# 让机器人自己写仿真和自己改代码：王兴兴的 Rehearsal，把工程师从循环里挪到了哪里
> 宇树在自家的 AI 大会上抛出一个叫 Rehearsal 的项目：让机器人自己写仿真、自己迭代，工程师只做反馈与评估。这不是又一次跑分，而是把研发循环里最贵的一段人工换成了算力。
### TLDR
- **项目定位**：宇树在研一个名为 **Unitree Rehearsal** 的 AI 系统，目标是形成**「自进化」反馈回路**——由机器人自己写代码、自己写仿真，减少人类工程师的介入。
- **人的位置**：创始人王兴兴明确，人类**仍然提供反馈并评估表现**，目标是尽可能把升级过程自动化，而不是把人完全移出循环。
- **动因原话**：他在公司主办的 AI 大会上表示，「过去每个机器人工程师都必须手写代码并手动调试，效率相对较低」（转述自英文报道，单处引用）。
- **时间点承诺**：他称该方法会加速真实世界控制算法的开发，宇树机器人**最早明年**可能就能打扫房间。
- **同一窗口的另外两条**：特斯拉提出建 **Optimus Academy**，用 **1 万至 2 万台**机器人演练任务并把结果喂给下一代模型；Figure 则靠 Index App 累计约 **3750 万条**人类视频。
- **判断**：三家在解决同一道题——数据从哪来。宇树选的是「让机器造数据」，代价是代码与仿真逐步变成人不读的中间产物。
### SRC
素材时间窗为 **2026-10-24 18:00 → 2026-10-25 09:00（北京时间）**。主干信源为 AI News Feed 于 **2026-10-24 21:22** 发布的英文汇总稿，其中宇树部分为 **TechRadar 引《南华早报》的二手转述**；本号未能取得宇树官网公告、大会原始视频或王兴兴发言全文予以交叉确认，故项目名称 Rehearsal、自进化表述、引语内容与「最早明年打扫房间」的时间承诺**均属单一信源**。文中引用的原话为英文报道的中文回译，非发言原文。此外，Reddit 网友「Matrix 开端」的评论仅作为公众反应的现象记录，不构成任何判断依据。文中所有延伸分析均以「判断：」标注，与转述内容分开。
### BODY
Rehearsal 要替换掉的那一段人工
宇树在研的这套 AI 系统，目标被描述为让公司的人形机器人「在人类工程师更少介入的情况下自我改进」。项目的名字叫 Unitree Rehearsal，意图是建立一个自进化反馈回路：机器人自己写代码、自己写仿真。
王兴兴在宇树自己主办的 AI 大会上给出的理由是效率问题。英文报道转述他的原话大意是：过去每个机器人工程师都必须手写代码并手动调试，效率相对较低；随着 AI 模型进步，他期望模型承担更多规划与迭代工作，减少人工介入的需要。
这句话要读准：它要替换的是「写与调」这一段，不是「判断好坏」这一段。报道同时写明，人类仍会提供反馈并评估表现，目标是尽可能自动化升级过程，而不是把人移出循环。
留在循环里的人工：定义任务、设定评价标准、判断一次迭代算不算变好、决定何时停下。
交给模型的人工：写控制与算法代码、搭建仿真场景、跑批量试验、根据结果改写下一版。
「机器人自己写代码」在工程上其实是三件事
把「自进化」拆开，它不是一个动作，而是三个环节串成的闭环，每一环的工程难度都不同。
第一环最成熟，参数化生成场景、随机化地形与光照，行业里已是常规做法。第二环的门槛在于：模型写出来的是能编译的代码，不是能在真机上稳定跑的代码——关节限位、力矩饱和、通信延迟这些约束，仿真里常常不显形。第三环最难，因为「什么叫变好了」这件事如果由模型自己定义，就退化成了自己给自己出题。
