2026年2月，具身智能領域迎來了一位重要人物的動向——許華哲宣布離開他參與創立的星海圖，轉而開啟新的創業征程，成立破殼機器人公司，目標是將具身智能技術帶入千家萬戶，切入C端市場。
許華哲在學術界和產業界均有著深厚的背景。他曾在伯克利取得博士學位，并在斯坦福進行博士后研究。此前，他是星海圖的首席科學家兼聯合創始人，同時也是清華大學交叉信息研究院的助理教授和具身智能實驗室負責人。他提出的3D Diffusion Policy（DP3）架構，已成為業內廣泛采用的3D視覺模仿學習框架之一。
當被問及為何選擇在2026年這個時間點進入家庭機器人市場時，許華哲表示，這主要是基于對AI技術能力的判斷。他認為，當前大模型和AI技術已經取得了顯著進步，與五年前、十年前甚至三年前相比，已經不可同日而語。整個行業對機器人能否執行通用任務的預期已經被重新校準，現在正是進入家庭機器人市場的合適時機。
在產品規劃上，許華哲提出了一個獨特的策略：破殼機器人將首先專注于做好10件具體的事情，如物體傳遞、收納和一定程度的清潔等，而不是追求完全泛化的能力。他解釋說，這10件事雖然看似簡單，但實際上需要高度的泛化能力。例如，收納就包括收襪子、收衣服、收玩具等多種場景，每個家庭的情況都不盡相同。因此，破殼機器人需要訓練一個能夠處理各種收納場景的通用模型。
許華哲強調，這并不意味著破殼機器人放棄了追求通用物理AGI的目標。相反，他認為這是一個技術上可行、又能真正交付給用戶、同時不會造成安全隱患的平衡點。他舉例說，即使技術上能夠實現機器人給老人或兒童喂飯，但由于這一行為的風險太高，因此不會在產品初期就納入功能范圍。
在模型訓練方面，許華哲透露，破殼機器人將訓練一個從頭到尾的模型，而不是基于現有模型進行后訓練。他表示，這個模型需要具備足夠大的容量以容納現有的具身數據，同時要有預測能力以理解世界的演化規律。模型還需要支持短時間的后訓練以快速獲得新任務的能力。
對于家庭環境中的長程任務，如掛衣服等，許華哲表示，破殼機器人將采用端到端的訓練方法。他認為，分層的路線雖然被廣泛嘗試，但存在諸多問題。而端到端的訓練方法則更符合模型發展的方向，具有更長期的生命力。
在談到強化學習在具身智能領域的應用時，許華哲表示，破殼機器人正在將強化學習規?；缴锨_機器人上。他認為，規?；瘡娀瘜W習是提高采樣能力、實現多任務學習的關鍵。同時，他也提到了在線學習的重要性，即模型在訓練過程中需要不斷適應新任務，同時保持對舊任務的性能。他表示，這是解決災難性遺忘問題的關鍵。
在回答關于第一代產品交付時10件事的目標成功率時，許華哲表示，并沒有一個具體的數字標準。他認為，與人類相近的成功率對機器人來說是必要的，這樣用戶才會覺得購買機器人是一件劃算的事情。同時，他也提到了機器人在遇到無法解決的問題時的設計策略，包括柔順控制、觸覺感知和任務理解能力等。
從科學家到創業者的轉變，許華哲表示，這一變化帶來了更多的挑戰和機遇。他提到，現在需要處理的事情更加多樣和復雜，但這也促使他更快地成長。他認為，處理事情的復雜度在一定程度上決定了一個人的能力邊界，因此他非常享受這種充滿挑戰的工作狀態。
在談及同時兼顧教職和創業的精力分配問題時，許華哲表示，他的精力將100%投入到物理AGI的研究和實踐中。他認為，無論是在清華大學還是在破殼機器人公司，最終的目標都是推動物理AGI的發展。
在回顧從科學家到創業公司一號位的轉變過程中遇到的困難時，許華哲提到了找辦公室、決策維度變化和招人等挑戰。他認為，這些具體的、不可加速的事情需要投入大量的時間和精力去處理。同時，他也提到了在招人過程中需要快速學習和評估不同領域人才的能力。
