镜识科技 Bolt 机器人能用哪些模型？

核心结论：Bolt 机器人并非“挑模型”，而是“全都要”——从经典控制到前沿大模型都能跑

镜识科技的 Bolt 人形机器人作为一款面向具身智能研发的全尺寸平台，其设计哲学是“模型无关”的。它不绑定某个特定模型，而是提供了一个开放的硬件和软件接口，让开发者可以自由接入从传统的运动控制算法到最新的多模态大模型。简单来说，能跑在 NVIDIA Isaac Gym、ROS 2 上的模型，基本都能在 Bolt 上部署。下面我按模型类别和实际应用场景，把能用的模型掰开揉碎讲清楚。

Bolt 机器人是什么？为什么它不挑模型？

镜识科技（官网链接）是一家专注于通用人形机器人硬件平台的公司，Bolt 是他们推出的第一款全尺寸双足机器人。它身高约 1.7 米，重约 60 公斤，核心卖点是高动态运动能力和模块化接口。Bolt 的关节采用高扭矩密度电机，搭配自研的实时控制板，底层跑的是基于模型预测控制（MPC）的稳定算法。这意味着上层模型只需要通过标准的 ROS 2 话题或 gRPC 协议发送动作指令，Bolt 就能自行完成姿态调整和力矩分配。

目前 Bolt 主要面向高校、研究所和具身智能初创公司，收费模式是整机销售，官方尚未公布具体定价（通常这类平台在 50-100 万人民币区间）。开发者可以通过官方渠道申请租赁或购买。

Bolt 能用的模型全景：一张表看明白

模型类别	典型模型/框架	适用场景	部署方式
传统运动控制	MPC（模型预测控制）、WBC（全身控制）、MIT Cheetah 系列控制器	基础行走、奔跑、跳跃、抗扰动	Bolt 底层固件直接支持，ROS 2 接口调用
强化学习（RL）	PPO、SAC、Dreamer 系列、基于 Isaac Gym 的仿真到真机迁移	复杂地形自适应、摔倒恢复、动态步态	通过 NVIDIA Isaac Gym 训练，导出 ONNX 模型部署到 Bolt 的嵌入式推理卡（如 Jetson Orin）
模仿学习	行为克隆（BC）、扩散策略（Diffusion Policy）、ACT（Action Chunking Transformer）	精细操作任务（如开门、抓取）、模仿人类示教动作	需外接 RGB-D 相机和灵巧手；模型运行在机载 PC 上，通过 EtherCAT 协议下发关节指令
视觉语言模型（VLM）	CLIP、RT-2、PaLM-E、LLaVA、InternVL	语义导航（“去厨房拿水”）、环境理解、人机交互	模型运行在机载或云端 GPU，输出自然语言指令给 Bolt 的决策层，再由低层控制器执行
多模态大模型（MLLM）	GPT-4V、Gemini Pro Vision、Qwen-VL、CogVLM	开放世界任务（如“把桌上的红色杯子放到我手里”）	通常走云端 API，Bolt 通过 5G/Wi-Fi 接收高层规划指令
世界模型	DreamerV3、DayDreamer、UniSim	预测物理交互结果、长时序任务规划	需在机载 GPU 上实时运行，Bolt 的 Jetson Orin NX 可运行轻量化版本

按应用场景拆解：哪些模型真正“好用”？

1. 如果你想让 Bolt 跑起来、跳起来——传统控制 + 强化学习模型

Bolt 出厂自带的底层固件已经集成了MPC 和 WBC，开箱就能走。但如果你想让它在碎石路、斜坡上稳定行走，或者表演一个后空翻，那就得上强化学习。目前社区里最成熟的是基于 NVIDIA Isaac Gym 的训练流程，你可以用 PPO 算法训练一个策略网络，然后直接导出为 .onnx 格式，通过 Bolt 的 Jetson Orin NX 推理卡运行。镜识科技官方提供了几个参考例程，包括 MIT 的 Cheetah 控制器移植版。

这里有个关键点：Bolt 的关节响应延迟低于 1ms，所以即使是 100Hz 以上的控制频率也能跑得稳，这让它比很多商用机器人更适合跑高动态 RL 策略。

2. 如果你想让它干活——模仿学习 + 视觉语言模型

Bolt 的上半身是模块化设计，可以加装双臂和灵巧手（如 Inspire Hand 或 Robotiq）。这时候模型就变成了“眼睛+大脑+小脑”的组合：

视觉感知：用 CLIP 或 DINOv2 做物体检测和语义分割，定位目标物体。
任务规划：用 RT-2 或 PaLM-E 这类具身 VLM，把“把螺丝刀给我”这种自然语言指令拆解成“走到工具箱前 -> 弯腰 -> 伸出右手 -> 抓取螺丝刀 -> 转身走向人”这样的动作序列。
精细操作：用 扩散策略（Diffusion Policy） 或 ACT 模型，从少量示教数据中学习抓取和放置动作。Bolt 的机载 PC（支持 4090 级别显卡）可以实时运行这些模型。

目前镜识科技与几家实验室合作，已经在 Bolt 上成功跑通了 RT-2 的轻量化版本和 ACT 模型，实现了“开冰箱门取饮料”这种复合任务。

3. 如果你想让它理解世界——多模态大模型 + 世界模型

这是目前最前沿的方向。Bolt 可以通过 GPT-4V（OpenAI 官网）或 Qwen-VL（通义千问官网）的 API，把摄像头画面实时上传到云端，获取对环境的语义理解。比如你问“我身后有什么？”，Bolt 会调用 VLM 分析图像并回答。但注意，云端 API 延迟较高（通常 1-3 秒），不适合做实时控制，更适合做慢速的高层决策。

如果你追求实时性，可以考虑机载部署 InternVL 或 LLaVA 的 7B 版本，Bolt 的 Jetson Orin NX 配合 TensorRT 优化，可以达到 10-15 FPS 的推理速度，基本满足“边走边看”的需求。

至于世界模型，DreamerV3 已经在类似人形机器人上验证过，Bolt 的算力足够跑一个简化版，用于预测“如果我把脚抬这么高，下一步会怎样摔倒”这类物理交互结果。

部署注意事项：别踩这些坑

实时性要求：Bolt 的底层控制循环是 1kHz，但上层模型如果延迟超过 10ms，就会出现明显的抖动。所以不建议把大模型直接放到控制闭环里，而是用“高层规划 + 低层执行”的分层架构。
算力分配：Bolt 标配 Jetson Orin NX（100 TOPS），但如果你跑大模型，建议加购外置 GPU 扩展坞（镜识有官方配件）。
仿真到真机迁移（Sim2Real）：Bolt 的物理参数（质量、惯量、摩擦系数）在官方文档里非常详细，你可以用 Isaac Sim 或 MuJoCo 做仿真，然后直接零样本迁移——前提是你把域随机化做好。
安全机制：Bolt 有硬件限位和电流保护，但如果模型输出异常力矩，还是可能损坏电机。建议先跑 安全滤波器（如基于 MPC 的监督层），对模型输出做合法性校验。

镜识科技 Bolt 机器人能用哪些模型？

相关 AI 产品