新智元报道
编辑：Aeneas
一条X，直接引爆了机器人圈：装上 OpenClaw 的宇树人形机器人，竟开始理解空间与时间！机器人第一次拥有「世界记忆」，能记住人、物体和发生过的事——天网，真的要来了？
就在刚刚，全球开源机器人圈，被一条X引爆了！
一台装载 OpenClaw 的宇树人形机器人在房间里移动，它的眼睛来自 LiDAR 激光雷达、双目摄像头和 RGB 相机，这些传感器的数据，被输入一个系统。
然后，发生了一件此前从未被任何机器人做到的事——这个宇树机器人，开始理解空间和时间！
它不仅知道房间、人、物体在哪里，还知道什么时候发生了什么。
团队把这种能力称为 Spatial Agent Memory（空间智能体记忆），也就是说，从此机器人拥有了「世界记忆」能力！
而把这种能力带到机器人世界的，就是火爆全球的项目 OpenClaw。
这项成果一经发布，立刻得到了 OpenClaw 之父 Peter Steinberger 的转发。
这宣告着具身智能的里程碑式突破：OpenClaw 正式掌握了物理空间和时间感知能力。
天网，刚刚开源了？
项目一发布，评论区的网友们就炸了。
他们迅速分成了两派，有一派非常兴奋：开源机器人终于拥有了时空感知，这是边缘 AI 的巨大突破！
可以说，这正是我们梦寐以求的具身智能突破！
而另一派则开始担忧：如果机器人都能拥有空间感知，这不是相当于天网刚刚在 GitHub 建了一个仓库？
如果一个人机器人能精准分析家里每个人的生活规律，知道谁最常去厨房，知道垃圾什么时候倒，这种「全知全能」的监视能力，在缺乏伦理框架约束的情况下，简直令人不寒而栗！
甚至有人说，是时候接军方订单了。
而且，最让人兴奋的是：这一切都是完全开源的！
虽然在这次的视频中，OpenClaw 直接把装在了宇树机器人上，但这套系统其实是完全硬件无关的。
你可以用任何激光雷达、立体摄像头或 RGB 摄像头来集成。
不仅可以装在 Unitree G1 这样的人形机器人上，还能和大多数无人机、四足机器狗整合。
甚至，在理论上，我们完全可以用旧 iPhone 上的激光雷达来改造一个机器人。
总之，任何硬件，只要能跑 OpenClaw，就能立刻拥有时空感知。
它还不依赖 ROS（机器人操作系统），支持全动态障碍物避让和 SLAM（即时定位与地图构建）。
开源机器人，正在走向天网时刻
如果有一天，你家里的机器人忽然跟你说：「你的车钥匙昨晚落在厨房桌子上了」，你可能只是觉得它很智能。
但如果它继续说「上周一晚上 8 点，一个陌生人来过你家」，甚至「你平均每天在厨房停留 47 分钟」，你是不是就觉得有点毛骨悚然了？
你会意识到：这个机器人一直在观察你，甚至在记住关于你的一切！
最令人震惊的是，这些并不是简单的视频回放，而是来自一种新的能力：空间+时间+语义的联合记忆。
机器人，并不只是在记录画面，而是在构建一个世界模型！
以前的机器人，为什么不太聪明
相比之下，以前的机器人，为什么看起来不太聪明呢？
原因在于，首先 LLM 只有静态记忆，只记得训练数据，却不记得你五分钟前把钥匙放在哪了。
然后，就是空间的缺失。它们可能在语言的世界里游刃有余，在物理世界里却很难理解「厨房在客厅左边」。
另外，就是传统的 RAG 只能搜文字，但机器人面对的是，却是海量的视频流和深度数据。
这些几百小时视频、深度图、三维空间、物体位置和时间变化，意味着机器人要面对的，是现实世界的数据洪流。
但这个团队，却做了一件很疯狂的事。
SpatialRAG 黑科技，给机器人装上 3D 云脑
他们祭出了杀手锏——Spatial Agent Memory（空间智能体记忆）和SpatialRAG。
这套系统的核心逻辑非常硬核：它把视频、雷达检测、帧图像、里程计全部揉在一起，构建成一个体素（Voxel）化的世界。
每一个空间小方块（体素）都被打上了空间矢量嵌入和语义标签。结果就是，机器人的大脑变成了一个包含对象、房间、几何、时间、图像、点云的多维向量存储库。
可以说，这就是让机器人理解物理世界所需要的记忆骨架。
依靠这个系统，机器人可以在 object（物体）、room（房间）、semantic（语义）、geometry（几何）、time（时间）、image（图像）、pointcloud（点云）等多个维度搜索，由此第一次拥有了完整的空间记忆。
因此，现在它能回答这些直击灵魂的问题了。
比如「我钥匙丢哪儿了？」「上周一谁来过我家？」「谁在厨房待的时间最长？」「垃圾该什么时候倒？」
网友质疑：天网降临，还是老头漫步？
这项成果一出，评论区直接炸锅了。
有吐槽派怀疑说，这延迟不得卡死？是派 100 岁老爷爷来帮我做家务吗？
但技术团队火速打脸表示：「不，它并不是 20Hz 跑实时控制，而是高层智力协调器。它负责指挥，动作运行可以异步，完全不卡顿！」
还有人质疑道：为什么不用专用 ML 模型，而是要用 LLM 和 Cron 这种鲁布·戈德堡机械呢？
对此，开发者表现得非常坦诚：「把 LLM 装到硬件上确实容易，但让它维持一个持续的、关于什么时间、什么地点发生了什么的物理上下文，才是最难的。」
而 OpenClaw 提供的，不仅仅是一个输入接口，而是包含了一整套代理基础设施（Agent Infrastructure）：子代理编排、MCP（多点协作协议）处理、工具安全审计、插件系统。
这让它比原生的 Claude 代码更适合作为机器人的「前额叶」。
另外在评论区，一位机器人工程师说了一句非常真实的话：最难的不是空间理解，而是让系统在现实世界稳定运行。
现实世界的问题，包括传感器冲突、光照变化、动态障碍、数据噪声和硬件故障等，而仿真世界，永远不会让你面对这些问题。
具身智能的最后一公里
很多人说，「具身」是意识的关键。这次尝试告诉我们：让 LLM 上硬件不难，难的是让它产生持久的、跨越时空的物理上下文。
当机器人开始理解因果，开始记住位置，它就不再是一个会走路的音箱，而是一个真正的「物理代理」。
或许，天网不会突然降临，但事情可能是这样的：机器人学会看见世界，记住世界，最后学会改变世界。
而当这些能力全部开源的时候，任何人都可以构建一个机器人大脑。
有一天，当我们回头看这一刻，可能会意识到：这就是机器人时代真正开始的地方。
家用机器人的时代，可能真的要被这只「开源爪子」挠开了。
参考资料：
