Toyota Research Institute 發表新一代大型行為模型，單一網路跨足十餘種家用與工廠任務
2026-02-17
事件摘要
Toyota Research Institute（TRI）於 2 月 17 日發表新一代大型行為模型（Large Behavior Model, LBM），延續其自 2024 年起推動的「教機器人做家事」研究路線。公司表示新模型在同一組參數下，已能執行摺衣服、裝載洗碗機、組裝小型零件等十餘種家用與工廠任務，且訓練資料效率較前一代模型提升約三倍——過去每新增一項任務往往需要數百次人類遠端操作示範，新模型在部分任務上僅需數十次示範即可達到可用的成功率。TRI 同時釋出部分模型權重與示範資料集供學界研究使用，並表示已與至少一家未具名的汽車零件供應商展開產線試點合作。
技術意義解讀
「訓練資料效率」是評估模仿學習（Imitation Learning）路線是否具備商業化潛力的關鍵指標——如果每新增一項任務都需要數百次人工示範才能達到堪用的成功率，機器人技能擴充的邊際成本會高到難以規模化部署；TRI 強調的三倍效率提升，本質上是在解決這個規模化瓶頸，這也跟本站報導過 Physical Intelligence、Generalist 等新創在跨具身（cross-embodiment）方向的努力方向一致，都是想辦法讓單一基礎模型能用更少的新任務資料快速遷移。
TRI 作為汽車製造商內部的研究機構,同時瞄準家用與工廠兩種場景，也反映出大型行為模型路線的一個潛在優勢：家用場景（摺衣服、擺放物品）與工廠場景（零件組裝、分揀）雖然表面差異很大，但底層都涉及對可變形或不規則物體的精細操作，共用同一套基礎模型架構、只在下游任務微調，理論上能讓研發資源在兩個應用領域之間互相攤提，這跟本站報導過的多數人形機器人新創聚焦單一垂直場景（工廠或家用二選一）的做法形成對照。