判断：自进化系统的成败不在生成能力，在评价权。只要评价标准仍然由人给出且清晰可测（比如某任务连续 100 次的成功率、平均完成时间、失败恢复耗时），让模型去写与调是安全的；一旦评价标准本身也被模型生成，这条回路就失去了外部锚点。宇树把「人类评估表现」明确保留在循环里，说明他们清楚这条边界在哪里。
同一窗口里，三家给出了三个不同的答案
同一份隔夜材料里还出现了另外两条进展：特斯拉提出建设 Optimus Academy，用 1 万至 2 万台机器人演练各类任务，把学到的东西喂给下一代模型；Figure 则继续通过 Index App 采集数据，已累计约 3750 万条人类活动视频。
把三条放在一起看，它们其实在回答同一个问题：真机数据太贵，怎么办。
| 路线 | 数据从哪来 | 规模上限 | 主要代价 |
|---|
| 宇树 Rehearsal | 机器人自写仿真、自跑试验 | 取决于算力，理论上无限 | 仿真与真实的落差；代码可维护性 |
| 特斯拉 Optimus Academy | 1 万–2 万台真实机器人演练 | 受产能约束，起步慢 | 需要先把几万台造出来并养得起 |
| Figure Index | 用户上传人类活动视频 | 取决于用户数，边际成本最低 | 人与机器的具身差异未解 |
表注：三条路线为本号归纳；各条数值均转述自 2026-10-24 21:22 英文汇总稿，属单一信源，未获各家官方公告交叉确认。
判断：三条路线不是互斥的，最终大概率是叠加使用。但它们的成本结构完全不同：宇树那条是算力账单，特斯拉那条是产能账单，Figure 那条是运营账单。谁先跑通，取决于哪家在自己最擅长的那本账上最便宜——宇树的算力成本、特斯拉的制造成本、Figure 的获客成本，正好对应三家的看家本领。这个对应关系不是巧合。
「最早明年能打扫房间」这个承诺怎么读
报道称，王兴兴表示该方法会加速真实世界控制算法的开发，宇树机器人最早明年就可能开始打扫房间。
这句话是整份材料里唯一带明确时间点的承诺，也是最需要谨慎对待的一句。打扫房间在家庭场景里属于典型的长尾任务：物体种类无限、摆放随机、地面材质不一、有人在活动。它比工厂里的固定工位难，比仓库里的标准料箱难得多。
难度分级为本号对三类场景长尾程度的定性判断，用于说明「打扫房间」的承诺强度，非任何机构给出的量化指标
判断：把「明年」与「打扫房间」放在一起读，更合理的理解是能力演示的时间点，而不是可交付产品的时间点。行业里的惯例是：演示能做到的，距离「每周七天连续不出错」通常还有一到两个数量级的工程距离。这句话的价值在于给出了方向，不在于给出了排期。
对做交付的人，真正的风险是代码归谁读
把视角拉回交付侧。如果模型写的代码最终要跑在客户现场的机器上，就有一个绕不开的问题：出了问题谁来看这段代码。
报道提到，一些 Reddit 网友对自进化的前景并不乐观，形容为「Matrix 的开端」——机器运行着人类看不懂的代码。这个反应可以当作情绪记录，但它指向的顾虑是真实的：可维护性。
判断：对做二次开发与长期运维的团队来说，自进化带来的不是效率问题，是责任边界问题。客户现场的一台机器人宕机，需要的是四小时内有人能定位到是哪一行逻辑出错；如果那段逻辑是模型生成的、没有注释、每次迭代都重写一遍，那么「谁来修」这个问题就没有答案。工程上可行的解法只有一种：让模型在人类可读、可版本化的抽象层上工作，而不是让它直接产出末端代码。谁先把这层抽象定义清楚，谁才真正拿到了自进化的红利。
信源：AI News Feed 2026-10-24 21:22 英文汇总稿，宇树部分为 TechRadar 引《南华早报》的二手转述；宇树官方公告与发言原文未取得，属单一信源。素材时间窗 2026-10-24 18:00 → 2026-10-25 09:00。
---
*来源：神机百见-具身解读 · https://www.shenjibailian.com/jiedu/article/unitree-rehearsal-self-evolving-robot-code/*