chelsea Finn 和 Jeannette Bohg 团队提出了 CHORUS 方法，同样基于单一 VLA 策略实现去中心化多机器人协作。产业端，Figure 的 Helix 02 和 Google DeepMind 的 Gemini Robotics 2 也都明确将 multi-robot collaboration 列为核心能力。

一个趋势越来越清晰：机器人基础模型正从单体能力迈向协作智能。

单台机器人再强，能力终究有限。只有当它们真正学会观察彼此、理解彼此，并像人类同事一样共同工作，“1+1＞2”才不是口号。而 Zeno-1 至少证明了一件事：这种协作能力，可以在一个去中心化的单一策略中实现。

未来或许不是由一台超级机器人主导，而是由一群能自主协作的普通机器人共同构建。